-
公开(公告)号：CN118644878A
公开(公告)日：2024-09-13
申请号：CN202410733376.7
申请日：2024-06-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于三维特征和图神经网络的非接触指纹识别方法。所述方法包括：对非接触指纹图像进行预处理，对齐非接触指纹图像的偏航角并增强其对比度；通过一个卷积神经网络同时提取非接触指纹的三维特征，包括表面梯度和细节点；将表面梯度重建为深度，将深度信息和细节点融合得到三维细节点；将一对非接触指纹图像的三维细节点用图卷积网络进行特征编码；采用三元组损失计算真匹配特征以及假匹配特征之间的均方距离，并利用损失不断地优化骨干网络参数，拉近真匹配特征之间的距离，并使假匹配特征之间相互远离；应用时利用训练好的非接触指纹特征提取网络和图卷积网络分别对非接触指纹的样本和模版进行编码；计算当前非接触指纹样本特征与所有非接触指纹模板特征的特征距离表示；根据计算所得的特征距离预测出当前非接触指纹样本所属的用户。本发明在识别大姿态跨度的非接触指纹时具有明显优势。
-
公开(公告)号：CN113053497A
公开(公告)日：2021-06-29
申请号：CN202110250510.4
申请日：2021-03-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种优化组织学病理图像智能分析性能的后处理方法。所述方法包括：获取病例的多张病理切片的数字图像，并绘制先验图谱；将切片对应的数字图像和先验图谱裁剪成小尺寸图像块；计算待优化算法对于小尺寸图像块的预测置信概率特征，并计算对应的先验图谱的平均值作为先验权重；计算每个小尺寸图像块的加权置信概率特征；融合切片对应的所有小尺寸图像块的加权置信概率特征；融合病例对应的所有切片的加权置信概率特征；最后预测病例所属病变类别。本发明的方案不需要重新训练即可应用于现有智能分析方法，不仅能提升算法的分析精度，也能结合医生的先验知识关注部分关键区域，在病理医生诊断过程中起到更精确的智能辅助效果。
-
公开(公告)号：CN109800698B
公开(公告)日：2021-02-19
申请号：CN201910026888.9
申请日：2019-01-11
Applicant: 北京邮电大学
Abstract: 本公开涉及一种基于深度学习的图标检测方法，包括模型训练阶段和模型测试阶段，其中，所述模型训练阶段包括以下步骤：步骤1、准备画面中不含待检测图标的视频帧集合；步骤2、准备仅含有待检测图标的图标图像，其包含颜色通道和Alpha通道数据、以及图标分类信息；步骤3、将所述图标图像与视频帧集合中的各个帧进行随机的图像叠加，形成含有待检测图标的叠加图像，作为训练数据集，训练形成图标检测模型；其中，所述模型测试阶段包括以下步骤：步骤4、将待检测图像输入所述图标检测模型，所述图标检测模型输出检测结果，所述检测结果包括所述测试图像是否含有图标、所含图标的分类信息和位置信息。
-
公开(公告)号：CN110839156A
公开(公告)日：2020-02-25
申请号：CN201911089718.1
申请日：2019-11-08
Applicant: 北京邮电大学
IPC: H04N19/149 , H04N19/30 , H04N19/533
Abstract: 本发明提出一种基于视频图像的未来帧预测方法及模型，属于图像模式识别领域。模型包括：记忆回溯模块、记忆精炼模块、特征融合模块以及图像预测模块；方法包括：步骤1、顺序读取视频帧序列，组成固定长度的视频段序列；步骤2、将视频段输入记忆回溯模块，记忆回溯模块对输入的视频段进行空时特征提取；步骤3、对提取的空时特征通过记忆精炼模块，抽象为更高层次的隐含特征；步骤4、将隐含特征与输入的视频段中的最后一帧基于二维神经网络的多通道进行特征融合，最终输出预测的图像帧。本发明通过FFSPRE模型验证了人脑预测未来空间特征的能力，通过实验进一步证明了存在有一个通用的预测机制，能够完成预测短时未来图像的任务。
-
公开(公告)号：CN106780440B
公开(公告)日：2019-05-31
申请号：CN201611075728.6
申请日：2016-11-29
Abstract: 本发明公开了一种爆炸电路板残片图像自动比对识别方法，属于模式识别和图像处理技术领域。所述方法首先将残片图像基于概率图模型的图像分割算法进行对象分割，再采用基于概率抽样的颜色模型进行元器件的对象精定位，然后提取特征点并过滤，将过滤后的特征点与检索库中的电路板特征点进行比对识别，确定残片所属的源电路板。本发明首次提出并实现了根据爆炸电路板残片图像自动识别印刷电路板同型号原板的方法。所述比对识别方法能够准确地分割出电路板中的元器件及字符区域，抑制噪声干扰，比对时同时考虑特征点描述与空间几何关系的相似性，该方法在电路板残片图像自动识别中TOP1准确率高于99％。
-
Patent Agency Ranking
公开(公告)号：CN104484679A
公开(公告)日：2015-04-01
申请号：CN201410473198.5
申请日：2014-09-17
IPC: G06K9/64
Abstract: 本申请公开了一种非制式枪射击弹头痕迹图像自动识别方法，包括以下步骤：步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像，作为待识别的图像；步骤2、对待识别的图像进行水平和垂直方向投影，分别生成特征feature1[y]、feature2[x]，其中，0≤y＜M，0≤x＜N，M和N分别为弹头痕迹图像的像素阵列的行数和列数；步骤3、将所述特征feature1[y]、feature2[x]与样本库中的K个样本的特征feature1[Mk]、feature2[Nk]，分别进行比对，其中k＝1、2、……K，生成对应于各个样本的K个相似度。
-
公开(公告)号：CN103974147A
公开(公告)日：2014-08-06
申请号：CN201410083234.7
申请日：2014-03-07
Applicant: 北京邮电大学
IPC: H04N21/8549 , H04N21/472 , H04N21/643
Abstract: 本申请公开了一种基于MPEG-DASH协议的带有码率切换控制和静态摘要技术的在线视频播控系统，其中，客户端向流媒体服务器请求发送目标视频，流媒体服务器在接收到客户端的请求之后，向客户端发送目标视频的摘要MPD文件、以及目标视频的视频片段MPD文件，客户端从流媒体服务器下载并解析摘要MPD文件，得到目标视频的摘要画面、以及摘要画面在目标视频中的位置，在客户端上显示摘要画面，并由用户选择其中的一个摘要画面，客户端记录选择的结果，客户端从流媒体服务器下载并解析视频片段MPD文件，得到目标视频的视频片段的播放信息，客户端根据播放信息、以及选择的结果，确定与所选摘要画面对应的视频片段，向流媒体服务器请求从该视频片段开始发送并播放目标视频。
-
公开(公告)号：CN103942276A
公开(公告)日：2014-07-23
申请号：CN201410125961.5
申请日：2014-03-31
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本申请公开了一种用来在图像中检测标识的商标检测新技术，包括以下步骤：步骤1.从检测图像中提取多个关键点；步骤2.对于所述多个关键点，判断其视觉词汇序号是否与标识模型中的某个根节点的视觉词汇序号相同；步骤3.对于所述判断结果为“是”的每个关键点，寻找视觉词汇序号与所述一个或多个树结构各自的叶节点的视觉词汇序号分别相同、且满足树结构约束的一个或多个关键点集合；步骤4.计算在步骤3中找到的对应于所述一个或多个树结构中的每个树结构的关键点集合的数目，如果对应于所述一个或多个树结构中的某个树结构的所述关键点集合的数目大于预定阈值，则判定与所述某个树结构相对应的标识出现在所述检测图像中。
-
公开(公告)号：CN119229121A
公开(公告)日：2024-12-31
申请号：CN202411317174.0
申请日：2024-09-20
Applicant: 北京邮电大学
IPC: G06V10/26 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/764
Abstract: 本发明提供了一种基于多尺度图像内容互补的遥感影像智能分割方法。所述方法包括：将高分辨率遥感数字图像均匀地、低重叠地裁剪成多个易于分割的小尺度切片图像及环绕切片图像的大尺度内容补充图像；将切片图像与缩放后的内容补充图像输入基于卷积神经网络的编码器提取得到不同尺度的特征；将不同尺度的特征通过自注意力加权融合，将融合后的特征再与交叉注意力加权融合，送入解码器与分割网络进行计算，最后输出影像的分割结果。本发明能够有效缓解遥感影像在高分辨率下信息量缺少、低分辨率下细节缺失的问题，同时有效提升分割的精度。
-
公开(公告)号：CN118644712A
公开(公告)日：2024-09-13
申请号：CN202410707319.1
申请日：2024-06-03
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/74 , G06V10/774 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于局部令牌语义挖掘的长尾参数高效微调方法。所述方法包括：采用预训练的序列化视觉编码器初始化图像特征提取模型，并使用相应的预训练的文本编码器提取类别文本特征对分类器权重进行初始化；然后对图像进行序列化，使用图像特征提取模型和参数高效微调模块提取序列化图像特征；通过语义聚合函数，挖掘并聚合局部序列化特征中局部令牌所包含的语义信息，用以增强序列化特征中的类别令牌特征，获得增强类别令牌特征；然后采用概率控制样本补充策略，灵活地利用增强类别令牌特征对各类别样本进行补充，从而缓解长尾分布问题；最后通过图像分类损失和令牌特征一致性损失监督参数高效微调模块、语义聚合函数和分类器的学习。本发明提出的框架能够应对预训练模型用于下游长尾图像分类任务时，所遇到的的信息不平衡和缺失问题。此框架能够大幅提升基于预训练序列化模型的多种参数高效微调方法及多种分类损失函数在长尾分布场景中的图像分类性能，具有较强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.04 seconds)
