-
公开(公告)号：CN119323736A
公开(公告)日：2025-01-17
申请号：CN202411866559.2
申请日：2024-12-18
Applicant: 北京科技大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种高分辨率大尺度森林生物量遥感预测方法和系统，包括：获取待预测地理范围内的多源数据；联合几何特征和区域特征对多源数据进行地理配准并进行特征变量提取；输入森林生物量预测模型主干网络，包括图像序列化模块、融合通道先验的双分支特征提取网络和回归网络，图像序列化模块将图像切片并转换为图像序列，然后输入双分支特征提取网络，双分支特征提取网络先以通道先验模块提取经通道和空间加权后的特征图，随后在四个阶段中对加权后的特征图进行逐层的下采样，并使用状态空间特征提取模块进行双分支特征提取，最后通过回归网络进行上采样回归输出预测地理范围内的森林生物量预测结果。本发明可以对森林生物量进行预测。
-
公开(公告)号：CN119225189A
公开(公告)日：2024-12-31
申请号：CN202411774178.1
申请日：2024-12-05
Applicant: 北京科技大学
IPC: G05B13/04
Abstract: 本发明涉及无模型回归强化学习技术领域，特别涉及基于无模型回归强化学习的机器人系统控制方法及装置。方法包括：对机器人非线性系统进行系统变换，寻找可容许控制作为输入数据，收集系统信息，包括不同时刻的状态信息、执行‑评判网络的基函数值等；利用收集的信息计算关键列向量和性能指标函数。利用迭代回归信息推导出辅助回归常数权值和整合执行‑评判网络的常数权值的迭代规则，基于最优执行‑评判网络值对机器人系统进行最优控制，使机器人系统进行物体抓取。本发明通过对机器人系统信号的采集，不断迭代带折扣参数的神经网络权值，得到最优权值向量，获得最优决策控制方法，获得机器人系统最优控制决策，通过机器人系统对物体进行抓取。
-
公开(公告)号：CN117474818A
公开(公告)日：2024-01-30
申请号：CN202311817383.7
申请日：2023-12-27
Applicant: 北京科技大学
Abstract: 本发明提供一种基于非参数贝叶斯景深估计的水下图像增强方法及装置，属于图像处理技术领域。所述方法包括：输入原始水下降质图像；采用基于归一化统计的颜色修正方法对所述原始水下降质图像进行预处理，以得到颜色修正水下图像；采用基于暗通道先验的自然图像去雾方法计算所述颜色修正水下图像的初始传输率与初始景深；构建非参数贝叶斯模型，对水下图像景深进行稀疏建模与估计；采用基于暗通道先验的自然图像去雾方法计算获得水下增强图像；将景深估计所计算的传输率与获得的水下增强图像进行多尺度融合，得到多尺度精细化的融合图像；将所述多尺度精细化的融合图像作为输出结果。本发明能够提升水下图像增强的性能。
-
公开(公告)号：CN117076931B
公开(公告)日：2024-01-12
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内 天高维动态时序数据作为加噪数据，以及 天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
公开(公告)号：CN117076931A
公开(公告)日：2023-11-17
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内#imgabs0#天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内#imgabs1#天高维动态时序数据作为加噪数据，以及#imgabs2#天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
Patent Agency Ranking
公开(公告)号：CN116433662B
公开(公告)日：2023-09-05
申请号：CN202310690490.1
申请日：2023-06-12
Applicant: 北京科技大学
Abstract: 本发明公开一种基于稀疏分解与景深估计的神经元提取方法及装置，方法包括：输入原始图像视频数据；利用鲁棒性主成分分析方法分解原始图像视频数据，以得到神经元信号、背景和噪声；计算神经元信号数据的亮暗通道先验，利用两种先验估计神经元信号数据景深对应的传输率；将神经元信号数据以像素为单位点除景深对应的传输率，构建并求解约束性非负矩阵分解的神经元提取框架；输出神经元的提取信息，包括：空间位置及形状大小、动作电位和时序变化。本发明能够高效地分解背景及噪声等干扰信息，快速估计神经元信号景深以去除数据散射，准确有效地提取神经元的空间位置及形状大小、动作电位和时序变化等特征信息。
-
公开(公告)号：CN120088644A
公开(公告)日：2025-06-03
申请号：CN202510124281.X
申请日：2025-01-26
Applicant: 北京科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种小麦早期条锈病检测方法和系统，包括：将嵌入时间维度的多模态数据输入并预训练光谱重建和时序对比学习模型，挖掘小麦条锈病在不同发展阶段和不同光谱波段通用的特征模式；把预训练完成的权重迁移到多模态多尺度目标检测模型的多模态编码器，提取出不同尺度的交互融合特征，输入多尺度解码器，综合利用全局上下文信息和局部细节信息，同时通过交叉注意力机制充分利用不同尺度的特征，输出条锈病的检测结果；用早期条锈病数据中带标签的数据微调多尺度解码器参数，得到训练完成的多模态多尺度目标检测模型；使用训练完成的多模态多尺度目标检测模型，对待检测小麦进行早期条锈病检测。本发明可以对小麦早期条锈病进行检测。
-
公开(公告)号：CN119323736B
公开(公告)日：2025-05-06
申请号：CN202411866559.2
申请日：2024-12-18
Applicant: 北京科技大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种高分辨率大尺度森林生物量遥感预测方法和系统，包括：获取待预测地理范围内的多源数据；联合几何特征和区域特征对多源数据进行地理配准并进行特征变量提取；输入森林生物量预测模型主干网络，包括图像序列化模块、融合通道先验的双分支特征提取网络和回归网络，图像序列化模块将图像切片并转换为图像序列，然后输入双分支特征提取网络，双分支特征提取网络先以通道先验模块提取经通道和空间加权后的特征图，随后在四个阶段中对加权后的特征图进行逐层的下采样，并使用状态空间特征提取模块进行双分支特征提取，最后通过回归网络进行上采样回归输出预测地理范围内的森林生物量预测结果。本发明可以对森林生物量进行预测。
-
公开(公告)号：CN119625138B
公开(公告)日：2025-04-25
申请号：CN202510162501.8
申请日：2025-02-14
Applicant: 北京科技大学
Abstract: 本发明提供一种文本引导的弱标注浮选泡沫分割与计数方法及系统，涉及人工智能与计算机视觉技术领域。方法包括：采集浮选池中泡沫的图像，进行预处理和点级别标注，收集对浮选泡沫的文本描述并进行预处理；将预处理后的图像输入点热图生成模块，识别图像中的关键点，并以关键点为中心形成预设尺寸的边界框；将关键点和边界框输入基于弱标注的层次化掩码生成模块，指导其生成整体、部分和子部分的层次化掩码；将文本描述和少样本示例图像输入视觉‑语言特征映射模块，将两者映射到同一个嵌入空间中进行特征拼接，得到分类指导特征；利用层次化掩码提取区域特征，并与分类指导特征进行相似度对齐，从而实现对图像中特定类别泡沫的精确分割和计数。
-
公开(公告)号：CN119624993A
公开(公告)日：2025-03-14
申请号：CN202510147824.X
申请日：2025-02-11
Applicant: 北京科技大学
IPC: G06T7/11 , G06T7/73 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/762 , G06N3/045 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种跨模态外耳区域分割与关键点定位方法和系统，包括：获取待分割定位的多模态外耳数据并输入多模态外耳区域分割与关键点定位多任务端到端模型，模型包括各模态数据特征提取模块、模通汇聚模块、视域联通模块、区域分割头和关键点定位头；各模态数据特征提取模块，将各模态特征提取出来；模通汇聚模块，利用图像特征去增强体素特征和深度图特征；视域联通模块，对三维的点云特征、图像增强的体素视图特征、图像增强的深度图特征进行三模态聚合，得到聚合的视域联通特征；区域分割头，对聚合的视域联通特征进行区域分割；关键点定位头，对聚合的视域联通特征中的体素特征进行关键点定位。本发明可以对外耳进行区域分割与关键点定位。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.027 seconds)
