-
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：CN119131808A
公开(公告)日：2024-12-13
申请号：CN202411185032.3
申请日：2024-08-27
Applicant: 北京科技大学
Abstract: 本发明涉及船舶水尺读数技术领域，特别是指一种基于高光谱多域融合的船舶水尺读数方法和系统，包括：获取现场拍摄的高光谱水尺图像；将所述高光谱水尺图像输入训练完成的高光谱图像特征提取网络，输出三种尺度的特征图；将所述三种尺度的特征图输入多尺度特征融合模块，进行特征融合，输出融合特征；将所述融合特征分别输入训练完成的字符识别网络和水线定位网络，分别输出字符识别结果和水线定位结果；将字符识别结果和水线定位结果输入水尺读数单元，输出所述高光谱水尺图像的水尺读数。本发明可以得到水尺图像的精准读数。
-
公开(公告)号：CN119006434A
公开(公告)日：2024-11-22
申请号：CN202411201826.4
申请日：2024-08-29
Applicant: 北京科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/42 , G06V10/44
Abstract: 本发明公开一种基于双重视觉状态空间模型的皮带撕裂检测方法和系统，包括：将待检测皮带表面图像输入训练完成的皮带撕裂图像缺陷检测主干网络，这个主干网络由图像序列化模块、双重视觉状态空间皮带撕裂图像特征提取网络、多尺度特征融合模块和双分支目标检测输出模块组成；图像序列化模块，将图像进行序列化，输出图像序列和图像微序列；双重视觉状态空间皮带撕裂图像特征提取网络，提取皮带撕裂小目标缺陷全局语义类别信息和局部细节信息；多尺度特征融合模块，进行多尺度特征融合得到三种尺寸的图像融合特征；双分支目标检测输出模块，使用两个分支分别做目标识别和分类任务，并输出最终的目标检测结果。本发明可以对皮带撕裂进行精准检测。
-
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。
-
Patent Agency Ranking
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。
-
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：CN116258719B
公开(公告)日：2023-07-18
申请号：CN202310541855.4
申请日：2023-05-15
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域，尤其涉及一种基于多模态数据融合的浮选泡沫图像分割方法和装置，包括：收集并预处理泡沫浮选过程中多模态数据，包括二维RGB图像数据和三维点云数据；将预处理后的多模态数据分别输入图像特征初步提取模块和柱体特征提取网络，进行泡沫图像特征的初步提取和泡沫点云柱体特征提取；将初步提取的泡沫图像特征和泡沫点云柱体特征输入跨模态交互融合模块，进行多模态特征的融合；将融合特征输入图像分割主干网络，进行频域分离编码和注意力增强解码，并构建密集跃层连接进行多尺度特征信息融合交互，预测得到像素级类别，并使用后处理模块得到泡沫实例级分割结果。本发明可以有效地从浮选泡沫图像中分割出泡沫实例。
-
公开(公告)号：CN115239034B
公开(公告)日：2022-11-29
申请号：CN202211169343.1
申请日：2022-09-26
Applicant: 北京科技大学
Abstract: 本发明公开了一种风力发电机叶片早期缺陷预测方法及系统，属于风力发电设备领域。所述方法先收集叶片早中晚期场景的图像，对晚期图像进行人工标注作为反演语义分割训练集样本；将对应的叶片早中期图像集作为模型样本集划分自监督训练集和验证集，并对验证集进行人工标注；构建基网络及早期缺陷自监督学习模型，采用自监督训练集进行训练，得到成熟模型，获得模型权重；构建分割头模型，基网络加载权重，并将基网络与分割头模型进行连接，输入反演语义分割训练集进行训练，输出语义分割标签，得到成熟的下游任务分割模型；获取待预测叶片的早期图像输入下游任务分割模型，输出早期缺陷的位置信息。本发明提高了叶片早期缺陷预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.024 seconds)
