公开(公告)号：CN116645287B

公开(公告)日：2024-03-29

申请号：CN202310578005.1

申请日：2023-05-22

Applicant: 北京科技大学

Inventor： 刘红敏 ,  夏俊勇 ,  樊彬

IPC: G06T5/73 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于扩散模型的图像去模糊方案，属于图像处理技术领域。所述方法包括：构建DMDIFF去模糊网络模型；其中，所述DMDIFF去模糊网络包括模糊图像特征编码器、深度梯度提取UNet骨干网络和交叉注意力子网络；对训练样本图像进行数据增强处理，得到目标训练样本；通过所述目标训练样本训练所述DMDIFF去模糊网络模型，得到目标扩散模型；将待处理图像输入所述目标扩散模型进行去模糊处理，生成目标图像。本方案基于扩散模型学习差值模板，重点学习图像中的高频信息，避免了GAN、VAE等生成模型训练困难、去模糊结果呈现平滑的问题。

公开(公告)号：CN116452931B

公开(公告)日：2024-03-19

申请号：CN202310382755.1

申请日：2023-04-11

Applicant: 北京科技大学

Inventor： 樊彬 ,  陈永杰 ,  刘红敏 ,  曾慧

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/762

Abstract: 本发明公开了一种层级敏感的图像特征聚合方法，包括：在Transformer网络中加入局部自适应特征聚合模块和语义信息聚合模块，构建出层次结构敏感的特征聚合框架；其中，所述特征聚合框架包括三次特征聚合过程，且在三次特征聚合过程中分别采用了不同的聚合方案；将待处理的图像输入所述特征聚合框架中进行特征聚合，得到特征图像。本发明可使Transformer建立更准确的全局关系，并在图像分类、目标检测、语义分割等多个任务上取得更好的效果。

公开(公告)号：CN116664867A

公开(公告)日：2023-08-29

申请号：CN202310582786.1

申请日：2023-05-22

Applicant: 北京科技大学

Inventor： 樊彬 ,  刘传巾 ,  刘红敏

IPC: G06V10/44 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明公开了一种基于多证据融合选取训练样本的特征提取方法及装置，该方法包括：在特征提取网络的训练阶段引入多种不同的图像检索算法；对特征提取网络进行训练；训练过程包括：在输入图像中确定锚点、正样本点和负样本点；分别利用每一图像检索算法计算锚点和正样本点之间的正样本相似度，以及锚点与负样本点之间的负样本相似度；基于计算出的正样本相似度和负样本相似度更新负样本点，得到更新后的负样本点；将利用多种不同的图像检索算法所得到的更新后的负样本点进行融合，计算损失函数；利用训练好的特征提取网络对待处理图像进行特征提取，得到提取结果。本发明可提高描述子可靠性，进而提高匹配准确率和数量，有利于视觉定位等下游任务。

公开(公告)号：CN116662600A

公开(公告)日：2023-08-29

申请号：CN202310678818.8

申请日：2023-06-08

Applicant: 北京科技大学

Inventor： 刘红敏 ,  曹程阳 ,  胡雨凡 ,  樊彬

IPC: G06F16/587 ,  G06T7/73 ,  G06V10/74

Abstract: 本发明公开了一种基于轻量结构化线地图的视觉定位方法，包括：通过图像检索，将查询图像与数据库图像进行图像匹配，根据图像匹配结果，找到与查询图像最相似的多个数据库图像，作为候选数据库图像；构建用于视觉定位的线地图；对所述查询图像和所述候选数据库图像进行线提取和匹配，构建二维到三维的线对应关系；基于构建的二维到三维的线对应关系，求解初始姿态；对求解出的初始姿态进行姿态迭代优化，得到最终的相机位姿。本发明可在较低的内存消耗下估计出较好的相机六自由度位姿，具有重大的应用前景和价值。

公开(公告)号：CN116452866A

公开(公告)日：2023-07-18

申请号：CN202310349933.0

申请日：2023-04-04

Applicant: 北京科技大学顺德创新学院

Inventor： 曾慧 ,  赵天孟 ,  李擎 ,  刘红敏 ,  樊彬

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/26 ,  G06V10/80

Abstract: 本发明提供一种基于点云‑体素的几何自适应点云分类和分割方法及装置，属于计算机视觉技术领域。所述方法包括：构建基于体素的深度卷积算子和基于点的位置自适应池化算子；根据构建的深度卷积算子和位置自适应池化算子，构建基于点云‑体素的特征提取模块，自适应地提取和融合输入点云中不同尺度的特征；根据构建的特征提取模块，构建基于点云‑体素的几何自适应网络；输入点云分类数据集和点云部件分割数据集对构建的几何自适应网络进行训练，利用训练好的几何自适应网络实现点云的形状分类和部件分割任务。采用本发明，能够提高点云形状分类和部件分割的精度并具有高效快速的特点。

公开(公告)号：CN116433727A

公开(公告)日：2023-07-14

申请号：CN202310691919.9

申请日：2023-06-13

Applicant: 北京科技大学

Inventor： 刘红敏 ,  蔡越峰 ,  徐婧林 ,  樊彬

IPC: G06T7/246 ,  G06N3/0455 ,  G06N3/08 ,  G06T7/73 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及视觉目标追踪技术领域，特别是指一种基于阶段性持续学习的可伸缩单流追踪方法。一种基于阶段性持续学习的可伸缩单流追踪方法包括：获取搜索图像以及模板图像，对搜索图像以及模板图像进行处理，获得输入图像；将输入图像进行特征向量化处理，获得向量化特征；基于向量化特征，通过交互窗口自注意力模块以及动态混合注意力模块，获得目标图像特征；根据目标图像特征，通过分类头以及回归头，获得输出图像；根据输出图像，在目标时序运动中进行目标追踪。本发明是一种基于阶段间持续学习具备优秀前后景区分能力的追踪方法。

公开(公告)号：CN116167941A

公开(公告)日：2023-05-26

申请号：CN202310183552.X

申请日：2023-02-17

Applicant: 北京科技大学

Inventor： 刘红敏 ,  张琦 ,  樊彬 ,  曾慧 ,  胡雨凡

IPC: G06T5/00 ,  G06T7/40 ,  G06T7/90 ,  G06N3/0464

Abstract: 本发明公开了一种基于RGB通道恢复的水下图像增强方法，包括：获取由水下退化图像和水下清晰图像构成的图像集；采用生成对抗网络构建水下图像增强模型，并设计一个多项损失函数；基于获取的图像集和设计的多项损失函数，训练水下图像增强模型；将待增强的水下退化图像输入训练好的水下图像增强模型，得到待增强的水下退化图像所对应的清晰图像。本发明能够对水下退化图像不同衰减程度的通道针对性地进行处理，有效、鲁棒地增强水下图像。

公开(公告)号：CN114998605B

公开(公告)日：2023-01-31

申请号：CN202210503164.0

申请日：2022-05-10

Applicant: 北京科技大学

Inventor： 刘红敏 ,  金帆 ,  樊彬 ,  曾慧 ,  张利欣

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种恶劣成像条件下图像增强引导的目标检测方法，属于图像增强和计算机目标检测技术领域。所述方法包括：在现有的目标检测网络基础上，加入增强网络分支，将目标检测网络主干网络的头部卷积层特征图和增强网络分支增强后的图像分别都进行最大池化和平均池化后，计算目标检测网络和增强网络分支总的损失函数L；将恶劣成像条件下获取的图像集分别输入目标检测网络和增强网络分支，利用损失函数L对目标检测网络和增强网络分支进行训练；将恶劣成像条件下获取的待检测的图像输入训练好的目标检测网络，输出目标检测结果。采用本发明，能够在提高目标检测的精度的同时，不会增加额外的计算负担。

公开(公告)号：CN119992410A

公开(公告)日：2025-05-13

申请号：CN202510004451.0

申请日：2025-01-02

Applicant: 北京科技大学

Inventor： 徐婧林 ,  张雅琦 ,  刘红敏 ,  周汶昊

IPC: G06V20/40 ,  G06V10/22 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于双向线索增强的时序动作定位方法及系统，属于计算机视觉技术领域，该方法包括：获取待处理的视频数据；将获取的视频数据输入时序动作定位模型；其中，所述时序动作定位模型包括：视频特征提取模块、双向线索增强模块和动作检测头；所述视频特征提取模块用于提取视频数据对应的视频特征；所述双向线索增强模块用于采用双向的特征提取机制对视频特征提取模块提取的视频特征进行特征提取和增强，得到增强的特征；所述动作检测头用于根据增强的特征，完成对动作实例的分类和定位；利用所述时序动作定位模型对输入视频中的动作进行定位和分类。本发明方案可有效提升动作定位准确性。

公开(公告)号：CN118038095B

公开(公告)日：2024-07-23

申请号：CN202410151230.1

申请日：2024-02-02

Applicant: 北京科技大学

Inventor： 樊彬 ,  邱志立 ,  刘红敏

IPC: G06V10/75 ,  G06V10/74 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于分割大模型与注意力融合的图像匹配方法和装置，属于图像匹配技术领域，所述方法包括：通过骨干网络确定待匹配图像对间的相似度图；通过分割大模型对待匹配图像对进行全图像区域分割；将所述相似度图用于分割后的图像区域，得到前景匹配区域对；将前景匹配区域对以及所述骨干网络输出的低分辨率特征图对输入融合注意力模块，得到相似区域图像特征图对；计算所述相似区域图像特征图对的相似性，确定粗匹配特征点；并依据所述高分辨率特征图对和所述粗匹配特征点，确定图像匹配点结果。本申请提供的基于分割大模型与注意力融合的图像匹配方案，能够有效提高图像匹配精度。