-
公开(公告)号：CN111062423A
公开(公告)日：2020-04-24
申请号：CN201911201999.5
申请日：2019-11-29
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于自适应特征融合的点云图神经网络的点云分类方法，使用残差结构缓解梯度消失；使用全局特征与局部特征相融合，提升网络性能；使用权重自适应机制指导特征融合；本发明利用图神经网络关注局部特征，点云网络提取全局特征的同时加入残差块，将提取的全局特征与局部特征融合，在特征融合的时候对于不同的特征加入了权重自适应机制，从而优化模型性能。
-
公开(公告)号：CN110929696A
公开(公告)日：2020-03-27
申请号：CN201911291168.1
申请日：2019-12-16
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态注意与自适应融合的遥感图像语义分割方法，属于计算机视觉领域。具体包括：1)使用遥感图像多模态数据集，包括数据处理后的遥感图像及对应的深度图构建双流的语义分割网络；2)分别对输入图像提取不同尺度的特征，将获取的特征进行多层的自适应特征融合；3)使用多模态注意力机制对网络解码器部分的输入特征与编码器特征进行丰富语义信息的提取，关注相似的像素点。本发明利用多模态的遥感数据集，处理图像数据，结合双流网络结构，自适应融合提取的特征，并使用多模态注意力机制关注融合特征与编码特征，从而优化模型性能。
-
-
公开(公告)号：CN104655650A
公开(公告)日：2015-05-27
申请号：CN201510040770.3
申请日：2015-01-27
Applicant: 中国矿业大学
IPC: G01N21/90
Abstract: 本发明公开了一种基于激光光幕扫描的刚性罐道缺陷检测装置，包括驱动装置、转动臂、编码器、激光器和摄像头，所述转动臂通过支座设置在二号罐道上端面且靠近其内侧面的位置，所述转动臂与支座之间通过轴旋转设置，并由驱动装置驱动，所述轴上设置有编码器，所述转动臂的前部设置激光器和摄像头。该装置将激光器置于罐道顶端并利用激光光幕沿垂直方向对罐道进行扫描，通过摄像头拍摄，并进行图像拼接，获得罐道随高度变化的影像谱，可以快速准确地确定罐道缺陷的类型和位置，适用于立井提升刚性罐道的缺陷检测，结构简单，兼具可靠性和便捷性，数据准确性高，具有广泛的实用性，经济效益明显。
-
公开(公告)号：CN114511593B
公开(公告)日：2025-04-18
申请号：CN202210084771.8
申请日：2022-01-25
Applicant: 中国矿业大学
IPC: G06T7/246 , G06V10/74 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于重要特征的视觉目标跟踪可转移黑盒攻击方法，通过对特征中与跟踪目标高度相关而不受源模型影响的重要特征进行攻击，将其重要程度降低，同时增强不重要的特征以实现具有可转移性的攻击；即通过反向传播获得的所对应的梯度来体现其特征的重要程度，随后通过梯度得到的加权特征以进行攻击。此外，本发明使用视频相邻两帧之间相似这一时序信息，提出特征相似下降损失函数，通过减小相邻帧之间的特征相似度以进行攻击。本发明能够在不可知目标跟踪模型以及不进行大量查询的情况下，通过生成的具有强可转移性的对抗样本，对目标跟踪器实现有效的黑盒攻击。
-
Patent Agency Ranking
公开(公告)号：CN111860678B
公开(公告)日：2024-02-27
申请号：CN202010744097.2
申请日：2020-07-29
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/762 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06V10/764
Abstract: 本发明公开了一种基于聚类的无监督跨域行人重识别方法，属于计算机视觉领域。具体实现（1）搭建用于预训练的神经网络；（2）将源域有标签的数据输入预训练网络，做有监督的预训练；（3）搭建用于微调的双流相互学习网络框架；4）训练双流相互学习框架，输出适用于目标域的行人重识别模型。本发明利用有标签的源域数据集和无标签的目标域数据集，以及相互学习的网络框架，实现无监督的跨域行人重识别；引入自注意力机制和全局联合池化操作，以及提出新的损失函数——联合灵活优化损失，并选用更合
-
公开(公告)号：CN116580275A
公开(公告)日：2023-08-11
申请号：CN202310545491.7
申请日：2023-05-15
Applicant: 中国矿业大学
IPC: G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种本发明公开了一种基于多模态层次关系建模的RGB‑T目标跟踪方法，通过堆叠多层的Transformer编码器结构，利用自注意力机制在图像特征学习的多个阶段渐进式地聚集并融合多模态图像特征。在整个网络的多模态交互过程中，利用基于图像块的动态部件特征融合模块，动态求解跟踪场景中每个区域的可见光信息的重要程度，从而调节可见光信息和红外信息在跟踪过程中的相互作用，更好地适应复杂性场景，获得更好的跟踪性能。
-
公开(公告)号：CN109670528B
公开(公告)日：2023-04-18
申请号：CN201811352790.4
申请日：2018-11-14
Applicant: 中国矿业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V40/10 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种面向行人重识别任务的基于成对样本随机遮挡策略的数据扩充方法，在训练阶段，首先通过采用基于成对样本随机遮挡策略的数据扩充方法增加样本的多样性，提高深度行人重模型训练过程中的鲁棒性，进而提高模型的泛化性能。本发明与现有技术中数据扩充的方法相比，利用了孪生深度学习模型训练数据的特点，同时考虑了孪生网络训练的困难，提出了一种新的数据扩充方法。通过增加训练数据对的多样性，有效缓解单个行人数据集类别少且缺乏多样性问题给带来的影响，提升了模型的泛化性能，让行人重识别方法可以更好的处理复杂环境下的相行人重识别问题。
-
公开(公告)号：CN111259758B
公开(公告)日：2023-04-07
申请号：CN202010030047.8
申请日：2020-01-13
Applicant: 中国矿业大学
IPC: G06V20/13 , G06V20/17 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对密集区域的两阶段遥感图像目标检测方法，主要解决现有技术对目标密集区域目标识别准确率低的问题，其步骤为：1、对于输入图像进行数据增强操作，增加训练样本集；2、构建基于多尺度特征提取模块；3、在不同尺度的特征图上进行目标检测，找出目标密集的区域；4、针对目标密集的区域进行二次目标检测；5、对检测出的目标进行分类和位置回归，输出目标对应的分类标签和位置坐标，完成对图像的目标识别和定位。本发明利用网络多尺度结构的特点提取和融合不同尺度下的特征图来检测不同大小的目标，并对目标密集度高的区域进行二次检测，提高了小目标识别准确率。该方法可用于无人机以及卫星对目标的检测，侦查和监视。
-
公开(公告)号：CN115393776A
公开(公告)日：2022-11-25
申请号：CN202211148006.4
申请日：2022-09-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种面向自监督视频目标分割的黑盒攻击方法，基于亲和矩阵的自监督视频目标分割模型学习视频序列的特征表示从而实现强大的像素对应关系。首先基于初始化随机产生的对抗扰动，构建针对单帧、双帧和多帧的对比损失，进行迭代优化；然后设计特征损失增强黑盒攻击所生成对抗样本的可转移性；采用像素级损失使生成的对抗样本噪声不可感知；构建多路径聚合模块获得迭代优化的对抗性扰动并将其添加到原始视频帧产生对抗样本；最终将对抗视频输入自监督视频目标分割网络得到最终预测掩码。本发明对自监督视频目标分割模型的黑盒攻击方法的研究识别了分割算法的脆弱性，能够进一步提升自监督视频目标分割任务的安全性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.02 seconds)
