-
公开(公告)号：CN118351307A
公开(公告)日：2024-07-16
申请号：CN202410456964.0
申请日：2024-04-16
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/82 , G06V10/96 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种多域注意力增强的三维点云语义分割方法及装置，涉及计算机视觉技术领域。包括：获取待分割的三维点云数据；将三维点云数据输入到训练好的多域注意力增强的三维点云语义分割模型；其中，三维点云语义分割模型包括卷积注意力编码器模块、Transformer编码器模块、卷积注意力解码器模块以及分割头模块；根据三维点云数据以及三维点云语义分割模型，得到三维点云语义分割结果。本发明设计了一种点云语义分割方法，其使用多域注意力，在控制运算成本的前提下增强网络分割性能，并形成自定义配置框架，方便用户控制模型训练等过程，并快速部署。
-
公开(公告)号：CN118135503A
公开(公告)日：2024-06-04
申请号：CN202410236795.X
申请日：2024-03-01
Applicant: 北京科技大学
IPC: G06V20/54 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/82 , G08G1/01 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及自动驾驶领域，特别是指一种双向动态地图与智能体交互的轨迹预测方法及装置，包括：根据智能体轨迹、地图数据以及轨迹预测模型，得到智能体未来的轨迹预测结果，模型包括智能体、地图编码器，多个双向互动模块，智能体、地图解码器。本发明开发了一种能够动态整合地图信息和智能体行为，考虑环境动态性和智能体间复杂交互的轨迹预测方法。采用智能体与地图环境双向交互机制，结合环境变化的额外的监督信号，动态整合地图和智能体间的交互。引入辅助任务，如交通流预测、智能体路径预测和道路节点的特征重构，以指导地图特征的演化并与轨迹预测对齐。突破了传统的静态地图范式，为轨迹预测领域带来了新的视角和可能性。
-
公开(公告)号：CN115797632B
公开(公告)日：2024-02-09
申请号：CN202211527682.2
申请日：2022-12-01
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 术问题。本发明公开了一种基于多任务学习的图像分割方法，包括：构建样本数据集；其中，样本数据集由对比学习数据集、网状结构图像、对应语义分割标签和对应关系向量标签组成；构建基于对比学习的特征提取器；构建基于多任务学习的图像分割模型；其中，图像分割模型包括共享编码器、语义分割任务模块和关系预测任务模块；基于对比学习数据集对特征提取器进行训练；基于网状结构图像、对应语义分割标签和对应关系向量标签构成的样本数据集对图像分割模型进行训练；利用训练好的图像分割模型对待分割图像进行语义分割，得到分割结果。本发明的图像(56)对比文件LIXIN ZHANG et al..Segmentation andMeasurement of Superalloy MicrostructureBased on Improved Nonlocal Block《.IEEEAccess》.2022,32418-32425.Rihuan Ke et al..Multi-task deeplearning for image segmentation usingrecursive approximation tasks《.arXiv》.2020,1-24.
-
公开(公告)号：CN116645287A
公开(公告)日：2023-08-25
申请号：CN202310578005.1
申请日：2023-05-22
Applicant: 北京科技大学
IPC: G06T5/00 , 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：CN116452931A
公开(公告)日：2023-07-18
申请号：CN202310382755.1
申请日：2023-04-11
Applicant: 北京科技大学
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。
-
Patent Agency Ranking
公开(公告)号：CN116129333B
公开(公告)日：2023-07-11
申请号：CN202310395174.1
申请日：2023-04-14
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/75 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于语义探索的开集动作识别方法，包括：针对给定的输入视频，提取出预设维度的片段级视觉特征；通过联合学习显式知识语义和隐式数据语义来探索视频的语义信息；基于片段级视觉特征与视频的语义信息，获得最终的视频特征；基于所述视频特征，利用预设的识别模型实现开集动作识别。本发明的技术方案可更好地感知开放场景，并有效提升最终的识别性能。
-
公开(公告)号：CN114998630B
公开(公告)日：2022-11-04
申请号：CN202210844306.X
申请日：2022-07-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种从粗到精的地对空图像配准方法，包括：S1，获取待配准的图像对；S2，采用模板匹配的方法对图像对进行配准，得到初步配准结果；S3，基于初步配准结果在目标图像中裁剪出感兴趣区域，采用深度学习的方法对源图像和裁剪出的感兴趣区域提取特征点并匹配，得到特征点匹配结果；S4，基于特征点匹配结果，采用基于随机抽样一致RANSAC的方法对图像对进行尺度对齐，然后对完成尺度对齐的图像对再次执行S3，得到新的特征点匹配结果；S5，重复执行S4预设次数，得到最终的配准结果。本发明的方法能够针对卫星影像和机载图像，实现不同视角下立体结构图像间的像素级配准，具有通用性。
-
公开(公告)号：CN114612347A
公开(公告)日：2022-06-10
申请号：CN202210506856.0
申请日：2022-05-11
Applicant: 北京科技大学
Abstract: 本发明提供一种多模块级联的水下图像增强方法，属于计算机视觉技术领域。所述方法包括：将现有的空气图像增强网络与颜色校正网络级联，构建多模块级联增强网络，其中，空气图像增强网络用于解决水下图像中与空气图像相似的退化问题，颜色校正网络用于校正水下图像中存在的色偏；获取成对水下图像数据集，利用获取的成对水下图像数据集训练所述多模块级联增强网络；获取待增强的水下图像，将待增强的水下图像送入训练好的多模块级联增强网络，得到增强后的水下图像。采用本发明，能够解决水下成像中不同类型的退化问题。
-
公开(公告)号：CN113688842B
公开(公告)日：2022-04-29
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
公开(公告)号：CN113688842A
公开(公告)日：2021-11-23
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.059 seconds)
