-
公开(公告)号：CN113408590B
公开(公告)日：2022-07-15
申请号：CN202110584515.0
申请日：2021-05-27
Applicant: 华中科技大学
IPC: G06K9/62 , G06N3/04 , G06V10/774 , G06V10/771 , G06V10/82 , G06V10/80
Abstract: 本发明实施例提供一种场景识别方法、训练方法、装置、电子设备及程序产品，该方法包括：获取待识别场景的彩色图像与深度图像；利用特征提取算法对彩色图像与深度图像分别进行特征提取，获得彩色图像对应的第一全局特征与第一局部特征，以及深度图像对应的第二全局特征与第二局部特征；对第一全局特征、第二全局特征、第一局部特征以及第二局部特征进行融合，得到待识别场景的多模态特征；对待识别场景的多模态特征进行场景识别，得到待识别场景的识别结果。由于在提取彩色图像与深度图像的全局特征的基础上，还分别提取彩色图像与深度图像的第一局部特征与第二局部特征，并将上述局部特征与全局特征进行融合，进而提高了场景识别的准确度。
-
公开(公告)号：CN114170678A
公开(公告)日：2022-03-11
申请号：CN202111366488.6
申请日：2021-11-18
Applicant: 天讯瑞达通信技术有限公司 , 华中科技大学
Abstract: 本发明公开了基于多重空间图和时间融合的行人轨迹预测方法及装置，方法包括：获取目标场景下各个行人的行人轨迹集合，其中，所述行人轨迹包括行人的空间位置信息和时间信息；从所述行人轨迹集合中提取空间局部信息、空间全局信息、时序局部信息和时序全局信息；将所述空间局部信息和所述空间全局信息进行第一融合，得到多重空间特征；将所述时序局部信息和所述时序全局信息进行第二融合，得到时序特征；根据所述多重空间特征和所述时序特征，确定目标行人的轨迹预测信息。本发明提高了行人轨迹预测的准确性，可广泛应用于人工智能技术领域。
-
公开(公告)号：CN114112208A
公开(公告)日：2022-03-01
申请号：CN202111136042.4
申请日：2021-09-27
Applicant: 天讯瑞达通信技术有限公司 , 华中科技大学
Abstract: 本发明公开了危化品泄露源定位方法、装置、设备及介质，方法包括：通过可移动的机器人上设置的传感器模块集合采集外界的环境信息；其中，所述环境信息包括甲烷含量信息、氰化物含量信息、硫化物含量信息、一氧化碳含量信息以及风速风向信息；对所述环境信息进行数据解析，得到待估计信息；采用多模态融合感知方法对所述待估计信息进行气体源位置估计，确定危化品泄漏源位置。本发明能够实现环境全覆盖，更加自主灵活，更加全面，能够更加准确地定位到气体源；相较于固定式传感器的定位方法，本发明不需要密集部署传感器，因此可以降低成本，可广泛应用于危化品泄露防控技术领域。
-
公开(公告)号：CN113870422A
公开(公告)日：2021-12-31
申请号：CN202111444030.8
申请日：2021-11-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于金字塔Transformer的点云重建方法、装置、设备及介质，属于计算机视觉领域。方法包括：获得每张视图对应的点特征数据后，将点特征数据输入双通道金字塔网络，每一层输入的点特征均经过采样、图神经网络以及Transformer三个模块；点特征数据经过第一通道时，将每层注意力机制更新后的输出输入下一层，经过第二通道时，将每层注意力机制更新后的输出与和下一层处于同一层的第一通道对应层的注意力机制更新后的输出进行拼接后输入下一层；将第二通道最底层的注意力机制更新后的输出转换成点云坐标，得到每张视图的点云结果，并对每张视图的点云结果取交集，以表征点云重建后的目标对象。如此，本发明对于物体的三维重建精度更高。
-
公开(公告)号：CN109447408B
公开(公告)日：2021-07-02
申请号：CN201811109743.7
申请日：2018-09-21
Applicant: 华中科技大学
Abstract: 本发明属于跨单元调度相关技术领域，其公开了一种基于复杂网络理论的跨单元调度方法，该方法包括以下步骤：(1)建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型；(2)确定跨单元调度模型的目标函数；(3)分别基于工序序列、机器序列及制造单元序列进行编码，进而建立初始种群，并计算初始解的适应度；(4)根据小世界网络节点连接状态对初始种群进行交叉变异以得到子代种群；(5)将当前的父代种群与子代种群合并后及非支配排序以得到新种群，新种群参与下次循环计算直至达到预先设定的最大循环次数终止，终止后选取当前最优解作为解决跨单元调度问题的方案。本发明提高了效率及质量，准确度较好，适用性较强。
-
Patent Agency Ranking
公开(公告)号：CN112862871A
公开(公告)日：2021-05-28
申请号：CN202110074813.5
申请日：2021-01-20
Applicant: 华中科技大学
Abstract: 本申请实施例提供的图像融合方法及装置，该方法包括：获取多张待融合图像，其中，多张待融合图像为针对同一场景的多个视角和/或多个光谱的图像。对多张待融合图像进行粗配准处理，得到粗配准后的多张待融合图像。将粗配准后的多张待融合图像输入至预设模型中，以使得预设模型输出融合后的目标图像。其中，预设模型为用于对图像进行融合的模型，预设模型是根据多组样本进行学习得到的，每组样本中包括样本待融合图像和样本目标图像，多组样本中的样本待融合图像为针对至少一个场景的多个视角和/或多个光谱的图像。通过对多张待融合图像先后进行粗配准及精细配准处理，实现对任意场景下的多视角多光谱图像进行图像融合的技术效果。
-
公开(公告)号：CN112862732A
公开(公告)日：2021-05-28
申请号：CN202110068890.X
申请日：2021-01-19
Applicant: 华中科技大学
Abstract: 本发明实施例提供一种多分辨率图像融合方法、装置、设备、介质及产品，该方法包括：获取多种分辨率的多个切片图像，并将所有切片图像按照分辨率进行分组，以生成对应多个分辨率图像集；针对每个分辨率图像集内的各个切片图像进行拼接，生成对应分辨率的切片整体图像；将不同分辨率的切片整体图像根据预设的融合策略进行两两融合，生成融合后的目标分辨率图像。本发明实施例的多分辨率图像融合方法，生成的目标分辨率图像是由多种分辨率的多种切片图像融合得到，相比于单一低分辨率的显微图像清晰度更高，相比高分辨率的显微图像对应的切片内容更加完整。
-
公开(公告)号：CN111986737B
公开(公告)日：2021-03-16
申请号：CN202010787298.0
申请日：2020-08-07
Applicant: 华中科技大学
Abstract: 本发明属于混凝土配合比优化设计技术领域，并具体公开了一种基于RF‑NSGA‑II耐久性混凝土配合比优化方法。包括：构建混凝土耐久性指标体系，采集所述混凝土耐久性指标体系中各变量的样本数据，并以此建立原始样本集；采用原始样本集对随机森林回归计算模型进行训练，并对训练后的随机森林回归计算模型进行评价，以分别生成混凝土相对动弹性模量和氯离子渗透系数的随机森林预测模型，并以此作为目标函数，以混凝土材料的取值范围及各材料间的配合比关系为约束条件，采用NSGA‑II模型进行耐久性混凝土配合比多目标全局寻优。本发明方法预测精度较高，泛化能力和抗噪能力较强，寻优精度高、鲁棒性强、能够较快获得全局最优解。
-
公开(公告)号：CN112019862A
公开(公告)日：2020-12-01
申请号：CN202010934179.3
申请日：2020-09-08
Applicant: 华中科技大学
IPC: H04N19/42 , H04N19/147 , H04N19/117 , H04N19/86 , H04N19/182 , H04N19/176 , H04N19/129 , H04N5/232
Abstract: 本发明实施例提供一种图像处理方法、装置及设备，包括：获取对同一场景拍摄得到的多张图像，多张图像的拍摄焦点不同；在多张图像中确定至少一张第一图像；获取每张第一图像对应的图像参数；分别对至少一张第一图像和每张第一图像对应的图像参数进行压缩编码。提高了图像编码效率。
-
公开(公告)号：CN111428381A
公开(公告)日：2020-07-17
申请号：CN202010288304.8
申请日：2020-04-14
Applicant: 中国交通建设股份有限公司吉林省分公司 , 华中科技大学
Abstract: 本发明提出一种建筑BIM数据与评价数据转换系统，包括：基础数据模块、数据转换模块、层次树形数据模块和评价界面模块，其中，所述基础数据模块包括设计数据与性能指标数据；所述数据转换模块包括设计数据导出插件单元与性能指标数据转换单元；所述层次树形数据模块包括设计数据bim-tree与性能指标数据indicator-tree；所述评价界面模块包括界面配置单元、功能接口单元、交互处理单元、扩展支持单元。通过上述方案，分析了设计数据、性能指标数据和中间层数据特点，将关系化的设计数据和层次化的性能评价数据转换为对象之间的互操作，打通了彼此之间的界限，使得两种数据可以交互和存储。此外，本发明的实施方式提供了一种数据转换方法、设备以及存储介质。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.036 seconds)
