-
公开(公告)号：CN118803232A
公开(公告)日：2024-10-18
申请号：CN202410787387.3
申请日：2024-06-18
Applicant: 中北大学
IPC: H04N17/02 , H04N19/20 , H04N19/42 , H04N19/172 , H04N19/52 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明属于视频异常检测技术领域，具体涉及一种基于外观和运动特征交互融合的视频异常检测方法。针对深度神经网络对异常行为预测的泛化能力过强问题，本发明提出了基于外观和运动特征交互融合的视频异常行为检测算法，即AMFCFBMem‑Net网络模型。AMFCFBMem‑Net网络模型首先使用外观和运动双编码器分别提取外观和运动特征，并设计了外观和运动特征交互融合模块(AMFCFB)，将外观和运动特征交互融合，以抑制模型对异常行为的预测；其次，为记录正常样本不同模型的潜在特征，在编码器和解码器的瓶颈结构处引入记忆模块，以进一步提高模型的异常检测性能。
-
公开(公告)号：CN118430838A
公开(公告)日：2024-08-02
申请号：CN202410500192.6
申请日：2024-04-24
Applicant: 中北大学
Abstract: 本发明公开了一种基于图像深度学习网络集成模型的流感预测方法，属于流行病监测技术领域。针对现有方法在特征提取方面存在局限，无法有效挖掘序列中的深层信息，从而影响其预测精度这一问题，首先，通过基于格拉姆角场将一维数字序列编码为二维图像序列，为模型提供基于图像的独特信息特征，在此基础上，通过集成麻雀搜索优化算法设计搭建深度学习网络模型，利用卷积神经网络的图像处理能力进行特征提取，完成流感预测。将一维流感序列图像编码引入再进一步搭建通过集成麻雀搜索算法优化后的非线性流感预测模型，以提高模型预测精度，同时验证卷积神经网络图像处理能力在流感时序预测领域中的优势和实用性。
-
-
公开(公告)号：CN117523101A
公开(公告)日：2024-02-06
申请号：CN202311551669.5
申请日：2023-11-20
Applicant: 中北大学
Abstract: 本发明属三维图像技术领域，具体设计基于共形几何的面部模型插值构建方法。该方法首先将包括面部模板模型在内的多个三维面部模型进行配准并统一到同一坐标系；其次利用准共形映射算法将多个不同表情面部模型降维到二维平面；然后提出插值算法对多模型形状特征进行线性插值为构建过渡模型定义几何约束，同时提出自适应模型选择算法在数据源中自适应选择基础模型；再通过几何约束引导准共形迭代改变基础模型形状；最后将准共形迭代后的二维模型恢复到三维空间，获取到具有过渡表情的三维面部模型。本表明所提出的三维面部模型构建方法的有效性和运行效率都得到大幅提高，解决了传统三维模型构建方法难以获取连续维度的高质量三维面部模型问题。
-
公开(公告)号：CN117148381A
公开(公告)日：2023-12-01
申请号：CN202311152005.1
申请日：2023-09-07
Applicant: 中北大学
IPC: G01S17/93
Abstract: 本发明公开了一种基于SAC的智能机器人路径规划方法，属于机器人路径规划技术领域。针对现有强化学习技术，训练过程缓慢且不稳定，规划路径曲折不符合机器人运动规律以及对于“陷阱”环境极易陷入局部最优点而无法到达目标点等问题，通过使用卷积处理优化后的雷达信息，对于连续的动作空间增加机器人运动属性限制；增加兴趣点探索机制；分别考虑导航、避障、平滑运动轨迹以及在“陷阱”环境中脱困等方面设计全局奖励以及局部奖励；基于SAC算法以及优化后的空间状态信息设计满足静动态避障环境的Actor与Critic网络结构。
-
Patent Agency Ranking
公开(公告)号：CN110969650B
公开(公告)日：2022-07-19
申请号：CN201911142026.9
申请日：2019-11-20
Applicant: 中北大学
IPC: G06T7/33
Abstract: 本发明属于点云数据与纹理序列间配准的技术领域，特别涉及一种基于中心投影的强度图像与纹理序列间的配准方法。本发明基于中心投影的强度图像与纹理序列间的配准方法，采用了NDT与ICP匹配结合的方法来配准采集到的三幅局部点云，最后利用SIFT把纹理影像和配准后的点云进行特征匹配，同时采用融合预处理算法解决了重叠问题。通过共线方程实现了多幅点云数据与纹理序列的自动配准，并保证了算法的稳健性和可靠性。
-
公开(公告)号：CN114021924A
公开(公告)日：2022-02-08
申请号：CN202111257895.3
申请日：2021-10-27
Applicant: 中北大学
Abstract: 本发明属于大数据分析领域，具体涉及一种面向主题的智慧城市指标体系裁剪方法。针对现有指标体系面面俱到却无法突出主题、基于这种指标体系的测评结果无法体现城市特色等问题，本发明首先在现有的指标体系基础上，把指标体系构建为树型结构，对该指标体系进行层次化、组件化管理；通过在主题库中创建继承某个指标体系的特色主题；通过在主题库中选择某一主题下的权重设置来设置该主题下的指标权重，修改主题下同级指标权重的方法是以层次分析法为核心，通过一系列步骤，并基于事先设定的指标项权重的阈值，裁减掉与主题不太相关的指标项，进而更新该主题下的指标项的权重，实现了面向主题的指标体系裁剪。
-
公开(公告)号：CN108805886B
公开(公告)日：2021-09-03
申请号：CN201810542723.2
申请日：2018-05-30
Applicant: 中北大学
Abstract: 本发明属于计算机图形学与拓扑学领域，具体提出了一种多融合物理签名的持久性聚类分割方法，主要解决了现有分割方法存在运行时间长、分割结果不稳定、鲁棒性较差的缺点。本发明首先选定所需物理签名，计算融合后的三类物理签名函数，进而利用持久性聚类产生持久性图，最后选定阈值合并，产生分割结果。该分割方法适用于任何三维网格模型，分割结果良好，且分割速度有了较大提升，对于三维网格模型的逆向工程、医学成像、模型变形和局部匹配等领域有着显著作用。
-
公开(公告)号：CN113205879A
公开(公告)日：2021-08-03
申请号：CN202110462041.2
申请日：2021-04-27
Applicant: 中北大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种检测APOE e4基因型对默认模式网络影响的持久同调方法，解决了现有的默认模式网络研究中APOE e4基因型的动力学研究的不足。首先，构建原始加权网络以及多尺度网络，多尺度脑网络包括左脑和右脑以及全脑，并对这些网络进行图论指标分析；其次，采用基于持久同调指标的分析方法对脑网络进行分析，并与图论指标进行对比；最后对默认模式网络的左右脑进行差异性分析。结果表明，持久同调指标更具有鲁棒性和稳定性，适用于任何老年人未患病时的早期诊断与预防，可应用于医学，生物学，基因学等领域的研究。
-
公开(公告)号：CN113011288A
公开(公告)日：2021-06-22
申请号：CN202110231928.0
申请日：2021-03-02
Applicant: 中北大学
Abstract: 本发明提供了一种基于Mask RCNN算法的遥感建筑物检测方法，具体包括：利用labelme工具对遥感数据进行标注；将标注好的数据集进行数据增强，并抽取其中一部分作为训练集，另一部分作为测试集；将训练集输入改进MaskRCNN算法的网络结构中进行训练，得到遥感数据检测模型；将测试集输入遥感数据检测模型进行检测，得到检测结果，并评价网络训练能力的优劣。本发明针对不规则建筑物检测难度大的现状，提出了基于深度学习的Mask RCNN改进算法，以修改RPN网络、改进mask掩膜为方向，得到一种适合不规则遥感建筑物检测的网络模型，加强了对不规则建筑物的检测分割能力，在满足了高检测精度的基础上，有效解决了遥感图像中不规则建筑物分割效果低的问题。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.021 seconds)
