-
公开(公告)号：CN119600648A
公开(公告)日：2025-03-11
申请号：CN202411637433.8
申请日：2024-11-15
Applicant: 北京科技大学
Abstract: 本发明公开一种基于3D牙齿点云多特征融合的身份识别方法和系统，包括：采集待识别身份的3D牙齿点云；将待识别身份的3D牙齿点云和身份数据库中每个已注册身份的3D牙齿点云输入训练完成的牙齿多特征融合的身份识别主干网络，输出得到待识别身份的3D牙齿点云和每个已注册身份的3D牙齿点云之间的配准结果；这个主干网络，包括：颜色特征提取模块、结构特征提取模块、特征融合模块、局部采样特征提取模块、特征聚合模块、粗对应预测模块、点云解码模块、精对应预测模块、预测配准模块；将与待识别身份的3D牙齿点云进行最佳配准的已注册身份的3D牙齿点云的身份信息，作为待识别身份的3D牙齿点云的身份标识。本发明可以基于3D牙齿点云进行身份识别。
-
公开(公告)号：CN119228329B
公开(公告)日：2025-03-07
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
公开(公告)号：CN119478423A
公开(公告)日：2025-02-18
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
公开(公告)号：CN119380033A
公开(公告)日：2025-01-28
申请号：CN202411979530.5
申请日：2024-12-31
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/766 , G06V20/13 , G06V20/17 , G06N3/0455 , G06N3/084 , G06T7/10
Abstract: 本发明公开一种遥感图像指代分割方法和系统，包括：将图像和指代文本输入第一阶段的指代检测模型，文本编码模块将指代文本映射为文本序列，语义词性特征提取模块对文本序列进行注意力加权，得到融合文本词性特征的文本特征，图像编码模块对图像进行初步的图像特征提取，将文本特征和图像特征拼接后输入特征提取器输出检测框和输出特征，将输出特征输入加权点回归任务头，预测输出关键点；将初始图像作为输入，检测框和关键点作为双提示，输入第二阶段的双提示分割模型，第二阶段图像编码器将图像编码为图像嵌入，双提示编码器将双提示编码，掩码解码器将图像嵌入和双提示编码进行特征融合得到最终的分割结果。本发明可以遥感图像进行指代分割。
-
公开(公告)号：CN119228329A
公开(公告)日：2024-12-31
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
Patent Agency Ranking
公开(公告)号：CN116452112A
公开(公告)日：2023-07-18
申请号：CN202310369938.X
申请日：2023-04-10
Applicant: 北京科技大学
IPC: G06Q10/087 , G06Q50/04
Abstract: 本发明提供一种CSP产线数字物料管理方法和装置，包括：S1、当实际物料进入CSP产线时，建立第一数字物料；S2、在整个生产过程中，按物料的实际状态，更新所述第一数字物料的状态信息；S3、当卸卷完成时，建立新的第二数字物料，所述第二数字物料和第一数字物料具有继承关系。本发明能够为产线模型系统提供完整、清晰的参数组织管理，为后续产品质量分析奠定了基础。
-
公开(公告)号：CN116184843B
公开(公告)日：2023-07-18
申请号：CN202310491589.9
申请日：2023-05-05
Applicant: 北京科技大学
IPC: G05B13/04 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明涉及浮选技术领域，尤其涉及一种基于多模态时序信息的浮选控制参数预测方法和系统，包括：收集并预处理泡沫浮选流程中多模态数据，包括视频数据、音频数据和传感器数据；将预处理后的多模态数据分别输入图片特征提取模块、音频特征提取模块和数据特征提取模块，提取泡沫图片特征、泡沫声音特征和泡沫数据特征；将泡沫图片特征、泡沫声音特征和泡沫数据特征输入多模态特征融合模块，进行多模态特征的融合；将融合后的多模态特征输入时序特征融合模块，将连续时间单位的特征进行融合；将进行了时序特征融合的多模态特征输入执行器参数预测模块，得到最终的执行器浮选控制参数输出。本发明实现了执行器浮选控制参数的准确预测。
-
公开(公告)号：CN116385455A
公开(公告)日：2023-07-04
申请号：CN202310577993.8
申请日：2023-05-22
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域，尤其涉及一种基于梯度场标签的浮选泡沫图像实例分割方法和装置，包括：S1、采集浮选泡沫图像，进行泡沫实例层级的掩膜标注；S2、将所述掩膜标注转化成能够利用梯度强度拟合泡沫空间分布的梯度场标签；S3、将所述泡沫图像输入泡沫实例分割网络模型，预测出所述浮选泡沫图像的梯度图，所述泡沫实例分割网络模型的训练学习，利用所述梯度场标签替代所述掩膜标注进行监督；S4、将预测出的梯度图转化成实例掩膜，得到实例层级的分割结果。本发明可以有效地直接将泡沫分割成不同的泡沫实例。
-
公开(公告)号：CN116151480A
公开(公告)日：2023-05-23
申请号：CN202310350371.1
申请日：2023-04-04
Applicant: 北京科技大学
Abstract: 本发明提供一种页岩油井产量预测方法和装置，包括：收集页岩油井的历史生产数据，对数据进行预处理，包括静态参数数据、动态生产安排参数数据和日产油量数据；将静态参数数据输入静态嵌入初始偏置模块，提取静态嵌入信息，作为序列到序列模型的初始状态偏置；将静态参数数据、动态生产安排参数数据和日产油量数据输入动静态互补交叉融合模块，获得动态日产安排参数数据和静态参数数据的互补融合信息，作为序列到序列模型的输入；使用序列到序列模型进行页岩油井产量一定范围内任意步长的迭代预测。本发明能够适应复杂的地质工程条件，提高产量预测准确率，并且实现了页岩油井产量一定范围内任意步长的迭代预测。
-
公开(公告)号：CN110532902B
公开(公告)日：2022-02-22
申请号：CN201910740046.X
申请日：2019-08-12
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明提供一种基于轻量化卷积神经网络的铁水扒渣检测方法，包括：从铁水扒渣的工业现场采集预设时长的铁水扒渣视频；从采集的铁水扒渣视频中提取预设数量的图片，构建训练数据集；对构建的训练数据集中的每一图片进行标注，得到对应的标签数据；使用轻量级网络模型对训练数据集进行训练，利用训练好的轻量级网络模型对实时采集的铁水扒渣图片隔帧进行检测，实时监测铁水扒渣情况。本发明方法有着更好的抗干扰能力，提高了铁水扒渣中对铁水和脱硫渣检测的精度，可有效地检测出铁水和脱硫渣，同时也能对铁水内包壁以及扒渣装置进行有效地识别；可稳定地检测铁水扒渣过程的同时，实时性也能达到实际监测要求，在生产过程中具有极大地应用价值。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.03 seconds)
