公开(公告)号：CN108804650A

公开(公告)日：2018-11-13

申请号：CN201810578350.4

申请日：2018-06-07

Applicant: 北京工业大学

Inventor： 简萌 ,  贾婷 ,  毋立芳

IPC: G06F17/30 ,  G06K9/62

CPC classification number: G06K9/6215

Abstract: 一种基于模块化的流形排序的图像推荐方法涉及智能媒体计算和大数据分析技术领域。本发明首先利用CNN网络提取图片特征，根据图片特征计算图片之间的相似性，构造拓扑关系图。利用模块化的方法将所有图片分到多个子流形上，单独对子流形进行学习。对于每一个子流形，结合已有的用户图片关系和图片之间的关系，得到子流形上的图片与所有用户之间的关系，根据子流形上的关系用户图像相关性得到用于图像推荐的全局流形中的用户图像相关性。采取局部流形的策略，降低面向大规模数据的计算难度，实现基于流形排序的社交多媒体相关度计算。根据每一张图片和所有用户之间的相关度排序，给每个用户生成推荐列表。

公开(公告)号：CN108724733A

公开(公告)日：2018-11-02

申请号：CN201810462227.6

申请日：2018-05-15

Applicant: 北京工业大学

Inventor： 毋立芳 ,  秦媛媛 ,  赵立东 ,  简萌

IPC: B29C64/386 ,  B29C64/393 ,  G06K9/62 ,  B33Y50/00 ,  B33Y50/02

Abstract: 一种面向面曝光3D打印的视觉监视反馈方法涉及智能化控制和机器学习技术领域。该方法步骤：相机摆放位置确定：根据面曝光投影仪的位置，计算出相机位置，避免拍摄到的杂光影响监控；灰度变化曲线的获取：在曝光时间内等时间间隔自动获取监视区域的视觉图像，从而获取每个监视区域等长度图像平均灰度变化曲线，通过实验，得到成型成功与成型失败时的成型曲线；灰度曲线识别：将得到的成型成功与成型失败的曲线用KNN分类算法进行分类，并对分类之后结果进行测试，得到最终的KNN算法中的K值使得分类的准确率最高，并根据分类结果判断打印状态来控制机械系统运动。本发明可以提高打印材料利用率，节省打印时间。

公开(公告)号：CN108647652A

公开(公告)日：2018-10-12

申请号：CN201810457301.5

申请日：2018-05-14

Applicant: 北京工业大学

Inventor： 毋立芳 ,  汪敏贵 ,  付亨 ,  简萌 ,  秦媛媛

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62

Abstract: 一种基于图像分类和目标检测的棉花发育期自动识别方法属于农业气象观测领域。随着图像处理和深度学习技术的发展，农业气象观测方式由人工观测向自动观测转变成为可能。为了实现对棉花发育期的自动观测，本文提出了一种基于目标检测与图像分类相结合的棉花发育期自动识别方法。该方案首先观察和分析棉花各个发育期图像存在的不同特征，然后通过基于深度学习的图像分类实现三真叶期、五真叶期和现蕾期的自动识别，进一步通过深度目标检测自动检测图像中的花和棉絮，最后综合两种算法的结果，实现棉花完整发育期的自动识别。采用该方案可以实现对棉花发育期快速准确的自动识别，具有重要的应用价值。

公开(公告)号：CN106709453A

公开(公告)日：2017-05-24

申请号：CN201611211395.5

申请日：2016-12-24

Applicant: 北京工业大学

Inventor： 毋立芳 ,  张世杰 ,  贺宇迪 ,  简萌 ,  王向东

IPC: G06K9/00 ,  G06K9/62

Abstract: 基于深度学习的体育视频关键姿态提取方法应用于体育视频分析领域，具体涉及图像特征提取、图像分割与图像分类。举重视频中背景复杂，且背景区域存在大量的运动信息，使得光流法和背景削减法的结果并不理想；而帧间差分法需要选取合适的阈值，对于大量的举重视频，帧间差分法并不鲁棒。将一段举重视频，通过先用全卷积网络分割出前景，然后用聚类的方法优化分割结果，最后自动的提取出关键姿态的方法，取得了很好的效果。

公开(公告)号：CN106651886A

公开(公告)日：2017-05-10

申请号：CN201710000627.0

申请日：2017-01-03

Applicant: 北京工业大学

Inventor： 毋立芳 ,  张加楠 ,  贺娇瑜 ,  简萌 ,  闫春灿 ,  刘思远

IPC: G06T7/11 ,  G06K9/62 ,  G06N3/08

CPC classification number: G06K9/6223 ,  G06N3/084 ,  G06T2207/30192

Abstract: 本发明提供一种基于超像素聚类优化CNN的云图分割方法。该方法首先利用均值漂移算法把一幅原本是像素级的图，划分成一个又一个区域级的超像素组成的图，而这些超像素中提取出有效的信息是相同的。再将这些足以代表该区域总体特征的核心点为中心的区域的图像输入到我们已经通过CNN训练好的网络中，得到该核心点的标签，进而表征该超像素对应的标签，最后将不同的区域的结果进行组合，就可以得到最优的分割结果。本发明引入超像素，保证了像素的一致性，将云图的分割准确度达到了99.55％，在保证分割精度的前提下极大地提升了分割的速度。

公开(公告)号：CN118551103A

公开(公告)日：2024-08-27

申请号：CN202410603353.4

申请日：2024-05-15

Applicant: 北京工业大学

Inventor： 简萌 ,  白钰龙 ,  夏卓阳 ,  石戈 ,  毋立芳

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N5/025 ,  G06F16/36 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/0985

Abstract: 本发明公开了一种基于知识引导的图卷积兴趣对比学习个性化推荐方法。现有的推荐方法将知识语义信息直接融合到物品嵌入中，虽然有益于建模物品属性，但可能会无意中引入与个性化推荐目标无关的额外信息。同时，现有方法在缓解数据偏差上采用随机或用户兴趣无关的图增广方式，限制了推荐性能。本发明提出了一种知识引导的个性化图增广方法，首先通过知识引导的兴趣建模模块捕获语义增强的用户和物品特征，再通过知识引导的图增广模块得到用户兴趣相关的交互图子图，通过跨视图对比学习损失和推荐损失的联合训练得到用户特征表达。利用电商平台、音乐网站以及电影网站的公开数据集分别进行训练测试和优化模型，验证了本发明的有效性。

公开(公告)号：CN117953547A

公开(公告)日：2024-04-30

申请号：CN202311676874.4

申请日：2023-12-08

Applicant: 北京工业大学

Inventor： 李树一 ,  张博文 ,  毋立芳 ,  简萌 ,  石戈

IPC: G06V40/12 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于鲁棒稀疏最小二乘回归的手指静脉识别方法涉及模式识别和图像处理技术领域。该方法包括如下步骤：图像预处理、特征降维、鲁棒稀疏最小二乘回归模型构建、最优化问题求解、特征匹配、手指静脉识别。现有算法存在两个主要缺陷：(1)大多方法很大程度上依赖于大量的先验知识，容易受噪声和不同图像质量的影响；(2)计算成本较高，计算速度慢。本发明可以有效提高手指静脉识别的识别准确率和识别效率，同时具有较强的自适应性和泛化性。因此，本发明具有一定的应用价值和意义。

公开(公告)号：CN111401174B

公开(公告)日：2023-09-22

申请号：CN202010154331.6

申请日：2020-03-07

Applicant: 北京工业大学

Inventor： 毋立芳 ,  付亨 ,  简萌 ,  徐得中 ,  袁元

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442

Abstract: 一种基于多模态信息融合的排球群体行为识别方法应用于计算机视觉群体行为识别领域。由于在体育分析，自动视频监控系统，人机交互应用，视频推荐系统等方面的广泛应用，群体行为识别任务备受关注。对于多人场景中的群体行为识别，目标之间以及目标和运动模式之间的关系建模能够提供有判别力的视觉线索。本发明旨在利用将图像目标间的关系以及运动模式作为多模态信息引入，然后利用序列模型GRU对这些信息进行有效编码和全局推理。最后，基于注意力机制，从时域角度整合了推断模块的得到的信息并获取最终结果。该方法实现了针对排球数据集中的群体行为识别，并通过测试验证了方法可行性，具有重要应用价值。

公开(公告)号：CN116561426A

公开(公告)日：2023-08-08

申请号：CN202310567535.6

申请日：2023-05-19

Applicant: 北京工业大学

Inventor： 刘美杉 ,  简萌 ,  毋立芳 ,  石戈 ,  李树一

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明公开了一种基于图对比学习和负兴趣传播的个性化推荐方法。在以往的推荐模型中，负兴趣信号只是为了反向传播中的损失提供服务，在兴趣编码中的作用仍未被探索。此外，稀疏的非差异交互在揭示用户兴趣时存在固有的内隐偏见，导致兴趣预测的次优。本发明提出一种新型的负兴趣使用方法，通过引入负兴趣辅助对比学习架构中的兴趣建模，使得负兴趣信号成为支持细粒度兴趣建模的一个有希望的证据。首先，负兴趣学习辅助通道通过负抽样生成对比图，再传播用户和物品的互补嵌入来编码负信号，最后通过对比正负嵌入，促进推荐的兴趣挖掘。本发明在三个真实世界的数据集上的大量实验证明了该方法缓解交互稀疏性和推荐偏差问题的能力。

公开(公告)号：CN112328908B

公开(公告)日：2022-10-28

申请号：CN202011258551.X

申请日：2020-11-11

Applicant: 北京工业大学

Inventor： 简萌 ,  杨然 ,  郭菁菁 ,  毋立芳 ,  相叶 ,  刘旭

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于协同过滤的个性化推荐方法。随着网络数据的日益激增，用户更希望在海量数据中获得符合自身兴趣的内容，本发明方法通过结合基于用户的协同过滤和基于物品的协同过滤两种技术，来获得既具社会化又具有个性化的推荐结果，在Top‑N任务中表现优异。同时，在处理物品和用户的一阶邻域关系时引入注意力机制，实现了物品和用户的动态表达过程，进一步提升了推荐的准确性。本发明的目的在于充分利用物品和用户的一阶邻域关系，以获得准确和个性化的推荐结果。