-
公开(公告)号：CN107122809A
公开(公告)日：2017-09-01
申请号：CN201710271606.2
申请日：2017-04-24
Applicant: 北京工业大学
Abstract: 本发明公开了基于图像自编码的神经网络特征学习方法，属于特征学习和图像检索技术领域。首先通过多标签图像数据集的分割标签构造训练图像集对应的分割训练图像集，然后初始化卷积神经网络和自编码神经网络的权重，使用随机梯度下降法训练自编码神经网络，提取每张训练样本对应的分割图像的隐含变量并进行归一化。随后，使用该隐含变量作为训练集原始图像对应的训练目标，训练卷积神经网络，并提取测试集合图像库中的每幅图像对应的特征向量，通过计算查询图像和图像库中每幅图像的特征向量间的欧式距离，并将距离按从小到大的顺序排列，得到相似图像检索结果。本发明使训练出的神经网络提取的特征在多标签检索任务上取得了更加优秀的检索效果。
-
公开(公告)号：CN107038203A
公开(公告)日：2017-08-11
申请号：CN201611253924.8
申请日：2016-12-30
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 本发明公开了物联网感知数据“溯源‑矢量”的分层存储机制，将物联网感知大数据的存储分为两层：溯源存储层和矢量存储层。在溯源存储层采用简单快速的存储方法实现原始采样数据的高效存储，并通过矢量拟合及更新策略，将矢量数据上传到矢量存储层。在矢量存储层，通过基于矢量序列的感知大数据存储模型及查询与分析方法，实现感知大数据的高效处理。其中“矢量”我们定义为被监控对象的状态变化模式，由于物联网监控对象的状态通常会按照某种规律持续较长时间，我们可以用矢量来刻画监控对象的较长时间的状态，从而在保证数据精度的同时，极大地降低矢量存储层的数据更新与存储的代价。
-
公开(公告)号：CN104091302B
公开(公告)日：2017-06-06
申请号：CN201410327861.0
申请日：2014-07-10
Applicant: 北京工业大学
IPC: G06T1/00
CPC classification number: G06T1/0021 , G06K9/46 , G06K9/6215 , G06K2009/4666 , G06T1/0064 , G06T3/40 , G06T2201/0051 , G06T2201/0052 , G06T2201/0061 , G06T2201/0081 , G06T2207/20021
Abstract: 本发明涉及一种基于多尺度空间的鲁棒性水印嵌入与提取方法。所述方法包括：多尺度空间构建；多尺度空间水印嵌入：多尺度水印生成与多尺度水印嵌入；多尺度空间水印提取：特征点提取，多尺度空间定位，多尺度空间水印提取；水印对比。本发明针对目前图像数字水印方法中针对大尺度几何变换攻击的局限性，通过多分辨率分块金字塔数据结构将大尺度攻击分解为多层次的小尺度攻击，有机地将空间域与变换域结合在一起，以确保在大尺度几何攻击下水印信息的不可见性与鲁棒性。相比传统数字水印算法，在同样水印容量的前提下，本发明具有不可感知性更好、针对大尺度几何变换的鲁棒性高等优点。
-
公开(公告)号：CN104091336B
公开(公告)日：2017-05-17
申请号：CN201410328103.0
申请日：2014-07-10
Applicant: 北京工业大学
IPC: G06T7/194
Abstract: 本发明涉及一种基于稠密视差图的立体图像同步分割方法。首先输入一组立体图像，通过立体图像匹配算法得到视差图。然后在其中一图中通过笔刷勾画的方式，指定部分前、背景。根据指定部分分别建立前、背景的颜色分布的先验统计模型，以及前、背景的视差分布的先验统计模型。以此为基础，在图割理论框架下形式化颜色、梯度以及视差等约束，构造能量函数。最后，采用图的最大流/最小割算法求解最优化结果。若用户没有得到理想的效果，还可以继续对图中错误区域进行勾画，直到得到理想结果。本发明采用的视差分布模型和变化模型均是视差统计信息，有效避免了视差计算误差带来的影响，与现有方法相比，本发明所述方法得到的分割结果更准确。
-
公开(公告)号：CN106651853A
公开(公告)日：2017-05-10
申请号：CN201611236297.7
申请日：2016-12-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于先验知识和深度权重的3D显著性模型的建立方法，包括：将3D图像对中的左视图用超像素分割方法分割成多个区域，用色彩和视差信息合成一组特征对每个区域进行描述；使用颜色紧密度作为区域特征分量中视差的权重，计算一个区域对周围的区域的特征对比度；在视差图上得到在深度上的背景先验，并联合该背景先验和颜色紧密度完善深度显著性；以深度显著性和区域之间的高斯距离作为特征对比度的权重，并利用特征对比度的权重相加得出初始3D显著性；利用2D显著性和中央偏置权重对初始3D显著性进行增强。本发明所建立的3D显著性模型具有更接近于人类注视的效果。
-
Patent Agency Ranking
公开(公告)号：CN106503616A
公开(公告)日：2017-03-15
申请号：CN201610836197.1
申请日：2016-09-20
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/00536 , G06K9/00523
Abstract: 本发明公开了一种基于分层超限学习机的运动想象脑电信号分类方法属于模式识别和脑-机接口领域。首先，对每一样本的原始信号进行加窗分段，得到S段子信号；然后，分别对该S段子信号进行主成分分析和线性判别分析，并将最终的S个K-1维特征向量进行组合，得到S*(K-1)维的特征；最后，将所有样本的特征送入分层超限学习机分类器中，得到最后的分类结果。传统的ELM算法是单隐层结构，在分析复杂信号方面有很大的局限性，本发明采取HELM进行分类识别，利用基于ELM的稀疏自编码将单隐层的ELM改造成深层网络结构，通过层次化的特征提取和分类，提取深层信息，提高了分类正确率，并且保持了ELM低耗时的优势。
-
公开(公告)号：CN103838864B
公开(公告)日：2017-02-22
申请号：CN201410105536.X
申请日：2014-03-20
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明涉及一种视觉显著性与短语相结合的图像检索方法，包括：输入一幅查询图像；计算查询图像的显著图；提取查询图像的显著性区域；提取查询图像显著性区域的视觉词，构造视觉短语；获得每幅图像的图像描述子；计算查询图像与图库中每幅图像的图像相似度，根据相似度值对图库中的所有图像进行排序，并按要求返回相关图像作为查询结果。本发明在经典的“词袋”模型基础上通过引入视觉显著性对图像区域进行约束，降低了图像表达的噪声，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的检索效果。本发明通过视觉词间的区域约束来构造视觉短语，与其它构造视觉短语方法相比，具有较快的速度。
-
公开(公告)号：CN104463890A
公开(公告)日：2015-03-25
申请号：CN201410800350.6
申请日：2014-12-19
Applicant: 北京工业大学
IPC: G06T7/00
CPC classification number: G06K9/4671 , G06K9/3233 , G06K9/4623 , G06T5/10 , G06T7/13 , G06T7/174 , G06T7/269 , G06T2207/10012 , G06T2207/10021 , G06T2207/20021 , G06T7/11 , G06T7/593
Abstract: 本发明公开了一种立体图像显著性区域检测方法，包括：步骤1)对立体图像的左眼视图和右眼视图求出各像素点的流信息；步骤2)对流信息进行匹配，得到视差图；步骤3)选取左眼视图和右眼视图其中之一，分出T个不重叠的正方形图像块；步骤4)计算视差图上每个图像块的视差影响度；步骤5)计算所选取的左眼视图和右眼视图其中之一上每个图像块的中央偏置特征和空域不相似度，并视差影响度三者相乘，得到该图像块的显著值；步骤6)由图像块的显著值获得立体图像的显著灰度图。本发明提出一种基于视差影响度和空间不相似度的立体显著性提取方法，利用视差来获取深度信息，结合视觉中央偏置特征和空域不相似度来实现更精确地立体显著性区域检测。
-
公开(公告)号：CN103745466A
公开(公告)日：2014-04-23
申请号：CN201410005500.4
申请日：2014-01-06
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于独立成分分析的图像质量评价方法，其特征在于同时适用于灰度图和彩色图的图像质量评价。首先使用FastICA算法从参考图像集中训练出一组ICA分解矩阵；然后，通过将参考图像和待评价图像中每个图像块与ICA分解矩阵相乘，得到每个图像块的独立成分；最后，将参考图像和待评价图像的独立成分的差异去衡量待评价图像的质量。与传统方法相比，本发明模拟了视觉信号在人类视觉皮层中的表示，更接近主观图像质量评价。本发明的主要计算量集中在将切分的每个图像块与ICA分解矩阵相乘得到图像块的独立成分上，但每个图像块的计算都是相互独立的，因此可以采用并行计算，提高了执行效率。
-
公开(公告)号：CN103413050A
公开(公告)日：2013-11-27
申请号：CN201310364359.2
申请日：2013-08-20
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 本发明属于模式识别和脑-机接口领域，公开了一种基于极速学习机的运动想象脑电信号投票策略分类方法。包括：将原始运动想象脑电信号分为S段子信号；对每一段子信号通过主成分分析方法进行降维；将降维后的特征向量通过线性判别分析方法进行二次降维；对于S段子信号进行同样处理，最终得到S个K-1维的特征向量，将S个K-1维的特征向量进行组合，得到最终为S*(K-1)维的特征；将S*(K-1)维特征送入多个ELM分类器，利用投票分类策略得到最终分类结果。本发明提出了一种基于ELM的投票分类策略，与传统的多次ELM平均正确率方案相比，在不影响其训练分类低耗时的情况下提高了其分类正确率。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.051 seconds)
