-
公开(公告)号：CN110516687B
公开(公告)日：2022-02-08
申请号：CN201910724082.7
申请日：2019-08-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于图像融合和改进ResNet的图像识别方法。本发明设计提取图像的多种特征，对大尺寸原图像进行主成分分析，分成从大到小的三个主成分向量，保留第一主成成分，即保留原图像的最大特征；然后对于两个较小的主成分分别用提取的两个特征进行替换，生成新的大尺寸图像。用新的大尺寸图像去训练改进的ResNet模型，从而提升模型对于尺寸比较大、光线强弱以及背景的干扰比较突出的图像识别分类的准确性和敏感度。
-
公开(公告)号：CN113947575A
公开(公告)日：2022-01-18
申请号：CN202111188370.9
申请日：2021-10-12
Abstract: 本发明提供一种花粉颗粒检测方法和装置，其中方法包括：获取待检测花粉图像中多个图像区域分别对应的特征图和每个图像区域对应的置信度；对特征图进行相似度对比，确定任一目标特征图对应的最大特征相似度值；对目标特征图对应的最大特征相似度值进行加权处理，获得加权后最大特征相似度值；基于目标特征图对应的加权后最大特征相似度值以及目标特征图对应的图像区域的置信度，对目标特征图对应的图像区域进行置信度更新，并基于更新后的置信度确定对应的图像区域是否为花粉颗粒。本发明提供的花粉颗粒检测方法能够有效运用提取的特征来降低花粉颗粒漏检率，提升检测的正确率。
-
公开(公告)号：CN113724159A
公开(公告)日：2021-11-30
申请号：CN202110950010.1
申请日：2021-08-18
Applicant: 北京工业大学
Abstract: 本发明提供一种基于模糊等级的花粉图像迭代去模糊方法、装置、设备及介质，该方法包括：获取相同花粉颗粒对应的不同模糊程度的花粉图像；对所述花粉图像的模糊程度进行评估，得到各个花粉图像的模糊等级；根据所述模糊等级，将所述花粉图像输入迭代去模糊网络的对应的分支网络以对所述各个花粉图像逐步进行去模糊，以得到清晰的花粉图像，其中，所述迭代去模糊网络包括的去模糊网络分支的个数与所述模糊等级的个数对应，每级花粉图像的基本真实图像是比本级花粉图像的模糊等级更清楚一级的花粉图像。本发明通过评估花粉图像的模糊等级，按照花粉图像模糊等级由高到低的顺序将其作为模型的输入，实现了使用多模糊等级的花粉图像去模糊。
-
公开(公告)号：CN113688826A
公开(公告)日：2021-11-23
申请号：CN202110757270.7
申请日：2021-07-05
Applicant: 北京工业大学
Abstract: 本发明提供一种基于特征融合的花粉图像检测方法，包括：将经预处理的花粉图像，输入卷积神经网络得到浅层特征；基于浅层特征，通过空间注意力模块生成空间注意力加权特征图和空间注意力权值矩阵；由空间注意力加权特征图通过卷积和下采样生成深层特征图，由深层特征图经过通道注意力模块，生成通道注意力加权特征图；将空间注意力权值矩阵和通道注意力加权特征图，输入到跨连接注意力机制，得到特征融合后的特征图；将特征融合后的特征图输入预测模块，得到花粉图像中的花粉信息的检测结果。本发明通过跨连接注意力机制将浅层特征中花粉细节信息加权融合到深层特征，对深层特征进行优化后，再进行特征融合，可以恢复花粉图像更多花粉细节。
-
公开(公告)号：CN113327221A
公开(公告)日：2021-08-31
申请号：CN202110735504.8
申请日：2021-06-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种融合ROI区域的图像合成方法、装置、电子设备及介质，该方法包括获取具有对应类别信息的有病和无病原始图像；使用弱监督定位网络获取有病原始图像的感兴趣区域，得到有病掩膜图像；通过相似度计算获取与无病原始图像对应的相似有病图像，得到无病掩膜图像；分别使用有病和无病掩膜图像对有病和无病原始图像进行遮挡，得到被掩膜遮挡的图像；设计基于条件生成对抗性网络模型，并使用有病和无病掩膜图像、被掩膜遮挡的图像以及对应类别信息对该网络模型进行训练，从而得到合成医疗图像。本发明通过获取医疗图像中的感兴趣区域以及使用基于条件生成对抗性网络模型，能够高效合成指定种类的医疗图像，提高图像质量。
-
Patent Agency Ranking
公开(公告)号：CN113283434A
公开(公告)日：2021-08-20
申请号：CN202110394333.7
申请日：2021-04-13
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种基于分割网络优化的图像语义分割方法及系统，其中方法包括：确定待语义分割的图像；将所述图像输入至分割网络优化模型中，得到所述分割网络优化模型输出的图像语义分割结果；其中，所述分割网络优化模型是基于样本图像以及对应的像素类别标注进行多阶段损失函数训练后得到的，所述像素类别标注是预先确定的。本发明解决了现有传统的语义分割模型的训练方法不能很好地勾勒出分割部分的边界，对超声图像进行分割时经常出现不圆滑的边界和锯齿状边界的现象问题。
-
公开(公告)号：CN113283433A
公开(公告)日：2021-08-20
申请号：CN202110394315.9
申请日：2021-04-13
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种图像语义分割方法、系统、电子设备和存储介质，其中方法包括：确定待语义分割的图像；将所述图像输入至图像语义分割模型中，得到所述图像语义分割模型输出的图像语义分割结果；其中，所述图像语义分割模型是基于样本图像以及对应的像素类别标注训练得到的，所述像素类别标注是预先确定的。本发明解决了对超声图像进行分割时经常出现大片的不匹配、多分少分现象的问题，能够有效改善图像分割的效果。
-
公开(公告)号：CN110046252B
公开(公告)日：2021-07-30
申请号：CN201910246935.0
申请日：2019-03-29
Applicant: 北京工业大学
Abstract: 一种基于注意力机制神经网络与知识图谱的医疗文本分级方法属于计算机人工智能领域，通过基于Attention机制的增强型LSTM模型得到准确性更高的医疗文本的分级结果。方法包括：直接关系抽取模块、直接关系统一模块、间接语义关系推理模块、神经网络分级模块。在本方法中使用了知识图谱作为外部数据源，通过增强型的LSTM作为Encoder模型学习知识图谱与文本数据中实体‑关系‑实体三元组数据作为模型的输入，通过Attention机制得到不同的三元组对于文本分级的重要程度，将普通的LSTM作为的Decoder模型学习中间隐藏向量，在通过softmax层得到最终的文本分级结果。
-
公开(公告)号：CN112700460A
公开(公告)日：2021-04-23
申请号：CN202110048037.1
申请日：2021-01-14
Applicant: 北京工业大学
Abstract: 本发明提供一种图像分割方法及系统，该方法包括：将待分割图像依次经过图像分割模型中的各下采样模块，获取最后一个下采样模块输出的特征图；将最后一个下采样模块输出的特征图依次经过图像分割模型中的各上采样模块，获取最后一个上采样模块输出的特征图；对最后一个上采样模块输出的特征图进行分割，获取最后一个上采样模块输出的特征图的分割结果；其中，任一上采样层的下一层的输入由该上采样层输出的特征图和将该上采样层所属的上采样模块对应的下采样模块输出的特征图输入金字塔池化层后输出的特征图融合获取。本发明实现融合后的特征图包含丰富的浅层特征和深层特征，可以减少特征信息的损失，有效提高图像分割的准确性。
-
公开(公告)号：CN110222822B
公开(公告)日：2021-04-09
申请号：CN201910466860.7
申请日：2019-05-31
Applicant: 北京工业大学
Abstract: 本发明涉及黑盒预测模型内部特征因果图的构建方法，通过汽车前部的摄像头捕获道路前方的场景图像，将其送入黑盒模型，在将所提取到的场景特征映射为方向盘指令的同时，将特征可视化并以解释图的形式展示特征间的相关关系，最后再通过特征实数化和特征筛选转化为特征因果图，找出产生此指令的原因。该技术将深度学习模型提取到的车前部摄像头所捕获图像的特征映射为车的方向盘控制指令，并给出下达该指令的原因。每一条指令的原因的给出有助于研究者快速发现不符合真实环境的指令或不利于全局优化的指令，通过进一步调整，可以使自动驾驶模型的性能得到大大的提高，为其安全保障提供了解释的依据。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.029 seconds)
