-
公开(公告)号：CN116644290A
公开(公告)日：2023-08-25
申请号：CN202310600296.X
申请日：2023-05-25
Applicant: 中北大学
IPC: G06F18/20 , G06F18/214 , G06N3/044 , G06N3/006 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于优化神经网络的人体尺寸参数估计方法。为了提高人体围度尺寸预测的效率和准确性，本发明采用GBWO‑ENN的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局和局部搜索的平衡性问题，提出了GBWO算法。针对Elman神经网络收敛速度慢、容易陷入局部极小的问题，采用GBWO算法对Elman神经网络的权值和阈值进行优化。
-
公开(公告)号：CN114581718A
公开(公告)日：2022-06-03
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN119649453A
公开(公告)日：2025-03-18
申请号：CN202411716074.5
申请日：2024-11-27
Applicant: 中北大学
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种结合多尺度特征和双向时间的人群异常行为检测方法，属于计算机视觉技术领域。针对现有方法仅利用卷积神经网络提取单一尺度特征时，会造成不同尺度特征提取不足，同时，忽略了对反向时间信息有效提取的问题，通过在编码器中加入全局跨通道特征提取模块提取全局上下文特征，在编码器与解码器之间加入结合双分支操作的多尺度特征融合模块提取不同尺度下视频帧的局部空间信息和全局语义表示，并将其进行有效结合，同时加入双向卷积长短时记忆模块，充分利用正向和逆向时间信息以提高检测性能，提高网络整体检测精度，广泛适用于视频中的人群异常行为检测。
-
公开(公告)号：CN117692704A
公开(公告)日：2024-03-12
申请号：CN202311795753.1
申请日：2023-12-25
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 中电信数智科技有限公司山西分公司 , 山西辰涵数字科技股份有限公司
Abstract: 本发明公开了一种虚拟场景展示方法及系统，涉及移动通信技术领域，包括：利用VR摄像机对场景进行拍摄获得全景视频；将全景视频转换为多个VR视频文件；根据VR用户终端发出的用于定位的实时数据流，和对多个VR视频文件依次异步实时渲染、编码和分发后的结果，确定基础图像帧；将基础图像帧传输至用于预测姿态和位置的移动边缘计算MEC和VR用户终端，获得显示帧图像；根据VR用户终端发出的四类视频交互请求，将显示帧图像进行渲染处理，并展示在VR用户终端的显示屏上。本发明能够让虚拟现实服务中资源处理与传输速度加快，降低传输时延。
-
公开(公告)号：CN115222684A
公开(公告)日：2022-10-21
申请号：CN202210799731.1
申请日：2022-07-06
Applicant: 中北大学
IPC: G06T7/00 , G06V10/764 , G06N20/00
Abstract: 本发明属于表面缺陷检测领域，具体涉及一种基于多任务增量学习的表面缺陷检测方法，可用于缺陷检测。该方法所包括的步骤如下：本发明利用MobileVIT进行特征提取，为面向新材质的新任务添加各自的全连接层作为相应的分类器，然后以逐任务的形式将样本输入模型，并对新旧任务计算交叉熵损失，对旧任务计算轻量化协方差特征蒸馏损失，其次利用反向传播算法优化模型，最后采用Herding方法挖掘样例。本发明采用轻量化的MobileVIT进行特征提取，并从模型和特征层面减轻灾难性遗忘，具有较高的实际工程应用价值。
-
Patent Agency Ranking
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：CN108550169B
公开(公告)日：2021-08-10
申请号：CN201810374622.9
申请日：2018-04-24
Applicant: 中北大学
Abstract: 本发明具体涉及一种三维空间中象棋棋子的位置确定及高度的计算方法，解决了象棋机器人中，棋子位置确定不准确及单目相机计算棋子高度方法的复杂度高等问题。象棋棋子位置的确定方法包括计算棋子的空间位置和距相机的距离：先对图像进行预处理，根据棋子文字颜色分别进行分割，对分割后的图像做运算，确定棋子圆心的像素坐标，再根据彩色相机的标定参数，计算棋子的空间位置，最后将彩色相机坐标系下的空间点与深度图像坐标系下的像素点匹配，提取彩色图中指定像素点的景深并计算棋子到相机的实际距离；象棋棋子高度的计算方法：通过彩色相机的两次标定，以及在相机坐标系和世界坐标系下同一向量的关系，通过相机高度的变化来计算棋子的高度。
-
公开(公告)号：CN119782616A
公开(公告)日：2025-04-08
申请号：CN202411879019.8
申请日：2024-12-19
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 山西辰涵数字科技股份有限公司 , 中电信数智科技有限公司山西分公司
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明提供了一种信息推荐方法、系统、设备及介质，属于推荐系统领域，其方法包括如下步骤：获取用户‑物品实时交互图，将用户‑物品实时交互图输入PTDNet去噪模型，计算用户‑物品实时交互图中的每条边的重要性权重，根据设定阈值及每条边的重要性权重筛选保留重要的边，剔除噪声边；动态更新边的重要性权重，并重复剔除噪声边的过程，得到去噪后的图数据；将去噪后的图数据输入信息推荐模型，识别用户的偏好，生成用户的个性化推荐结果。本发明能够对图数据进行去噪处理，能够对交互图进行优化，得到去噪后的图数据；通过将去噪后的图数据输入信息推荐模型，能够提高信息推荐精度，提升用户的个性化推荐体验，并提高个性化推荐结果。
-
公开(公告)号：CN118747917A
公开(公告)日：2024-10-08
申请号：CN202410966977.2
申请日：2024-07-18
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 中电信数智科技有限公司山西分公司 , 山西辰涵数字科技股份有限公司
IPC: G06V40/20 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/042 , G06N3/045 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种人体动作的识别方法、系统、设备及介质，涉及计算机视觉技术领域，包括：根据人体动作视频数据集，将姿态估计模型YOLOPose中输入端的Focus层更换为卷积核为6×6的卷积层，并删减掉检测头中64倍下采样检测头及与64倍下采样检测头相关的网络层；在YOLOPose主干网络中添加双注意力机制；将YOLOPose检测头中PAN结构替换为双向特征金字塔，以形成改进后的YOLOPose模型；并通过人体动作视频数据集对改进后的YOLOPose模型进行训练；将待检测的人体动作视频数据集输入训练后的YOLOPose模型获取人体骨骼结点坐标；将人体骨骼结点坐标输入用于通过人体骨骼结点坐标识别人体动作的时空图卷积网络模型ST‑GCN，获得识别后的人体动作。本发明能够提高人体动作的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
