-
Patent Agency Ranking
公开(公告)号：CN119954457A
公开(公告)日：2025-05-09
申请号：CN202510129301.2
申请日：2025-02-05
Applicant: 中北大学 , 山西二建集团有限公司
Abstract: 本发明公开了一种低成本3D打印轮胎纤维增强绿色超高性能混凝土的制备方法，属于混凝土技术领域。本发明采用再生轮胎钢纤维替代传统生产成本高昂且能耗较大的工业钢纤维，不仅大幅度削减了超高性能混凝土的材料成本，而且得益于再生轮胎钢纤维的异型特征，提升了超高性能混凝土的力学性能；同时结合硅酸盐水泥、硅灰、石英粉、细骨料、粗骨料、减水剂和纳米碳酸钙的添加，并调控各组分的用量配比，解决了传统超高性能混凝土在3D打印成型方面的技术难题和轮胎纤维异形所导致的打印困难，最终得到了具有良好的挤出性、可建造性、可打印性能以及超高强度和高韧性的低成本3D打印轮胎纤维增强绿色超高性能混凝土。
-
公开(公告)号：CN114998566B
公开(公告)日：2024-10-15
申请号：CN202210503167.4
申请日：2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。
-
公开(公告)号：CN113822352B
公开(公告)日：2024-05-17
申请号：CN202111078520.0
申请日：2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。
-
公开(公告)号：CN113822352A
公开(公告)日：2021-12-21
申请号：CN202111078520.0
申请日：2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。
-
公开(公告)号：CN114998566A
公开(公告)日：2022-09-02
申请号：CN202210503167.4
申请日：2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。
-
-
-
-
Search Results
5
records
(took 0.062 seconds)
