-
公开(公告)号：CN113902750B
公开(公告)日：2025-04-04
申请号：CN202111176775.0
申请日：2021-10-09
Applicant: 中北大学
IPC: G06F30/27
Abstract: 本发明涉及一种结合频域注意力和多尺度融合的全景分割方法及装置，属于计算机视觉领域。该方法包括：通过所述骨干网络对接收到的原始图像进行特征提取，输出具有不同尺度的金字塔特征；所述金字塔特征包括最小尺度的金字塔特征以及其他尺度的金字塔特征；通过所述语义分割头对所述其他尺度的金字塔特征进行语义预测，得到语义分割结果；通过所述实例分割头对所述金字塔特征中的最小尺度的金字塔特征进行实例分割，得到实例分割结果；通过所述全景融合头，将所述语义分割结果以及所述实例分割结果进行融合，得到全景分割结果。通过该方法，可以提高全景分割的分割效果。
-
公开(公告)号：CN117853897A
公开(公告)日：2024-04-09
申请号：CN202311563672.9
申请日：2023-11-22
Applicant: 中北大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。
-
公开(公告)号：CN116732564A
公开(公告)日：2023-09-12
申请号：CN202310681774.4
申请日：2023-06-09
Applicant: 中北大学
IPC: C25B11/091 , C25B11/075 , C25B11/061 , C02F1/467 , H01M4/90 , B82Y30/00 , B82Y40/00
Abstract: 本发明公开了一种CFm@NixFey‑P复合材料的制备方法及其在催化尿素电氧化反应中的应用，属于复合材料制备、电催化领域。本发明利用泡沫铜为支撑体，通过化学氧化、还原及电沉积的方式制备了自支撑的CFm@NixFey‑P电极材料；自支撑电极原位生长的方式显著提高了电极材料的物理稳定性和导电性；化学氧化和还原使得泡沫铜（Cu Foam，CF）表面生长出特殊的纳米线状结构，且同时使其具有优异的导电性；电沉积形成的镍铁磷复合物具有较大的比表面积和丰富的活性位点。此外，该复合材料由于Ni、Fe及P间的协同效应，展现了优越的尿素电氧化催化活性。CFm@NixFey‑P复合材料具有特殊的形貌结构、丰富的活性位点以及优越的电催化性能。
-
公开(公告)号：CN114332498A
公开(公告)日：2022-04-12
申请号：CN202111648318.7
申请日：2021-12-30
Applicant: 中北大学
IPC: G06V10/56 , G06V10/764 , G06V10/80 , G06K9/62 , G06N20/20
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于多特征提取的多尺寸图像变化检测装置及方法，本发明首先提取图像块颜色、形状、纹理等多层特征并计算各个特征间的相似度；将多个分类器通过集成模型组合为图像变化检测的分类器模型，将图像块之间的特征作为输入特征进行分类；准备训练分类器所需的正、负样本并据此训练由集成学习模型构成的分类器；通过训练好的集成学习模型预测图像内容是否发生变化。本发明实现了多尺寸图像变化检测算法，对任意尺寸的输入图像均使用；提高了变化检测算法的鲁棒性；降低了模型复杂度且提升了分类精度；通过麻雀搜索算法优化了集成学习模型参数，进一步提高了变化检测结果的准确率等指标。
-
公开(公告)号：CN119386415A
公开(公告)日：2025-02-07
申请号：CN202411733548.7
申请日：2024-11-29
Applicant: 中北大学
Abstract: 本发明涉及一种气体驱动灭火剂抛撒装置及其灭火剂抛撒方法，属于消防设备技术领域。包括外壳，外壳顶端连接有第一挡板，第一挡板的中部连接有气门芯，第一挡板的底面连接有高压气室腔，第一挡板与高压气室腔之间形成高压气室，高压气室腔的底面一侧连接有气压传感器，高压气室腔的底面中部连接有充气电磁阀门，充气电磁阀门的出气口连接有充气管道，充气管道的出气口连接有高压气囊，外壳中上部连接有第二挡板，充气管道与第二挡板中部连接，第二挡板与外壳之间填充有干粉灭火剂，外壳底面中部连接有位置传感器。本发明可以加快灭火剂的抛撒过程，提高灭火剂的有效灭火范围和抛撒均匀度。
-
Patent Agency Ranking
公开(公告)号：CN119327069A
公开(公告)日：2025-01-21
申请号：CN202411733549.1
申请日：2024-11-29
Applicant: 中北大学
Abstract: 本发明涉及一种新型灭火弹及其使用方法，属于消防设备技术领域。包括弹壳，弹壳的顶端连接有挡板，挡板的顶端连接有弹顶，弹壳外壁开设有若干条相互平行的纵向刻槽、若干条相互平行的横向刻槽、弹带凹槽和四个尾翼凹槽，弹带凹槽中放置有弹带，张开式尾翼位于尾翼凹槽内，弹顶底部中间连接有位置传感器，弹壳底端连接有弹底，爆炸腔体与挡板中部连接，爆炸腔体内放置有电子雷管，爆炸腔体内填充有炸药，炸药填充于电子雷管周围，弹壳内填充有干粉灭火剂。本发明纵向刻槽和横向刻槽的设计能够控制弹壳碎片的大小和形状，使内部干粉灭火剂得到更均匀充分地抛撒；张开式尾翼的设计提高了新型灭火弹飞行过程中的稳定性，能够实现远距离精准灭火。
-
公开(公告)号：CN114743151B
公开(公告)日：2024-10-29
申请号：CN202210494875.6
申请日：2022-05-07
Applicant: 中北大学
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 火焰探测作为火灾防治的重要环节，其对于实时性，抗干扰性，准确度都有很高的要求。现阶段的火焰目标检测方法对于这三项指标缺乏综合研究，针对这一问题，本发明提出了一种基于改进YOLOv4‑tiny的轻量化抗干扰火焰检测方法。利用火焰随时间变化的动态特点，设计了双流结构的火焰检测模型。首先对YOLOv4‑tiny的骨干网络采用深度可分离卷积进行轻量化改进；其次在特征提取阶段，通过进一步融合多尺度特征提高网络对浅层特征的学习能力，同时在FPN中引入ECA通道注意力模块，进一步提高精度；最后采用IOU(Intersection over Union)后处理算法来有效屏蔽类火目标的干扰。在数据集方面，创建了自己的火焰检测数据集。实验证明，本发明方法在准确性，抗干扰性和检测时间上实现了综合提升。
-
公开(公告)号：CN114743151A
公开(公告)日：2022-07-12
申请号：CN202210494875.6
申请日：2022-05-07
Applicant: 中北大学
Abstract: 火焰探测作为火灾防治的重要环节，其对于实时性，抗干扰性，准确度都有很高的要求。现阶段的火焰目标检测方法对于这三项指标缺乏综合研究，针对这一问题，本发明提出了一种基于改进YOLOv4‑tiny的轻量化抗干扰火焰检测方法。利用火焰随时间变化的动态特点，设计了双流结构的火焰检测模型。首先对YOLOv4‑tiny的骨干网络采用深度可分离卷积进行轻量化改进；其次在特征提取阶段，通过进一步融合多尺度特征提高网络对浅层特征的学习能力，同时在FPN中引入ECA通道注意力模块，进一步提高精度；最后采用IOU(Intersection over Union)后处理算法来有效屏蔽类火目标的干扰。在数据集方面，创建了自己的火焰检测数据集。实验证明，本发明方法在准确性，抗干扰性和检测时间上实现了综合提升。
-
公开(公告)号：CN117853897B
公开(公告)日：2025-02-18
申请号：CN202311563672.9
申请日：2023-11-22
Applicant: 中北大学
IPC: G06F30/27
Abstract: 本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。
-
公开(公告)号：CN118865120B
公开(公告)日：2025-03-21
申请号：CN202410900289.6
申请日：2024-07-05
Applicant: 中北大学
IPC: G06V20/10 , G06V10/80 , G06V10/40 , G06N3/0455
Abstract: 本发明涉及遥感图像变化检测领域，具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而，复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题，本发明首先提取双时相遥感图像分层次多尺度特征信息；然后，利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合；最后针对变化检测样本不平衡问题提出超期望推拉损失正则项，该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明，本发明在定性、定量的指标方面都取得了显著效果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.05 seconds)
