-
公开(公告)号:CN115588230A
公开(公告)日:2023-01-10
申请号:CN202211051519.3
申请日:2022-08-31
申请人: 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
IPC分类号: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06T7/73 , G06N3/04 , G06N3/08
摘要: 本发明公开了一个基于高精度边界预测的时序动作检测方法及计算机设备。该方法的任务是对候选提名由粗到细的多阶段修正从而高质量、高效率地完成时序动作定位,主要包含以下步骤:针对起始、中间和结束三个过程进行高斯过程建模,输出每帧为某个动作起始、中间和结束的概率,用于提升边界预测和动作分类的质量;针对从视频中提取到的特征图进行帧级分类;生成高质量的时序候选动作提名和对应的置信度分数;对回归网络结果、帧级动作分类网络结果以及精细动作提名生成网络结果设计总损失函数对时序动作检测架构进行优化。本发明提高了时序动作检测的精度和效率。
-
公开(公告)号:CN115171012A
公开(公告)日:2022-10-11
申请号:CN202210759466.4
申请日:2022-06-30
申请人: 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
摘要: 本发明提供了一种建材智能计数方法及计数设备,所述计数方法包括:提取建材放置场景视频的视频帧,使用多层感知器计算时域与空域关键帧分数{s1,s2,…,st};按K高值法抽取对应帧的特征单位,以表示帧与帧之间的时空信息{f1,f2,…,ft};对特征单位进行位置编码后,输入到预训练的网络结构进行注意力计算,得到带注意力的特征序列{o1,o2,…,ot};对每一单位的特征序列{o1,o2,…,ot}进行全局平均池化操作,得到融合特征序列{F1,F2,…,Ft};使用回归头将拼接的融合特征序列向数字回归,得到预测数目;使用分类头分析拼接的融合特征序列,得到视频中的建材类别。本发明采用神经网络方法,降低网络结构运算量,提高检测速度;通过全局注意力计算机制提取图像中的时空信息,实现准确数目与类别估计。
-
公开(公告)号:CN115171011A
公开(公告)日:2022-10-11
申请号:CN202210756710.1
申请日:2022-06-30
申请人: 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
摘要: 本发明提供了一种多类别建材视频计数方法及系统、计数设备,所述计数方法包括:提取机器人拍摄视频的视频帧;将待测视频帧输入到YOLOv4模型中,提取出待测图像的特征;对主干特征提取网络的最后一个特征层进行三次卷积后,利用多尺度的最大池化处理,以分离待测图像中的上下文特征;对获取的特征进行多尺度预测,经解码获取预测框在待测输入图像中的位置;将所有框信息输入到NMS模块中,以得到筛选后的框信息;将目标检测器输出帧序列中前后帧的框坐标序列输入sort跟踪模块中,输出帧间目标id。本发明采用神经网络方法并使用一个多类别多目标跟踪,关联视频的帧间信息,克服目标遮挡,最后通过双过线计数算法计算出整个视频中的建材数量和种类。
-
公开(公告)号:CN112120694B
公开(公告)日:2021-07-13
申请号:CN202010838957.9
申请日:2020-08-19
申请人: 中国地质大学(武汉) , 中建三局智能技术有限公司
摘要: 本发明公开了一种基于神经网络的运动想象脑电信号分类方法,包括:敏感时间段提取;敏感通道提取;离散小波变换分解并进行脑电信号时空变换;基于残差网络提出全卷积残差网络,用于提取脑电信号的时域特征并执行分类任务。本发明建立MI识别框架来识别和判断人类在不同情况下产生的运动想象脑电波,利用EEG时空转换,以使计算机视觉技术可以用于时间序列分类和归因,构建了全卷积残差网络,以提取脑电信号的时间上下文特征,完成分类任务,解决了EEG信号与其他脑信号采集方法相比信噪比低和空间定位分辨率低的缺点,且提高了分类性能并极大地提高了网络的训练速度。
-
公开(公告)号:CN112120694A
公开(公告)日:2020-12-25
申请号:CN202010838957.9
申请日:2020-08-19
申请人: 中国地质大学(武汉) , 中建三局智能技术有限公司
IPC分类号: A61B5/0476 , A61B5/00
摘要: 本发明公开了一种基于神经网络的运动想象脑电信号分类方法,包括:敏感时间段提取;敏感通道提取;离散小波变换分解并进行脑电信号时空变换;基于残差网络提出全卷积残差网络,用于提取脑电信号的时域特征并执行分类任务。本发明建立MI识别框架来识别和判断人类在不同情况下产生的运动想象脑电波,利用EEG时空转换,以使计算机视觉技术可以用于时间序列分类和归因,构建了全卷积残差网络,以提取脑电信号的时间上下文特征,完成分类任务,解决了EEG信号与其他脑信号采集方法相比信噪比低和空间定位分辨率低的缺点,且提高了分类性能并极大地提高了网络的训练速度。
-
公开(公告)号:CN108734221A
公开(公告)日:2018-11-02
申请号:CN201810502889.1
申请日:2018-05-23
申请人: 中国地质大学(武汉)
IPC分类号: G06K9/62
CPC分类号: G06K9/6221
摘要: 本发明提供了一种基于子类数目自动确定的改进密度峰值聚类方法及系统,其核心思想是:首先对样本点的综合量γ的分布图进行处理,获取最有可能成为聚类中心点的若干样本点;然后以这些得到的样本点作为DBSCAN算法每次迭代的初始核心点进行DBSCAN聚类,最终获得聚类子类的准确数目。实施本发明的基于子类数目自动确定的改进密度峰值聚类方法及系统具有以下有益效果:AC-CFSFDP算法可以在无人为介入的情况下,自动得到与CFSFDP算法相同的聚类结果;AC-CFSFDP算法只需运行一次便可以得到正确结果,从而AC-CFSFDP算法在实现CFSFDP算法自动性的基础上克服人为干预对它造成的错误,提高了CFSFDP的准确率。
-
公开(公告)号:CN105744562A
公开(公告)日:2016-07-06
申请号:CN201610177210.7
申请日:2016-03-25
申请人: 中国地质大学(武汉)
IPC分类号: H04W28/02 , H04L12/811 , H04L12/801 , H03M7/30
摘要: 本发明公开了一种基于符号聚合近似的无线传感网数据压缩与重构方法及系统,该方法包括以下步骤:S1、获取无线传感网络每个节点在数据滑动窗口内采集监测数据构成的时间序列,对该序列进行标准化得到标准化序列;S2、对得到的标准化序列进行降维,并对各时序子段的均值进行符号化得到SAX符号序列;S3、对单个节点通过时间相关性来判断是否抑制当前时刻的SAX符号序列发送过程;对不同节点之间通过空间相关性抑制冗余信息的发送;S4、当一个周期内的每个节点都完成了时空相关性抑制过程,而且接收端结束了本轮数据采集,恢复节点未传送的数据。本发明能够大幅度节省无线传感网能量和通信带宽,延长电池供电的无线传感网工作生命周期。
-
公开(公告)号:CN101561081B
公开(公告)日:2012-08-22
申请号:CN200910062140.0
申请日:2009-05-18
申请人: 中国地质大学(武汉)
摘要: 本发明涉及一种应用自主导航机器人对油气管道泄漏的检测定位方法,由机器人对管道巡线检测和终端计算机检测定位方法组成,在管道附近沿管道轴向方向的路面涂刷标识线和校对节,机器人导航系统采用光电编码和校对节的识别方法导航巡检;数据采集组合器由超声波传感器与嗅觉传感器组合采集油气管道的信号,经放大滤波电路和控制模块,通过模/数转换后由无线通讯模块将信号调制并发送至计算机;系统分析软件采用自适应模糊检噪平滑算法和多尺度高斯滤波算法相结合的算法,对超声波强度、气体浓度数据进行处理,当两信号同时收到且高于门限值时可判定管道泄漏发出报警并定位。本方法适用于对地下综合管沟中油气管线的巡线检测和泄漏定位。
-
公开(公告)号:CN110391891B
公开(公告)日:2020-10-30
申请号:CN201910613750.9
申请日:2019-07-09
申请人: 中国地质大学(武汉)
摘要: 本发明公开了一种基于两阶段索引调制的OFDM实现方法和系统。一帧OFDM信号被分成若干个子帧,在第一阶段索引调制中,每个子帧中的部分子载波根据索引比特信息被激活用于传输数据。为了提高频带利用率,在第二阶段索引调制中,根据更多的索引比特信息再将第一阶段中未激活的子载波中的部分子载波激活用于传输更多的比特信息,两阶段信号映射所采用的信号星座图互不相交。对于每一个子帧,两个阶段激活的子载波数总和应小于每个子帧中的子载波个数,以达到改善系统功率效率的目的。接收端采用最大似然检测,综合考虑索引样式和映射信号进行检测和比特信息恢复。所提出的方法和系统能有效的改善传统索引调制OFDM系统的频谱效率、功率效率和误比特率性能。
-
公开(公告)号:CN110263630A
公开(公告)日:2019-09-20
申请号:CN201910389760.9
申请日:2019-05-10
申请人: 中国地质大学(武汉)
摘要: 本发明提供了一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备,通过USB数据线将计算机与高清摄像头进行连接,工作人员通过操作计算机中安装的计算机瑕疵图像识别系统下发控制命令,控制高清摄像头对传送带上的铝材进行拍照,得到图像数据,并将图像数据传输回计算机瑕疵图像识别系统;计算机瑕疵图像识别系统,该系统调用深度学习框架Pytorch将图像数据转换为张量数据,并采用基于Inception模型的卷积神经网络对张量数据进行计算,最终将得分最高的类别进行输出,该得分最高的类别即为识别出的瑕疵图像。本发明的有益效果是:减轻铝型材生产过程中的瑕疵检测方面的人力成本,提高瑕疵识别速率,保证铝型材的生产质量。
-
-
-
-
-
-
-
-
-