-
公开(公告)号：CN118522078A
公开(公告)日：2024-08-20
申请号：CN202410716515.5
申请日：2024-06-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/14 , G06V40/12 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于跨模态生成的缺失模态下掌纹掌静脉融合识别方法，针对像素空间缺失模态生成困难和多模态融合信息冗余的问题，本发明提出了两个创新点：(1)提出半监督的跨模态生成方法，逐步实现跨模态图像之间的纹理风格迁移和纹路结构生成，完成任意缺失模态图像生成。(2)提出自适应稀疏模态融合模型，减少多模态融合特征的冗余信息，增强模型对模态特征质量动态变化的鲁棒性。在测试集中任意模态图像缺失的情况下，通过由掌静脉图像生成掌纹图像的生成器Gvp和由掌静脉图像生成掌纹图像的生成器Gpv与自适应稀疏模态融合模型的联合作用，形成掌静脉和掌纹双模态手部生物特征在任意模态缺失下的鲁棒识别方法。
-
公开(公告)号：CN118522078B
公开(公告)日：2025-03-25
申请号：CN202410716515.5
申请日：2024-06-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/14 , G06V40/12 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于跨模态生成的缺失模态下掌纹掌静脉融合识别方法，针对像素空间缺失模态生成困难和多模态融合信息冗余的问题，本发明提出了两个创新点：(1)提出半监督的跨模态生成方法，逐步实现跨模态图像之间的纹理风格迁移和纹路结构生成，完成任意缺失模态图像生成。(2)提出自适应稀疏模态融合模型，减少多模态融合特征的冗余信息，增强模型对模态特征质量动态变化的鲁棒性。在测试集中任意模态图像缺失的情况下，通过由掌静脉图像生成掌纹图像的生成器Gvp和由掌静脉图像生成掌纹图像的生成器Gpv与自适应稀疏模态融合模型的联合作用，形成掌静脉和掌纹双模态手部生物特征在任意模态缺失下的鲁棒识别方法。
-
公开(公告)号：CN119810934A
公开(公告)日：2025-04-11
申请号：CN202411767667.4
申请日：2024-12-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/12 , G06V10/80 , G06V10/776 , G06N3/045 , G06V10/82 , G06N3/0495 , G06N3/0464
Abstract: 本发明公开了一种基于联合渐进稀疏的轻量级双模态生物特征识别方法，主要包括以下步骤：选取掌纹和掌静脉图像构建双模态数据集，采用MobileNetV1作为双分支网络提取特征，并通过联合渐进稀疏策略减少模型参数冗余，提升计算效率；使用双重通道注意力特征融合模块有效整合特征信息，形成统一的特征表示，构建轻量级双分支模型；引入生物特征结构一致性损失函数和细节纹理损失函数对模型进行精细优化，确保高效、准确的身份识别，并通过验证集评估保存最佳模型参数。本发明有效提升了识别的效率、准确性和可靠性，同时实现了模型的轻量化设计，使其更适用于资源受限的应用场景，满足现代生物特征识别技术对性能和资源的双重要求。
-
公开(公告)号：CN118968062A
公开(公告)日：2024-11-15
申请号：CN202411014786.2
申请日：2024-07-26
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于交叉伪监督的域适应语义分割方法，步骤包括：选取SYNTHIA和Cityscapes数据集构建源域和目标域；使用真实标签对源域图像进行双模型交叉自监督训练，得到预训练模型；在目标域训练集中加载预训练模型，使用伪标签进行交叉伪监督训练，构建交叉伪监督双语义分割模型；提取目标域特征，设计注意力调制机制并引入注意力调制损失和熵一致性损失，优化模型；在目标域验证集上验证模型性能，保存最优参数。本发明通过综合考虑模型的“确定性”差异，利用注意力调制和熵一致性损失，提高了模型的泛化能力和鲁棒性，适应不同领域或环境下的语义分割任务。
-
Patent Agency Ranking
公开(公告)号：CN118537932B
公开(公告)日：2025-03-07
申请号：CN202410716512.1
申请日：2024-06-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/14 , G06V40/12 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于特征解耦的缺失模态下掌纹掌静脉融合识别方法，针对目前模态缺失下多模态融合方法存在的问题：(1)利用生成式的方法，对于每一种缺失模态都需要设计一个生成模型，导致整体模型庞大，不太适用于实际应用；(2)大多数模态缺失方法是指定缺失模态的，限制了灵活性。针对上述问题，本发明使用简单的网络模型，设计对比学习损失和模态间身份一致性损失解耦共享特征和特定特征并构建在特征层的掌纹跨模态生成器或掌静脉跨模态生成器，利用已知模态特征补全对缺失模态特征。不同于现有方法，本发明提出的多模态融合方法具有卓越的鲁棒性，对于在测试集任意模态缺失的情况，仍能取得准确的识别结果，满足多样化应用场景的需求。
-
公开(公告)号：CN118537932A
公开(公告)日：2024-08-23
申请号：CN202410716512.1
申请日：2024-06-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/14 , G06V40/12 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于特征解耦的缺失模态下掌纹掌静脉融合识别方法，针对目前模态缺失下多模态融合方法存在的问题：(1)利用生成式的方法，对于每一种缺失模态都需要设计一个生成模型，导致整体模型庞大，不太适用于实际应用；(2)大多数模态缺失方法是指定缺失模态的，限制了灵活性。针对上述问题，本发明使用简单的网络模型，设计对比学习损失和模态间身份一致性损失解耦共享特征和特定特征并构建在特征层的掌纹跨模态生成器或掌静脉跨模态生成器，利用已知模态特征补全对缺失模态特征。不同于现有方法，本发明提出的多模态融合方法具有卓越的鲁棒性，对于在测试集任意模态缺失的情况，仍能取得准确的识别结果，满足多样化应用场景的需求。
-
公开(公告)号：CN202848285U
公开(公告)日：2013-04-03
申请号：CN201220542318.9
申请日：2012-10-23
Applicant: 中国矿业大学
IPC: B65D43/22
Abstract: 本实用新型公开了一种箱子，特别公开了一种自动封存箱。该自动封存箱，其特征是：箱子体上端左右两侧装有盖子，箱子体内装有储物箱，储物箱上端左右两侧通过固定杆分别连接至盖子上端，固定杆两端装有旋转扣，箱子体内左右两侧中间部位与两盖子内侧中间部位分别连接有橡皮筋。其有益效果是：使用方便，自动封存，方便了人们取东西，解决了人们在取东西之后忘记盖上盖子后，箱子内落进灰尘的现象，给人们存储物品带来了方便。
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
