-
公开(公告)号：CN117560494B
公开(公告)日：2024-03-19
申请号：CN202410038681.4
申请日：2024-01-11
Applicant: 中国矿业大学 , 江苏比特达信息技术有限公司
IPC: H04N19/132 , H04N19/177 , H04N19/172
Abstract: 一种用于矿下低质视频快速增强的编码方法，步骤：利用检测摄像头获取煤矿井下多种光线条件下的低照度和低清晰度视频流数据；对获取的视频流数据进行处理，截取出低照度场景视频，构建井下低质视频数据集；通过帧插值器接收两个参考帧并进行帧插值操作生成一个参考帧；确定Gop结构，利用I帧编码器和P帧编码器分别对I帧和P帧进行编码；将参考帧作为参考，通过当前P帧编码器对输入的B帧进行编码。本发明为现有的神经P帧编解码器增加B帧编码功能，大大提高了P帧编码器对低质视频的增强编码性能，且具有很强的灵活性和泛化性；实现了对Gop结构的全面分析，提高了整体编码效率；为煤矿安全管理提供科学数据支持，提高了安全管理水平。
-
公开(公告)号：CN117528085A
公开(公告)日：2024-02-06
申请号：CN202410020281.0
申请日：2024-01-08
Applicant: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于智能特征聚类的视频压缩编码方法，包括以下步骤：步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取；步骤2、采用特征聚类算法对提取出的特征进行聚类，将相似或冗余的特征整合在一起，为后续编码提供更有效的数据结构；步骤3、对聚类后的特征集进行编码，通过视觉增强和数据压缩的联合制定来进行视频压缩；步骤4、在解码端，根据编码数据和聚类中心信息，恢复出原始的特征集；步骤5、利用深度学习模型的重建模块，根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码，同时具有较高的压缩比和图像质量。
-
公开(公告)号：CN116311161B
公开(公告)日：2024-09-17
申请号：CN202310214913.2
申请日：2023-03-08
Applicant: 中国矿业大学
Abstract: 本发明提供一种联合多任务模型的路面抛洒物检测方法，包括：步骤一：获取路面视频数据；步骤二：将视频帧输入多任务联合模型中得到路面掩码信息、干扰物掩码信息和位置信息；步骤三：对路面掩码信息进行解码，得到第一图像，对视频帧进行灰度处理，得到第二图像；步骤四：根据第一、第二图像提取抛洒物疑似区域；步骤五：从抛洒物疑似区域的连通域中确定最终抛洒物区域。本发明能够从复杂状态的路面上更加准确地提取路面抛洒物，将目标检测任务和语义分割任务联合训练为多任务联合模型，减小检测模型的体积和复杂度，更加合理地利用路面上各种干扰物类别的特征，优化后处理流程，最终准确识别抛洒物，不限抛洒物类别、形状、样式和尺寸等特征。
-
公开(公告)号：CN117612142B
公开(公告)日：2024-07-12
申请号：CN202311520633.0
申请日：2023-11-14
Applicant: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC: G06V20/59 , G06V10/764 , G06V10/774 , G06V10/80 , G06V40/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务联合模型的头部姿态与疲劳状态检测方法，包括以下步骤：在YOLOv6的基础上，设计基于聚集与分流机制的加强特征提取网络；在模型中增加融合大核注意力机制的头部姿态估计分支；对人脸数据集标注形成疲劳驾驶数据集；通过目标检测损失函数和头部姿态估计损失函数训练疲劳分神检测模型；将模型部署于车载终端设备，通过模型检测头部姿态和疲劳状态并输出信息；通过某一类别持续时间与设定阈值进行比较来判定是否处于疲劳状态或分神状态。本发明提高模型的泛化性能、鲁棒性、可靠性及检测精度、减少模型训练的时间和计算资源，提高驾驶员的安全性，减少驾驶中的疲劳分心行为，降低交通事故的发生率。
-
公开(公告)号：CN117528085B
公开(公告)日：2024-03-19
申请号：CN202410020281.0
申请日：2024-01-08
Applicant: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于智能特征聚类的视频压缩编码方法，包括以下步骤：步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取；步骤2、采用特征聚类算法对提取出的特征进行聚类，将相似或冗余的特征整合在一起，为后续编码提供更有效的数据结构；步骤3、对聚类后的特征集进行编码，通过视觉增强和数据压缩的联合制定来进行视频压缩；步骤4、在解码端，根据编码数据和聚类中心信息，恢复出原始的特征集；步骤5、利用深度学习模型的重建模块，根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码，同时具有较高的压缩比和图像质量。
-
Patent Agency Ranking
公开(公告)号：CN117520589B
公开(公告)日：2024-03-15
申请号：CN202410008193.9
申请日：2024-01-04
Applicant: 中国矿业大学 , 燕园智能科技(徐州)有限公司
IPC: G06F16/583 , G06F16/532 , G06F16/383 , G06F16/332 , G06F18/2113 , G06F18/22 , G06V20/10 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种局部特征与全局特征融合的跨模态遥感图文检索方法，对输入图像进行全局特征提取和局部特征提取后，考虑全局特征与局部特征的差异，通过多级信息特征融合模块动态生成权重、并对两种特征进行加权以更好地表征图像；使用递归神经网络对文本信息进行建模以提取文本时间信息；计算加权融合后图像特征与文本特征之间的相似性度量，按照从大到小顺序对检索结果进行排序；利用候选信息进行反向检索得到最终检索结果。本局部特征与全局特征融合的跨模态遥感图文检索方法能够通过局部信息修正全局信息、利用全局信息补充局部信息，进而能够更准确的检索希望得到的遥感数据。
-
公开(公告)号：CN117520589A
公开(公告)日：2024-02-06
申请号：CN202410008193.9
申请日：2024-01-04
Applicant: 中国矿业大学 , 燕园智能科技(徐州)有限公司
IPC: G06F16/583 , G06F16/532 , G06F16/383 , G06F16/332 , G06F18/2113 , G06F18/22 , G06V20/10 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种局部特征与全局特征融合的跨模态遥感图文检索方法，对输入图像进行全局特征提取和局部特征提取后，考虑全局特征与局部特征的差异，通过多级信息特征融合模块动态生成权重、并对两种特征进行加权以更好地表征图像；使用递归神经网络对文本信息进行建模以提取文本时间信息；计算加权融合后图像特征与文本特征之间的相似性度量，按照从大到小顺序对检索结果进行排序；利用候选信息进行反向检索得到最终检索结果。本局部特征与全局特征融合的跨模态遥感图文检索方法能够通过局部信息修正全局信息、利用全局信息补充局部信息，进而能够更准确的检索希望得到的遥感数据。
-
公开(公告)号：CN117115787A
公开(公告)日：2023-11-24
申请号：CN202311164658.1
申请日：2023-09-11
Applicant: 中国矿业大学
IPC: G06V20/59 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明适用于计算机视觉检测技术领域，提供了一种基于动态候选时间序列的端云协同疲劳驾驶检测方法，所述方法包括以下步骤：获取人像图像帧数据；根据位置估计模型对人像图像帧数据进行分析得到待检测图像；将待检测图像按照动态候选序列进行存储；根据疲劳分神检测模型对待检测图像处理得到检测结果；将检测结果上传至云端。本发明基于端云协同的方法，使疲劳驾驶行为可以在低算力端侧设备上进行实时检测，使用多任务模型减少对计算资源的占用，采用端云协同计算框架，降低端侧识别结果的误检率，最终可以在算力受限的情况，实时准确地检测疲劳驾驶行为。
-
公开(公告)号：CN114745525A
公开(公告)日：2022-07-12
申请号：CN202210366195.6
申请日：2022-04-08
Applicant: 中国矿业大学 , 江苏比特达信息技术有限公司
IPC: H04N7/18 , H04L67/10 , H04L67/125 , G06F16/53 , G06F16/54
Abstract: 本发明适用于公路附属设施巡查技术领域，提供了一种载体寄生式公路附属设施智能定点巡查方法，包括如下步骤：步骤(1)算法寄生在智能终端设备中；步骤(2)通过智能移动终端获取北斗定位数据；步骤(3)获取智能移动终端数据；步骤(4)将智能移动终端数据上传至云端监控平台；步骤(5)数据自动比对，形成比对报表，人工进行核实。本发明中的一种载体寄生式公路附属设施智能定点巡查方法，通过算法寄生方式，复用现有智能终端；通过智能终端移动载体寄生方式，复用现有公交车辆和清扫车辆等移动载体，实现快速精准的公路附属设施异常检测，低碳环保，操作灵活和高效。
-
公开(公告)号：CN115512324B
公开(公告)日：2024-07-12
申请号：CN202211253152.3
申请日：2022-10-13
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于边缘对称填充和大感受野的路面病害检测方法，包括：数据集准备，结合道路环境重新标注公共数据集，并添加灌缝和井盖两个辅助类别；神经网络搭建，用大核深度可分离卷积配合重参数化搭建具有更大有效感受野和更多形状偏置的骨干网络RepLKDarkNet，用空间可分离深度卷积以及改进的对称填充策略搭建对位置信息保留更多的加强特征提取网络XSepPAFPN，用目标跟踪模块优化重识别问题；嵌入式部署，将模型转化为TensorRT模型。本发明基于大感受野特征以及应用边缘对称填充策略的空间可分离深度卷积，在提高特征图的有效感受野的同时减少大卷积核计算量和参数量，并在一定程度弥补特征提取时的信息丢失，解决路面病害样式和形状提取不准确影响检测精度的问题。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.022 seconds)
