-
公开(公告)号：CN112418223A
公开(公告)日：2021-02-26
申请号：CN202011442199.5
申请日：2020-12-11
Applicant: 互助土族自治县北山林场 , 北京林业大学
Abstract: 本发明属于图像处理领域，具体涉及一种基于改进优化的野生动物图像显著性目标检测方法，包括对预先输入的待检测图像主结构进行提取；获取待检测图像主结构提取结果的图像显著性信息；对图像显著性信息进行边缘完整性检测，获得图像边缘完整性检测结果；通过对图像边缘完整性检测结果优化得到的显著性优化图进一步综合优化，最终确定图像综合优化结果。上述方案以改进的直方图对比度算法为主体，实现对背景复杂、噪声大的野生动物监测图像进行显著性目标检测，可为野生动物监测系统的图像高效传输提供可靠参考。
-
公开(公告)号：CN119559443B
公开(公告)日：2025-05-23
申请号：CN202411733993.3
申请日：2024-11-29
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06F16/58 , G06N3/09
Abstract: 本发明涉及一种基于主动学习的开放世界物种分类方法，属于物种分类技术领域；本发明包括如下内容：采用“分治”策略，结合监督学习模型和开放词汇模型的优势，通过闭集模型分类已知类别样本，同时利用开集识别引导未知类别至开放词汇零样本分类，并主动学习困难样本。随着新类别的出现和样本的累积，重新训练闭集模型并扩充分类器类别数量，使开放词汇模型和专家标签的知识周期性地更新到闭集模型中，从而将开放世界图像分类问题逐步转化为闭集分类问题。
-
公开(公告)号：CN119559443A
公开(公告)日：2025-03-04
申请号：CN202411733993.3
申请日：2024-11-29
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06F16/58 , G06N3/09
Abstract: 本发明涉及一种基于主动学习的开放世界物种分类方法，属于物种分类技术领域；本发明包括如下内容：采用“分治”策略，结合监督学习模型和开放词汇模型的优势，通过闭集模型分类已知类别样本，同时利用开集识别引导未知类别至开放词汇零样本分类，并主动学习困难样本。随着新类别的出现和样本的累积，重新训练闭集模型并扩充分类器类别数量，使开放词汇模型和专家标签的知识周期性地更新到闭集模型中，从而将开放世界图像分类问题逐步转化为闭集分类问题。
-
公开(公告)号：CN117612087A
公开(公告)日：2024-02-27
申请号：CN202311533371.1
申请日：2023-11-16
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于鸟类物种识别的输电杆塔驱鸟方法、设备及系统。该方法首先通过搭载于二自由度云台的工业相机实时采集图像数据，并将其传输至数据处理单元，接着通过改进的卷积神经网络YOLOv5实现鸟类目标物种识别及其空间位置定位，然后根据物种识别结果确定所使用的音频驱鸟信息，同时根据其空间位置进行目标追踪，最后通过音频播放设备实现定向驱鸟工作。本发明以改进的YOLOv5网络模型为算法主体，结合音频驱鸟方法实现输电杆塔上的智能定向驱鸟，可为输配电系统安全稳定运行提供可选技术支持和参考。
-
公开(公告)号：CN117315487A
公开(公告)日：2023-12-29
申请号：CN202311450877.6
申请日：2023-11-02
Applicant: 北京林业大学
IPC: G06V20/10 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/088 , G06N3/094 , G06N3/096
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于深度迁移学习的野生动物图像跨域识别方法，包括，预先构建跨域野生动物图像数据集，形成域适应数据集；利用域对抗方法来提取野生动物域不变特征，以减少域偏移；在领域对抗神经网络中引入最大均值差异约束；在骨干网络后引入Transformer构建约束损失函数。本发明通过基于深度迁移学习的野生动物图像跨域识别方法，可以较好解决负迁移对野生动物分类准确性的影响问题,进而实现了野生动物图像的有效识别。
-
Patent Agency Ranking
公开(公告)号：CN117011715A
公开(公告)日：2023-11-07
申请号：CN202311070178.9
申请日：2023-08-24
Applicant: 北京林业大学
IPC: G06V20/10 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于全局学习的高光谱影像多类别变化检测方法，包括以下步骤：S1，获取同一地理区域的双时相高光谱影像，并对两幅高光谱影像进行标准化预处理；S2，将两幅高光谱影像的对应像素沿光谱通道维进行拼接，得到一幅联合高光谱影像，构建随机分层样本序列，生成全局样本集；S3，构建基于编码‑解码结构的全卷积网络模型并完成网络训练；S4，将高光谱影像输入至已训练的全局模型中，预测变化检测结果。本发明的高光谱影像变化检测方法具有分类检测速度快、精度高的优点，可用于农林监测、土地利用、灾害评估等领域的地表变化检测。
-
公开(公告)号：CN112614148B
公开(公告)日：2023-07-21
申请号：CN202011442062.X
申请日：2020-12-11
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于边云智能架构的野生动物监测系统，系统包括：边缘设备，用于野生动物图像数据的自动化采集与传输；其中，边缘设备部署于监测区域内部，且所述监测系统配置有误触发图像预筛选机制、双向数据可靠传输机制以及设备远程控制与软件更新机制；网关设备，用于将监测区域内部所有边缘设备采集到的图像数据传到数据中心；数据中心，用于野生动物图像数据的存储管理以及基于云计算实现数据的挖掘分析；其有益效果是：通过基于无线传感网络进行数据传输，提升野生动物图像采集设备的自动化和智能化水平；大幅度降低设备存储空间的占用以及降低整个网络传输系统的功耗，延长系统的使用周期，适用于野生动物图像监测系统的实际需求。
-
公开(公告)号：CN112615984B
公开(公告)日：2022-10-25
申请号：CN202011450987.9
申请日：2020-12-11
Applicant: 北京林业大学
Abstract: 本发明公开了一种一体化野生动物图像自动采集装置及方法，该装置部署于野生动物监测区域内，包括：电源管理模块，用于为整个装置提供电源，同时进行设备功耗监测、充电管理及电源路径管理；图像自动采集模块，用于实现野生动物图像的自动采集；其中，图像自动采集模块包括红外相机、感光元件、滤光片、红外LED灯阵、光照强度传感器、主控制器以及热释电传感器组；外设模块，用于实现图像的远程传输、本地存储以及本地预览；其有益效果是：以红外相机为主体，配置电源管理模块、图像自动采集模块及外设模块，解决了野生动物监测设备的供电问题、复杂光线环境下的图像清晰度问题、设备的功耗问题等，进而提高野生动物监测系统的智能化水平。
-
公开(公告)号：CN112989932A
公开(公告)日：2021-06-18
申请号：CN202110161965.9
申请日：2021-02-05
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于改进原型网络的少样本森林火灾烟雾识别方法及装置。方法包括：训练少样本检测网络模型；获取测试数据集，并将其划分为支持图像集和查询图像集；将支持图像集和查询图像集输入少样本网络模型进行特征识别，得到图像特征向量；计算图像特征向量的欧式距离，并根据欧式距离计算图像在每一个类上的概率，得到分类结果，从而完成图像的森林火灾烟雾识别；通过所述图像输出模块输出查询图像集中每一图像的分类结果。实施本发明实施例，针对少样本数据集(仅包括烟、云、雾、树及悬崖等)，设计了基于改进原型网络的森林火灾烟雾检测网络，在保证准确率的前提下，降低了检测的误报率。
-
公开(公告)号：CN112419202A
公开(公告)日：2021-02-26
申请号：CN202011442143.X
申请日：2020-12-11
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于大数据及深度学习的野生动物图像自动识别系统，以野生动物监测图像数据库为主体，结合超分辨率图像恢复技术及野生动物自动识别算法实现对野生动物数据的处理及分析，并通过数据可视化搭建系统的前端界面。具体的，野生动物监测图像数据库用于野生动物图像及相关信息的存储管理，超分辨率图像恢复技术用于低质量压缩图像的恢复重建，自动识别算法是通过深度学习实现野生动物图像的自动识别与监测分析，从而实现图像的分类处理以及无效图像的剔除。本发明可以实现野生动物图像的高效分类存储以及对野生动物数据的自动分析与可视化展示，提高野生动物图像管理智能化水平。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.039 seconds)
