公开(公告)号：CN119150226B

公开(公告)日：2025-04-25

申请号：CN202411177591.X

申请日：2024-08-26

Applicant: 北京化工大学

Inventor： 张庭祯 ,  李志伟 ,  杨巧宁 ,  程鹏 ,  蔡乐嫣 ,  刘旭东 ,  崔文琪 ,  魏全杰

IPC: G06F18/25 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供环境要素信息驱动的自动驾驶多模态动态融合方法及装置，其中的方法包括：获取当前时刻自车上多个传感器采集的多模态数据；从审核通过的多模态数据中提取自车特征、环境特征、图像特征和雷达特征，对自车特征、环境特征、图像特征和雷达特征进行处理，得到场景状态参数向量；利用场景状态参数向量对自车特征、环境特征、图像特征和雷达特征进行融合，得到第一融合特征；利用解码器对所述第一融合特征进行解码，得到第二融合特征；利用占据栅格网络头对所述第二融合特征进行处理，得到第一感知结果；利用交叉注意力网络对所述第一感知结果进行处理，得到第二感知结果。本申请能够在复杂多变的实际驾驶环境中提供更高的感知精度和可靠性。

公开(公告)号：CN118072103A

公开(公告)日：2024-05-24

申请号：CN202410363120.1

申请日：2024-03-28

Applicant: 北京化工大学

Inventor： 杨巧宁

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06T5/00 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于对抗学习的像素级裂缝检测方法，涉及基于计算机视觉的智能检测领域，包括对裂缝图像进行增强处理；选择Unet++作为对抗学习网络GAN的生成器，构建对抗性分割模型框架，构建多个损失函数对生成器训练网络模型及鉴别器训练网络模型进行训练；本发明使用生成对抗性网络作为深度学习框架来实现裂纹分割，结合Unet++的利用不同层、不同尺度和不同跳跃连接的信息进行特征融合策略，利用提出的基于对抗性训练的综合动态损失函数来监督学习过程，提高分割性能。

公开(公告)号：CN111855793A

公开(公告)日：2020-10-30

申请号：CN201910292110.2

申请日：2019-04-12

Applicant: 北京化工大学

Inventor： 陈娟 ,  黄顺昊 ,  杨巧宁

IPC: G01N27/72 ,  G01L5/00 ,  G06F30/20

Abstract: 本发明属于高速铁路无缝线路轨道稳定性的检测和评估领域，具体涉及一种基于表面磁记忆信号的无缝铁轨内部温度应力早期诊断方法。包括提出一种铁路现场测量方案对无缝铁轨内部在不同程度温度应力积累下表面金属磁记忆信号进行采集；对各帧磁记忆信号进行时域特征分析并进行主元分析PCA特征选优；利用傅立叶变换以及功率谱分析确定小波分解层数；最大小波能量-香农熵比值确定小波基；对信号进行小波包分解并提取其子频带能量信息作为磁记忆信号频域特征；结合时频域特征，利用机器学习算法建立数据模型并对铁路内部温度应力积累程度进行诊断。本发明能够快速判断无缝线路内部应力累积程度，实现铁轨损伤的早期预防，减少事故的发生，具有实际的工程应用价值。

公开(公告)号：CN119150226A

公开(公告)日：2024-12-17

申请号：CN202411177591.X

申请日：2024-08-26

Applicant: 北京化工大学

Inventor： 张庭祯 ,  李志伟 ,  杨巧宁 ,  程鹏 ,  蔡乐嫣 ,  刘旭东 ,  崔文琪 ,  魏全杰

IPC: G06F18/25 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供环境要素信息驱动的自动驾驶多模态动态融合方法及装置，其中的方法包括：获取当前时刻自车上多个传感器采集的多模态数据；从审核通过的多模态数据中提取自车特征、环境特征、图像特征和雷达特征，对自车特征、环境特征、图像特征和雷达特征进行处理，得到场景状态参数向量；利用场景状态参数向量对自车特征、环境特征、图像特征和雷达特征进行融合，得到第一融合特征；利用解码器对所述第一融合特征进行解码，得到第二融合特征；利用占据栅格网络头对所述第二融合特征进行处理，得到第一感知结果；利用交叉注意力网络对所述第一感知结果进行处理，得到第二感知结果。本申请能够在复杂多变的实际驾驶环境中提供更高的感知精度和可靠性。

公开(公告)号：CN118053043A

公开(公告)日：2024-05-17

申请号：CN202410363119.9

申请日：2024-03-28

Applicant: 北京化工大学

Inventor： 杨巧宁 ,  郑嘉豪

IPC: G06V10/764 ,  G06V10/26 ,  G06T5/30 ,  G06T3/4007 ,  G06N3/0895 ,  G06N3/09 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种弱监督显著目标检测方法，涉及计算机视觉领域，包括生成伪显著目标标签；通过算法筛选所述伪显著目标标签，获取更优的显著目标标签；依据筛选完成后的显著目标标签，生成确定区域掩码图，显著目标边缘图；将优化后的显著目标标签、确定区域掩码图和显著目标边缘图输入显著目标检测网络，作为训练的监督标签，对显著目标检测网络进行训练，得到训练完善的弱监督显著目标检测模型；本发明提供的方法不依赖于精确的大规模数据训练，仅需点标注标签训练网络，降低了标注成本，同时，该方法的性能超过了现有的弱监督显著目标检测模型，甚至可以达到许多全监督显著目标检测模型的性能水平，且具有较强的泛化性。

公开(公告)号：CN117765596A

公开(公告)日：2024-03-26

申请号：CN202311821545.4

申请日：2023-12-27

Applicant: 北京化工大学

Inventor： 杨巧宁 ,  巩梦岩

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/80 ,  G06V10/26

Abstract: 本发明公开了一种基于多任务学习的面部动作单元检测模型建立方法，该方法采用多任务学习的策略，结合面部关键点检测、面部情绪识别和面部AU检测三个任务进行联合学习。这三个任务共享一个底层网络，以提取更加鲁棒的特征，并通过基于注意力机制的特征融合模块减少特征冗余。此外，图注意力网络被引入来利用AU之间的复杂关系，提取具有辨别性的AU特征。本发明的优势在于其实际应用潜力以及在解决过拟合和AU之间复杂关系方面的创新方法，提高了面部动作的检测精度。

公开(公告)号：CN221239275U

公开(公告)日：2024-06-28

申请号：CN202323142700.8

申请日：2023-11-21

Applicant: 大秦铁路股份有限公司科学技术研究所 ,  北京化工大学

Inventor： 李元军 ,  孙永军 ,  杨巧宁 ,  张国强 ,  常思远 ,  李光耀 ,  马锦生

IPC: G06T7/80 ,  G01B11/00 ,  G01C11/00 ,  G01C25/00

Abstract: 本实用新型提供了一种无人机图像比例尺激光标定装置，属于无人机图像采集领域；所要解决的技术问题是提供一种实现无人机采集图像时自带标尺，实现简洁的图像物理尺寸判断的图像比例尺激光标定装置；为解决该技术问题采用的技术方案是：包括支架，所述支架上设置有数据采集接口、固定装置，所述支架内设置有主控板，所述支架上设置有全景三维云台，所述全景三维云台上设置有激光发射器组，所述激光发射器组由两个十字激光发射器组成，两个所述激光发射器之间保持固定距离，所述激光器组投射出的激光束构成正方形图案；本实用新型应用于无人机图像采集。