-
公开(公告)号：CN110378215B
公开(公告)日：2021-11-02
申请号：CN201910508074.9
申请日：2019-06-12
Applicant: 北京大学
Abstract: 本发明涉及人工智能应用技术领域，特别涉及一种基于第一人称视角购物视频的购物分析方法。具体包括：将完整的购物视频划分为多个视频片段；从所述视频片段中提取N帧图像帧；分析提取的图像帧获得所述视频频段对应的购物动作类型；并根据获得的各视频片段对应的购物动作类型，识别预设购物动作类型的视频片段对应的商品；建立识别出的商品与其对应的购物动作类型之间的对应关系。本发明用第一人称视角的消费者购物视频，进行全面的消费分析，相对于基于图片的分析方法，本专利节省了消费者拍摄和上传的负担，并且可以全面地分析整个购物过程，得到完整的消费记录。
-
公开(公告)号：CN110738609A
公开(公告)日：2020-01-31
申请号：CN201910860840.8
申请日：2019-09-11
Applicant: 北京大学
Abstract: 本发明公开了一种去除图像摩尔纹的方法，包括：将原始图像输入到模型，通过模型中的边缘检测网络利用原始图像获得目标边缘特征图输出到模型中的多尺度融合网络；通过模型中的特征提取层提取原始图像的特征得到原始特征图输出到模型中的多尺度融合网络和合成网络；通过多尺度融合网络利用原始特征图和目标边缘特征图获取多尺度融合特征图输出到模型中的合成网络；通过模型中的分类网络利用原始图像获得类别特征图输出到模型中的合成网络；通过合成网络利用原始特征图、类别特征图及多尺度融合特征图生成无摩尔纹图像。本发明对不同类型的摩尔纹去除具有更强的泛化能力和鲁棒性，在有效去除摩尔纹的同时，还能够更好地保留原始图片中的内容细节。
-
公开(公告)号：CN110807740B
公开(公告)日：2023-04-18
申请号：CN201910877750.X
申请日：2019-09-17
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明公开了用于增强监控中车窗图像的图像增强方法与系统，利用弱监督学习模型框架对交通监控场景中拍摄的存在高噪声，低光照与模糊等多种图像退化现象的车前窗图像的清晰度进行提升。本发明的优势在于：本发明利用基于对抗生成网络的弱监督学习框架解决了模型训练中采集与标注数据的瓶颈，并用同一模型恢复多种退化现象；设计了基于车辆再检索任务的内容保持机制，在提高图像视觉质量的同时保持与原图像的内容特征一致性。增强结果除提高车窗图片中车内场景对人类观察者的可视性外，同时在机器视觉上可提高车辆检索模型的性能。
-
公开(公告)号：CN110379483A
公开(公告)日：2019-10-25
申请号：CN201910508076.8
申请日：2019-06-12
Applicant: 北京大学
Abstract: 本发明属于人工智能应用领域，具体涉及一种针对疾病人群的饮食监督与推荐方法。包括识别购买的商品，以及基于购买的商品，针对用户的饮食偏好与该用户的具体日营养需求，生成用户定制化的饮食方案。本发明同时考虑了用户喜好、可用食材、营养摄入，具有集成性和简略性，具有显著的使用性。
-
公开(公告)号：CN110827207A
公开(公告)日：2020-02-21
申请号：CN201910877757.1
申请日：2019-09-17
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明公开了基于协同分合学习机制的反射消除方法，包括：反射生成网络接收不含反射的背景图像与纯反射图像，通过特征的提取、拼接与解码，获得非线性叠加的合成含反射图像；反射分离网络接收合成含反射图像，基于多任务学习的架构对特征解耦，获得背景图像、纯反射图像与背景图像的梯度图像；将混合图像输入反射分离网络产生预测的背景图像与纯反射图像结果，再将结果输入反射生成网络获得重新合成的混合图像结果，与原始的输入混合图像进行比对形成重建自监督。本发明相比于一般深度学习方法更灵活、高效地完成反射消除。基于真实数据，通过协同分合机制，实现弱监督条件下的三个域之间的相互映射，在学到更好的去反射能力的同时生成更符合物理特性的含反射混合训练图像。
-
Patent Agency Ranking
公开(公告)号：CN110378215A
公开(公告)日：2019-10-25
申请号：CN201910508074.9
申请日：2019-06-12
Applicant: 北京大学
Abstract: 本发明涉及人工智能应用技术领域，特别涉及一种基于第一人称视角购物视频的购物分析方法。具体包括：将完整的购物视频划分为多个视频片段；从所述视频片段中提取N帧图像帧；分析提取的图像帧获得所述视频频段对应的购物动作类型；并根据获得的各视频片段对应的购物动作类型，识别预设购物动作类型的视频片段对应的商品；建立识别出的商品与其对应的购物动作类型之间的对应关系。本发明用第一人称视角的消费者购物视频，进行全面的消费分析，相对于基于图片的分析方法，本专利节省了消费者拍摄和上传的负担，并且可以全面地分析整个购物过程，得到完整的消费记录。
-
公开(公告)号：CN110827207B
公开(公告)日：2022-12-02
申请号：CN201910877757.1
申请日：2019-09-17
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明公开了基于协同分合学习机制的反射消除方法，包括：反射生成网络接收不含反射的背景图像与纯反射图像，通过特征的提取、拼接与解码，获得非线性叠加的合成含反射图像；反射分离网络接收合成含反射图像，基于多任务学习的架构对特征解耦，获得背景图像、纯反射图像与背景图像的梯度图像；将混合图像输入反射分离网络产生预测的背景图像与纯反射图像结果，再将结果输入反射生成网络获得重新合成的混合图像结果，与原始的输入混合图像进行比对形成重建自监督。本发明相比于一般深度学习方法更灵活、高效地完成反射消除。基于真实数据，通过协同分合机制，实现弱监督条件下的三个域之间的相互映射，在学到更好的去反射能力的同时生成更符合物理特性的含反射混合训练图像。
-
公开(公告)号：CN110738609B
公开(公告)日：2022-05-06
申请号：CN201910860840.8
申请日：2019-09-11
Applicant: 北京大学
Abstract: 本发明公开了一种去除图像摩尔纹的方法，包括：将原始图像输入到模型，通过模型中的边缘检测网络利用原始图像获得目标边缘特征图输出到模型中的多尺度融合网络；通过模型中的特征提取层提取原始图像的特征得到原始特征图输出到模型中的多尺度融合网络和合成网络；通过多尺度融合网络利用原始特征图和目标边缘特征图获取多尺度融合特征图输出到模型中的合成网络；通过模型中的分类网络利用原始图像获得类别特征图输出到模型中的合成网络；通过合成网络利用原始特征图、类别特征图及多尺度融合特征图生成无摩尔纹图像。本发明对不同类型的摩尔纹去除具有更强的泛化能力和鲁棒性，在有效去除摩尔纹的同时，还能够更好地保留原始图片中的内容细节。
-
公开(公告)号：CN110807740A
公开(公告)日：2020-02-18
申请号：CN201910877750.X
申请日：2019-09-17
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明公开了用于增强监控中车窗图像的图像增强方法与系统，利用弱监督学习模型框架对交通监控场景中拍摄的存在高噪声，低光照与模糊等多种图像退化现象的车前窗图像的清晰度进行提升。本发明的优势在于：本发明利用基于对抗生成网络的弱监督学习框架解决了模型训练中采集与标注数据的瓶颈，并用同一模型恢复多种退化现象；设计了基于车辆再检索任务的内容保持机制，在提高图像视觉质量的同时保持与原图像的内容特征一致性。增强结果除提高车窗图片中车内场景对人类观察者的可视性外，同时在机器视觉上可提高车辆检索模型的性能。
-
公开(公告)号：CN221637118U
公开(公告)日：2024-09-03
申请号：CN202323032748.3
申请日：2023-11-09
Applicant: 北京大学第一医院
IPC: A61M39/10
Abstract: 本实用新型涉及医疗器械领域，具体涉及一种转换接头。一种转换接头，包括：本体，所述本体具有第一连接端和第二连接端，所述第一连接端伸出有内柱，所述内柱的外周与第一连接端的内壁间设有容纳空间，所述容纳空间内适于容纳吸引管接头，所述第二连接端背离第一连接端设置，所述第二连接端适于与吸引器贯通连接。本实用新型解决吸引管和吸引器规格较多，经常出现吸引管和吸引器无法连接的缺陷，从而提供一种转换接头。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
