-
公开(公告)号：CN120031738A
公开(公告)日：2025-05-23
申请号：CN202411844150.0
申请日：2024-12-15
Applicant: 北京工业大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于邻域随机替换轻量神经网络的电镜图像去噪方法，将单幅带噪声图像作为输入并将替换像素获得的噪声图作为目标进行训练，避免了对干净参考图像的依赖，通过学习像素邻域中的噪声特征，将噪声信息与干净信息剥离开，保持图像细节，实现有效去噪。从包含噪声的单幅输入图像中恢复出真实的无噪声图像，突破了传统去噪方法对数据的限制。同时，提出新的像素替换策略，避免训练过程中的恒等映射和中心像素利用率低等问题。最后，提出一种新的超轻量神经网络从而优化参数数量，缩减计算资源需求和处理时间，更快速、高效地处理电镜图像，提高后续研究和分析效率。
-
公开(公告)号：CN118608911A
公开(公告)日：2024-09-06
申请号：CN202410821782.9
申请日：2024-06-24
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V20/52
Abstract: 本发明公开了一种基于跨级融合反向残差的轻量化烟气检测方法，包括以下步骤：第一步：设计跨级融合反向残差模块；第二步：设计基于跨级融合反向残差模块的轻量化烟气检测网络。本发明以未知是否包含烟气的图像作为输入，对单幅图像上的烟气情况进行检测，较之现有方法，能解决低频部分信息不详、难以检测的问题，达到同时平衡参数量与检测精度的目的，实现工业级快速、准确的烟气检测。针对烟气图像中大面积烟气色块的低频域以及实际部署模型的复杂性，受MobileNetv2中的反向残差操作与ResNet中的跳连操作启发，集合拓展、过滤、注意力机制、联合、融合层共同构成跨级融合反向残差模块，并据此形成一种轻量化烟气检测方法，从而更好提取低频特征，实现高效、精准的烟气检测。
-
Patent Agency Ranking
公开(公告)号：CN117315555A
公开(公告)日：2023-12-29
申请号：CN202311276271.5
申请日：2023-09-30
Applicant: 北京工业大学
IPC: G06V20/50 , G06V10/764 , G06V10/77 , G06V10/44 , G06N3/0464
Abstract: 本发明公开了一种基于并串联结构的轻量烟气识别方法，包括以下步骤：在轻量烟气识别网络的并串联结构中，采用1×3和3×1、1×5和5×1、1×7和7×1的“并联”卷积结构节约大量参数，加快运算并减轻过拟合；增加一层非线性扩展模型的表达能力，处理更多、更丰富的空间特征，增加图像烟气特征提取的多样性。轻量烟气识别网络通过1×1卷积改变烟气特征图通道数，降低特征提取时卷积操作运算量，减少了网络中参数个数，降低了模型存储需求，避免了过拟合，实现了烟气识别网络的轻量化设计。本发明能有效用于检测石化企业火炬气燃烧过程中是否排放火炬烟气以及是否泄漏危险气体。
-
公开(公告)号：CN118429306A
公开(公告)日：2024-08-02
申请号：CN202410557377.0
申请日：2024-05-07
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于感知信息保真度的图像质量评价方法，属于图像质量评价技术领域；包括以下步骤：设计失真通道和无失真通道。参考图像C和失真通道处理后的图像D分别进入视觉细胞低通滤波器，该滤波器可根据图像特征提取低频信息，增强对失真影响的敏感性。经过低通滤波器处理后的图像X和Y通过视神经噪声模型，模拟视觉信号传递过程中的噪声干扰和失真，增加图像质量评价的真实性。通过视神经噪声模型处理图像后，基于人眼和大脑信息提取的图像质量评价，以计算得出图像的质量评分，反映图像的失真程度和保真度。本发明提升了视觉细胞低通滤波器对图像内容的感知和识别能力，提高了对视觉信息传递和处理过程的模拟精度和准确性。
-
公开(公告)号：CN113344043B
公开(公告)日：2024-05-28
申请号：CN202110556918.4
申请日：2021-05-21
Applicant: 北京工业大学
IPC: G06V20/52 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/771
Abstract: 本发明公开了一种基于自组织多通道深度学习网络的河流浊度监测方法，用于监测河流水质浊度。该网络由两个主要部分构成：首先，基于新设计的分形模块构建用于河流浊度监测的自组织多通道深度学习网络架构，每个分形模块由一个固定块和一个嵌套块组成，高阶分形模块中的嵌套块本质上是低阶分形模块。最后，本发明进一步引入一种基于集成诱导的多通道融合方法来改进所提出的基于自组织多通道深度学习网络的河流浊度监测方法，以增强网络性能和泛化能力。基于自组织多通道深度学习网络的河流浊度监测方法属于水环境保护领域和机器学习领域。
-
公开(公告)号：CN117314781A
公开(公告)日：2023-12-29
申请号：CN202311276277.2
申请日：2023-09-30
Applicant: 北京工业大学
IPC: G06T5/00 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种基于盲点网络集成的自监督图像去噪方法，第一步：设计集成盲点网络；第二步：设计用于真实噪声图像的非对称混洗下采样集成盲点网络；第三步：设计随机替换细化增强去噪结果细节；本发明充分考虑原始BSN中的信息损失，将网络分支拓展并集成来改进网络。同时，考虑混洗下采样不同步长对BSN训练与推理结果的影响，建立不同训练策略来选取最合适的PD步长s，以达到最小化噪声信号相关性的目的，从而满足BSN网络的训练前提。在SIDD‑Medium的验证集、基准数据集的真实噪声图像上的结果表明，本发明所提出的盲点网络集成去噪方法在去噪结果上比原始BSN网络更佳。
-
公开(公告)号：CN113344043A
公开(公告)日：2021-09-03
申请号：CN202110556918.4
申请日：2021-05-21
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于自组织多通道深度学习网络的河流浊度监测方法，用于监测河流水质浊度。该网络由两个主要部分构成：首先，基于新设计的分形模块构建用于河流浊度监测的自组织多通道深度学习网络架构，每个分形模块由一个固定块和一个嵌套块组成，高阶分形模块中的嵌套块本质上是低阶分形模块。最后，本发明进一步引入一种基于集成诱导的多通道融合方法来改进所提出的基于自组织多通道深度学习网络的河流浊度监测方法，以增强网络性能和泛化能力。基于自组织多通道深度学习网络的河流浊度监测方法属于水环境保护领域和机器学习领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
