-
公开(公告)号：CN119579985A
公开(公告)日：2025-03-07
申请号：CN202411675524.0
申请日：2024-11-21
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/26 , G06V10/40 , G06V10/75 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/082 , G06N3/088
Abstract: 一种基于匹配式分层迁移网络的图像分类方法属于计算机视觉中的图像分类领域。首先，本发明先创建了利用预训练分类模型的中间层特征构建局部结构检测器，以此匹配全局和局部两类图像。其次，基于上述匹配结果，构建分层特征迁移策略分别建立浅层和通用特征迁移网络。对于一般特征来说，本发明直接进行参数共享。对于深度特异特征，构造域鉴别器并使用对抗损失和分类损失的组合来引导深度网络学习域不变特征。通过图像匹配和分层迁移的相互作用，有效提升迁移学习的性能，为图像分类任务提供了强有力的支持。
-
公开(公告)号：CN119006860A
公开(公告)日：2024-11-22
申请号：CN202410984986.4
申请日：2024-07-22
Applicant: 北京工业大学
Abstract: 一种基于局部‑整体视角的模板匹配方法属于计算机视觉领域。本发明通过形状上下文描述子和形状度量描述子分别计算模板和目标物体的局部和整体相似度，结合局部和整体视角的信息完成模板匹配。本发明首先需要构建模板库，之后进行模板匹配，匹配过程包括以下步骤：轮廓提取、轮廓特征描述以及特征匹配。首先从原始图片中提取目标轮廓，之后轮廓的局部和整体特征将用的两个特征描述子(形状上下文特征、形状度量特征)代表。最后根据特征描述子将目标轮廓与我们构建的模板库中的花粉模板相匹配，形成目标轮廓与模板间的对应关系，筛选强对应关系的目标轮廓区域作为匹配结果。本发明通过两个特征描述子，并通过细节和整体角度提高匹配准确度。
-
公开(公告)号：CN113723470A
公开(公告)日：2021-11-30
申请号：CN202110908383.2
申请日：2021-08-09
Applicant: 北京工业大学
Abstract: 本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。
-
公开(公告)号：CN113222894A
公开(公告)日：2021-08-06
申请号：CN202110379556.6
申请日：2021-04-08
Applicant: 北京工业大学
Abstract: 本发明提供一种粮面害虫数量的确定方法、装置、电子设备和存储介质，该方法包括：获取多帧粮面图像，并对所述多帧粮面图像进行预处理；根据预设背景像素模型对预处理后的多帧粮面图像进行二值化处理；对二值化处理后的多帧粮面图像进行形态学膨胀处理；获取形态学膨胀处理后的多帧粮面图像中处于运动状态的疑似害虫轮廓信息；根据所述疑似害虫轮廓信息和轮廓面积阈值进行轮廓区域筛选得到大于所述轮廓面积阈值的轮廓区域，并对大于所述轮廓面积阈值的轮廓区域定位害虫位置；根据害虫位置定位结果确定粮面害虫数量。本发明可以在粮仓害虫体积较小，害虫颜色与粮食颜色接近，且害虫运动速度较快时，快速检测出粮面害虫数量。
-
公开(公告)号：CN119580336A
公开(公告)日：2025-03-07
申请号：CN202411553711.1
申请日：2024-11-03
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 一种基于多层次信息融合的人眼图像分割方法属于计算机视觉领域。针对现有方法分割类别复杂易混淆、泛化能力较差的问题，本发明引入基于图像金字塔和图像补丁的多尺度输入，并结合CNN和Transformer结构的优势，现不同层次的感受野大小，学习眼部图像各类的复杂上下文关系；同时，考虑到不同人眼图像数据集的域差异，我们采用了对抗训练策略，进一步强化了模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114549492B
公开(公告)日：2024-05-31
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
公开(公告)号：CN118095282A
公开(公告)日：2024-05-28
申请号：CN202410172725.2
申请日：2024-02-07
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/284 , G06N3/0442 , G06N3/045 , G06N3/09
Abstract: 一种基于分层样本进行命名实体识别的方法，属于自然语言处理领域。该方法包括四个模块：数据预处理模块、粗粒度实体筛选模块、样本分层处理模块以及细粒度实体分类模块。首先，通过数据预处理模块对原始数据进行处理及标注。然后，利用粗粒度实体筛选模块训练BiLSTM和CRF组合模型获得实体类别预测置信度，指导样本粗粒度分类。之后，利用样本分层处理模块，结合置信度，进一步对初筛后的粗粒度样本划分为多层次类型：易样本、难样本和误判样本的处理。最后，细粒度实体分类模块将分类处理后的样本输入CRF网络进行实体标签的细粒度分类。此方法利用了外部知识且有针对性的使用词汇增强显著提高了命名实体识别的准确性和鲁棒性。
-
公开(公告)号：CN119626457A
公开(公告)日：2025-03-14
申请号：CN202411812605.0
申请日：2024-12-10
Applicant: 北京工业大学
IPC: G16H20/60 , G06F16/9535 , G06F16/9537 , G06N5/022 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 一种基于时空知识图谱和用户未来状态指导的饮食方案推荐方法属于知识图谱领域，具体设计深度学习，图卷积神经网络，图自注意力机制，对比学习等技术。本发明首先利用图卷积神经网络和图自注意力机制对用户与菜品的空间信息进行建模。随后利用双向长短期记忆网络(BiLSTM)对建模得到的空间信息进行建模，得到用户与菜品的时空信息。在此基础上，通过全连接层计算用户的健康状态，并将其与时空信息进行合并。最后，利用对比学习的方法，系统可以从大量的饮食方案中筛选出最符合用户个性化需求的推荐方案。
-
公开(公告)号：CN113723470B
公开(公告)日：2024-08-27
申请号：CN202110908383.2
申请日：2021-08-09
Applicant: 北京工业大学
IPC: G06N3/084 , G06N3/0464 , G06T5/50 , G06T5/60
Abstract: 本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。
-
公开(公告)号：CN115908802A
公开(公告)日：2023-04-04
申请号：CN202211426153.3
申请日：2022-11-14
Applicant: 北京工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/60 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本申请提供一种摄像头遮挡检测方法、装置、电子设备及可读存储介质，涉及图像识别领域，该方法包括：获取目标摄像头采集的目标图像，并计算所述目标图像的光照强度；基于所述目标图像的光照强度与预设光照强度的比较结果，使用目标模型对所述目标图像进行分析，并生成分析结果；其中，所述预设光照强度为对摄像头是否被遮挡判断错误的图像的光照强度平均值；所述分析结果用于指示所述目标摄像头是否被遮挡。本申请提供的摄像头遮挡检测方法、装置、电子设备及可读存储介质，用于根据摄像头实时采集的图像帧，在任何光照条件下都能够及时地判断出摄像头是否被遮挡，提高了遮挡检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
