-
公开(公告)号：CN113533457B
公开(公告)日：2024-03-19
申请号：CN202110781754.5
申请日：2021-07-09
Applicant: 北京工商大学
IPC: G01N27/22
Abstract: 本发明公布了一种储粮霉变原位无损在线实时检测方法及装置，包括介电常数检测单元、气体浓度信息检测单元和储粮霉变测量计算单元；获取探头处霉变粮食介电特征信息和气体浓度参数信息；对霉变介电特征信息进行阻抗转换并放大为电压信号；对霉变气体浓度参数信息进行耦合分析提取主要特征，输出气体浓度主参数变量；建立储粮霉变信息实时感知模型，输出粮食霉变损失占比与霉变空间位置。本发明能够获取粮堆内部霉变信息，精确检测并追踪粮食霉变情况，可避免基于粮堆表面粮食颗粒进行霉变测量造成的误差，提高储粮霉变信息测量的精确度。本发明具有普适性，可为粮食霉变精细化与智能化防治提供有效的技术手段。
-
公开(公告)号：CN112766378B
公开(公告)日：2023-07-21
申请号：CN202110078446.6
申请日：2021-01-19
Applicant: 北京工商大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/46 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明公布了一种专注细粒度识别的跨域小样本图像分类模型方法，构建专注细粒度识别的跨域小样本分类模型FFGR，FFGR模型采用两步识别的方法，包括图像特征提取模块MFFE和图像特征分类识别模块BMF；通过前端专注特征编码器提取图像特征，再通过后端双线性度量函数利用图像特征进行图像分类识别。采用本发明方法，能够更快速并高效地提取到小样本图像特征信息，模型整体优化更加快捷精准，分类准确率高。
-
公开(公告)号：CN116631383A
公开(公告)日：2023-08-22
申请号：CN202310852643.8
申请日：2023-07-12
Applicant: 北京工商大学
Abstract: 本发明公布了一种基于自监督预训练和交互式融合网络的语音识别方法，构建语音识别模型，将自监督预训练模型作为语音增强模块后的特征提取部分，将语音增强模块与自监督预训练方法进行有效组合并，缓解因语音增强所带来的语音失真；利用交互式特征融合方法将增强特征和原始音频特征进行融合，以弥补在语音增强过程中的信息缺失。采用本发明方法，能够使低资源语音识别结果更加准确，提高低资源在复杂环境下的识别精度。
-
公开(公告)号：CN112084974B
公开(公告)日：2023-04-25
申请号：CN202010960108.0
申请日：2020-09-14
Applicant: 北京工商大学
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08 , G01M13/045
Abstract: 本发明公布了一种基于元学习的多标签滚动轴承故障诊断方法，构建滚动轴承的多标签故障数据集，并按故障类别划分为训练集和测试集；提取故障信号的时频签名矩阵特征T‑FSMs；建立基于元学习的多标签卷积神经网络模型MLCML；利用训练集样本训练MLCML模型；使用测试集样本验证训练好的MLCML模型；利用训练好的模型进行小样本多标签滚动轴承的故障诊断。本发明方法充分利用滚动轴承故障样本包含的多重语义，使故障诊断结果更加准确，同时能够通过时频签名矩阵特征和元学习策略更好的解决滚动轴承实际故障诊断中的小样本问题，设计合理、操作简便，具有广泛的应用价值。
-
公开(公告)号：CN113807355A
公开(公告)日：2021-12-17
申请号：CN202110862373.X
申请日：2021-07-29
Applicant: 北京工商大学 , 中煤科工集团沈阳研究院有限公司
Abstract: 本发明提供一种图像语义分割方法，属于图像处理技术领域。本发明基于编解码网络架构并采用多尺度特征融合的方法，将模型分为编码器和解码器两部分，编码器部分包括常规特征提取分支和边缘分支，常规特征提取分支是标准的分割网络，边缘分支通过引入残差结构、门控卷积和Canny算子将注意力只关注在边缘轮廓部分，解码器部分采用多路径优化网络结构，在整个语义分割网络内部形成了短距离连接的同时，还与特征提取网络形成了长距离的连接，不仅有助于网络训练，还能让梯度有效传递回网络中，最终得到图像的语义分割图像。本发明提高了低能见度图像语义分割中的边缘轮廓的学习效果和分割精度，提升最终语义分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN113807355B
公开(公告)日：2023-08-25
申请号：CN202110862373.X
申请日：2021-07-29
Applicant: 北京工商大学 , 中煤科工集团沈阳研究院有限公司
IPC: G06V20/70 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084 , G06N3/0985 , G06N3/09
Abstract: 本发明提供一种图像语义分割方法，属于图像处理技术领域。本发明基于编解码网络架构并采用多尺度特征融合的方法，将模型分为编码器和解码器两部分，编码器部分包括常规特征提取分支和边缘分支，常规特征提取分支是标准的分割网络，边缘分支通过引入残差结构、门控卷积和Canny算子将注意力只关注在边缘轮廓部分，解码器部分采用多路径优化网络结构，在整个语义分割网络内部形成了短距离连接的同时，还与特征提取网络形成了长距离的连接，不仅有助于网络训练，还能让梯度有效传递回网络中，最终得到图像的语义分割图像。本发明提高了低能见度图像语义分割中的边缘轮廓的学习效果和分割精度，提升最终语义分割的精度。
-
公开(公告)号：CN116612457A
公开(公告)日：2023-08-18
申请号：CN202310612557.X
申请日：2023-05-29
Applicant: 北京工商大学 , 南京领通汇智科技有限公司
Abstract: 本发明公布了一种基于深度无监督学习的轨道道床异物检测方法，构建基于深度无监督学习的轨道道床异物检测模型，包括特征提取网络模块和高维特征异常估计模块，使得只使用无异物的道床图像进行模型训练，即可识别任意未知轨道道床异物的检测。本发明构建的模型使用卷积神经网络提取图像的高维特征，将不同维度的图像特征进行组合以表示图像物体的全局关系；并使用标准化流结构构建精简的特征估计网络结构，简化高维图像特征分布的估计过程，加快检测速度。本发明的轨道道床异物检测方法简便，检测精度高，且能满足实时性检测的要求。
-
公开(公告)号：CN113533457A
公开(公告)日：2021-10-22
申请号：CN202110781754.5
申请日：2021-07-09
Applicant: 北京工商大学
IPC: G01N27/22
Abstract: 本发明公布了一种储粮霉变原位无损在线实时检测方法及装置，包括介电常数检测单元、气体浓度信息检测单元和储粮霉变测量计算单元；获取探头处霉变粮食介电特征信息和气体浓度参数信息；对霉变介电特征信息进行阻抗转换并放大为电压信号；对霉变气体浓度参数信息进行耦合分析提取主要特征，输出气体浓度主参数变量；建立储粮霉变信息实时感知模型，输出粮食霉变损失占比与霉变空间位置。本发明能够获取粮堆内部霉变信息，精确检测并追踪粮食霉变情况，可避免基于粮堆表面粮食颗粒进行霉变测量造成的误差，提高储粮霉变信息测量的精确度。本发明具有普适性，可为粮食霉变精细化与智能化防治提供有效的技术手段。
-
公开(公告)号：CN112084974A
公开(公告)日：2020-12-15
申请号：CN202010960108.0
申请日：2020-09-14
Applicant: 北京工商大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明公布了一种基于元学习的多标签滚动轴承故障诊断方法，构建滚动轴承的多标签故障数据集，并按故障类别划分为训练集和测试集；提取故障信号的时频签名矩阵特征T‑FSMs；建立基于元学习的多标签卷积神经网络模型MLCML；利用训练集样本训练MLCML模型；使用测试集样本验证训练好的MLCML模型；利用训练好的模型进行小样本多标签滚动轴承的故障诊断。本发明方法充分利用滚动轴承故障样本包含的多重语义，使故障诊断结果更加准确，同时能够通过时频签名矩阵特征和元学习策略更好的解决滚动轴承实际故障诊断中的小样本问题，设计合理、操作简便，具有广泛的应用价值。
-
公开(公告)号：CN113807356B
公开(公告)日：2023-07-25
申请号：CN202111011127.X
申请日：2021-08-31
Applicant: 北京工商大学 , 中煤科工集团沈阳研究院有限公司
IPC: G06V20/70 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/048 , G06N3/084 , G06N3/094 , G06N3/0985
Abstract: 本发明公开了一种端到端的低能见度图像语义分割方法，本发明将模型分为低能见度图像清晰化和图像语义分割两个部分，其中，图像语义分割部分是将清晰化后的低能见度图像进行语义分割，将边缘信息设计为一个单独的处理分支，该分支与传统特征提取分支并行处理信息，以提高轮廓处的分割精度。最后，合理设计多个损失函数，对网络参数进行优化，除了均方差损失函数和CE损失函数，还加入了感知损失、GAN损失等其他损失函数优化，根据每个损失函数的作用与贡献设置不同损失函数的权重，从而更有效的优化模型，以达到更好的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
