公开(公告)号：CN114441397B

公开(公告)日：2023-07-11

申请号：CN202111304272.7

申请日：2021-11-05

Applicant: 河北工业大学

Inventor： 董永峰 ,  贾文玉 ,  王利琴 ,  李佳伟 ,  王振

IPC: G01N15/06 ,  G01C21/20 ,  G06F30/27 ,  G06N3/006

Abstract: 本发明提供了基于高斯烟羽和质心定位的PM2.5污染源定位方法，包括步骤S1空气质量监测站点位置数据预处理；S2基于气体扩散模型和加权质心定位算法，计算加权质心定位结果；S3基于改进的差分进化搜索算法，计算精细定位结果；S4以H小时为粒度分析定位结果，计算最终定位结果；S5利用高斯烟羽模型描述PM2.5污染源气体扩散。本发明方法结合了加权质心定位算法性能高和差分进化搜索算法准确度高的优点，提高了算法整体的性能和准确度。

公开(公告)号：CN116070098A

公开(公告)日：2023-05-05

申请号：CN202211131770.0

申请日：2022-09-16

Applicant: 河北工业大学

Inventor： 刘晶 ,  唐震 ,  季海鹏 ,  王振 ,  史进 ,  董永峰

IPC: G06F18/213 ,  G06F18/24 ,  G06N5/02 ,  G06N3/08

Abstract: 本发明提供了一种基于元学习的设备故障诊断方法，属于设备故障诊断的技术领域，解决了现有的设备故障知识图谱存在无法小样本情况下进行故障诊断及负样本生成策略不合理的问题。一种基于元学习的设备故障诊断方法，包括：提取时序化设备运行信号，对运行信号进行K维信号分解得到信号IMFs分量，根据信号IMFs分量，得到信号特征值，基于信号特征值提取故障时序片段作为故障时序片段节点；将设备文本规则数据进行概念抽象，根据不同故障类型定义其分类标准，基于分类标准得到故障类型实体表示，将故障类型实体表示作为故障类型节点；基于故障时序片段节点和故障类型节点，构建设备故障信息知识图谱。

公开(公告)号：CN115984616A

公开(公告)日：2023-04-18

申请号：CN202211688325.4

申请日：2022-12-27

Applicant: 河北工业大学

Inventor： 李林昊 ,  臧晗 ,  李英双 ,  王振 ,  董永峰

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及图像分类方法领域，尤其是一种基于双线性卷积神经网络的细粒度车辆分类方法，包括以下步骤：将车辆RGB图像输入到卷积神经网络中；将ResNet50作为Backbone，提取基础特征，得到基础特征向量fI；采用双线性卷积网络并行提取车辆局部特征信息和整体特征信息；对局部特征向量和整体特征向量进行结合；将上述结果输入到分类器中，得到每个类别的分数，取平均值S作为最终结果，从而得到训练集的车辆特征数据和测试集的车辆数据。本发明针对车辆整体特征信息和局部特征信息设计了上下不同的子网络，并对上层子网络单独设置辅助损失函数，得到更具判别价值的局部特征信息。

公开(公告)号：CN115661042A

公开(公告)日：2023-01-31

申请号：CN202211202042.4

申请日：2022-09-29

Applicant: 河北工业大学

Inventor： 汪鹏 ,  刘子豪 ,  李妍 ,  王振 ,  王利琴 ,  董永峰

IPC: G06T7/00 ,  G06V10/20 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及一种基于注意力机制指导的分层分类缺陷检测方法，针对工件表面缺陷检测过程中图像纹理背景影响缺陷提取的问题，提出了分层注意力模块，并集成与分层分类网络结构的缺陷检测网络中，使模型利用图像纹理背景指导缺陷检测，同时，设计了多感受野融合模块，利用空洞卷积带来的增强感受野，使模型更好的提取不同尺寸的缺陷特征，并且降低计算复杂度，针对背景纹理分类与缺陷分类训练方向难把握的问题，提出一种联合优化框架，利用所构建的联合损失函数使模型进行端到端训练。实验表明，本发明所提出的方法，能够有效提升工件表面缺陷检测任务的检测精度。

公开(公告)号：CN115294038A

公开(公告)日：2022-11-04

申请号：CN202210884549.6

申请日：2022-07-25

Applicant: 河北工业大学

Inventor： 董永峰 ,  孙松毅 ,  王振 ,  齐巧玲 ,  王利琴

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/26 ,  G06V10/32 ,  G06V10/42 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于分割‑分类两段式的缺陷检测方法，针对两段式缺陷检测算法特征提取能力不足问题，提出基于混合注意力特征融合模块，并集成于编码器‑解码器结构的分割网络中，使模型更好的利用全局上下文信息，并利用所提取的深层特征重构像素级分割图。此外，本发明提出一种多感受野空间注意力模块，利用空洞卷积带来的增强感受野提取空间注意力权重，有效增强模型对微小特征的提取能力。针对两段式缺陷检测模型训练效率低下的问题，本发明提出一种联合优化框架，利用所构建的联合损失函数使模型进行端到端训练。实验表明，本发明所提出的改进能够有效提升缺陷任务的检测精度。

公开(公告)号：CN119886263A

公开(公告)日：2025-04-25

申请号：CN202510049484.7

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 王振 ,  张奥甜 ,  李鹏飞 ,  常雪莹 ,  李英双 ,  齐巧玲 ,  程昊 ,  董永峰

IPC: G06N3/084 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明提供了一种双重平滑驱动的标签噪声鲁棒学习方法，包括如下步骤：获取带有噪声的数据集；初始化两个网络和各项参数；搭建模型与损失函数；将数据集输入两个网络中进行初始训练；每次迭代训练前对标签进行平滑处理；通过样本选择方法将原始数据集划分为伪干净数据集和伪噪声数据集；将伪干净数据集分别输入对方网络训练；将伪噪声数据集做损失平滑后输入对方网络进行训练。本发明方法针对数据集存在噪声的问题，采用双网络模型，通过双重平滑和设计新的损失函数，使得模型对噪声标签的敏感度降低，从而提高模型在面对噪声数据时的鲁棒性和泛化能力。

公开(公告)号：CN117975520A

公开(公告)日：2024-05-03

申请号：CN202310236273.5

申请日：2023-03-13

Applicant: 河北工业大学

Inventor： 董永峰 ,  钟璨 ,  李英双 ,  王振 ,  李林昊

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V40/10

Abstract: 本发明涉及图像识别领域，公开了一种人脸面部特征的分类方法、装置、设备及存储介质，用于提高通过人脸图像进行人脸分类时的准确率。该方法包括：获取待分类图像，将待分类图像输入预置的深度残差网络进行多层特征提取，得到对应的多层特征图；通过注意力机制对待分类图像进行显著特征区域分割，确定多个局部特征图；对多层特征图进行特征融合，生成多个融合特征图；基于多个局部特征图对多个融合特征图进行权重设置，得到目标特征图；通过目标特征图对待分类图像进行类别分析，得到对应的人脸类型，并完成待分类图像的分类。

公开(公告)号：CN116523959A

公开(公告)日：2023-08-01

申请号：CN202310409494.8

申请日：2023-04-17

Applicant: 河北工业大学

Inventor： 董永峰 ,  任笑贤 ,  李林昊 ,  王振 ,  李英双

IPC: G06T7/246 ,  G06T7/194 ,  G06T7/136 ,  G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，公开了一种基于人工智能的运动目标检测方法及系统，用于提高运动目标检测的准确率，方法包括：获取初始动态视频，对所述初始动态视频中的多个初始视频帧进行背景补偿，得到多个目标视频帧；采用三帧差法，对多个目标视频帧进行运动目标检测，得到初始运动目标信息；调用预置的编码器网络，对多个目标视频帧进行特征提取，得到每个目标视频帧的深度特征；对所述初始运动目标信息和每个目标视频帧的深度特征进行多尺度卷积处理，得到融合特征；调用预置的解码器网络，对所述融合特征进行解码处理，得到二值掩膜结果，并通过所述二值掩膜结果对目标车辆在行驶过程中的运动目标进行检测，确定运动目标检测结果。

公开(公告)号：CN115641480A

公开(公告)日：2023-01-24

申请号：CN202211392565.X

申请日：2022-11-08

Applicant: 河北工业大学

Inventor： 汪鹏 ,  金硕 ,  王振 ,  李林昊 ,  李妍

IPC: G06V10/771 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于样本筛选与标签矫正的噪声数据集训练方法，属于深度学习、卷积神经网络和噪声数据集训练领域，具体地说是一种基于样本筛选与标签矫正的噪声数据集训练方法。提出了一种新的样本筛选策略，其利用基于类级特征的聚类过程来识别在特征空间中靠近其对应类中心的干净样本。该方法还提出了采用一种新的标签矫正策略，将训练标签重建为当前训练标签、特征标签以及预测标签结果的加权组合，随着训练的进行，可以将噪声标签逐渐纠正为正确的标签，这增加了干净的可用于训练的样本数量，降低了训练集的噪声强度，提高了模型的精度与鲁棒性。

公开(公告)号：CN115294177A

公开(公告)日：2022-11-04

申请号：CN202210897142.7

申请日：2022-07-28

Applicant: 河北工业大学

Inventor： 董永峰 ,  任笑贤 ,  齐巧玲 ,  李林昊 ,  王振

IPC: G06T7/254 ,  G06T7/246 ,  G06T7/194 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是基于数据分布差异与多尺度特征融合的运动目标检测方法，将快速背景减除算法与前景分割算法相结合进行运动目标检测，以达到既能找到运动目标，又能精准分割的效果。本发明首先使用帧差法和背景减法进行运动目标检测，初步提取运动特征，再使用多尺度前景提取网络得进行前景提取，最后将二者特征结果进行IOU计算，得到运动目标的二值掩膜。其次，本发明对多尺度前景提取网络进行改进，在其解码器中加入通道注意力机制，令其赋予特征图不同通道以不同权重，去除融入特征和噪声，以得到更干净的前景。本发明方法在运动目标检测主流数据集CDNet2014上进行实验，结果表明，该算法能够准确地检测出各种场景下的运动目标，且具有良好的综合性能。