知搜-全球专利检索

  1. Login
  2. Sign Up

Search Results

15 records (took 0.034 seconds)

    基于联合对抗迁移学习的害虫图像识别方法
    2.
    发明公开
    基于联合对抗迁移学习的害虫图像识别方法 审中-实审

    公开(公告)号：CN116681954A

    公开(公告)日：2023-09-01

    申请号：CN202310804912.3

    申请日：2023-07-03

    Applicant: 北京林业大学

    Inventor： 张长春 ,  张军国 ,  葛永泰

    IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/094 ,  G06T3/00 ,  G06N3/096

    Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于联合对抗迁移学习的害虫图像识别方法，包括以下步骤：步骤S1,对开源农林业害虫数据集进行风格化处理，形成迁移学习数据集；步骤S2,训练领域‑测试领域包含源域、风格域以及空白域三个域的所有组合；步骤S3,在领域对抗神经网络中引入中心感知约束；步骤S4,在标签识别器最后的全连接层中引入相关对齐约束。本发明通过联合对抗迁移学习的害虫图像分类算法方法，可以较好解决负迁移对害虫分类准确性的影响问题,进而实现了农林业害虫的有效识别。

    一种真实场景下野生动物姿态估计方法
    3.
    发明授权
    一种真实场景下野生动物姿态估计方法 有权

    公开(公告)号：CN117912116B

    公开(公告)日：2024-07-02

    申请号：CN202410101315.9

    申请日：2024-01-24

    Applicant: 北京林业大学

    Inventor： 张军国 ,  付立敏 ,  田野 ,  张长春 ,  刘京奇

    IPC: G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/09

    Abstract: 本发明公开了一种真实场景下野生动物姿态估计方法，属于野生动物监测保护技术领域。本发明旨在对复杂环境下的动物姿态进行估计，能够适用于大部分真实场景，有效避免了对数据集的重复训练，具体包括：S1、构建动物姿态估计图像的数据集，并基于风格迁移对所构建的数据集进行处理；S2、基于组白化操作，构建基于热图生成的自由简单基线姿态估计模型，利用所述模型生成热图，利用热图完成模型训练；S3、对模型进行修正，设计坐标表征方法和热图解码方法；S4、采用轻量化的姿态估计网络解码架构，完成真实场景下野生动物姿态的估计。本发明以深度学习的野生动物姿态估计方法为主体，最终可以实现对复杂环境下野生动物的监测、调查和保护工作。

    一种真实场景下野生动物姿态估计方法
    4.
    发明公开
    一种真实场景下野生动物姿态估计方法 有权

    公开(公告)号：CN117912116A

    公开(公告)日：2024-04-19

    申请号：CN202410101315.9

    申请日：2024-01-24

    Applicant: 北京林业大学

    Inventor： 张军国 ,  付立敏 ,  田野 ,  张长春 ,  刘京奇

    IPC: G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/09

    Abstract: 本发明公开了一种真实场景下野生动物姿态估计方法，属于野生动物监测保护技术领域。本发明旨在对复杂环境下的动物姿态进行估计，能够适用于大部分真实场景，有效避免了对数据集的重复训练，具体包括：S1、构建动物姿态估计图像的数据集，并基于风格迁移对所构建的数据集进行处理；S2、基于组白化操作，构建基于热图生成的自由简单基线姿态估计模型，利用所述模型生成热图，利用热图完成模型训练；S3、对模型进行修正，设计坐标表征方法和热图解码方法；S4、采用轻量化的姿态估计网络解码架构，完成真实场景下野生动物姿态的估计。本发明以深度学习的野生动物姿态估计方法为主体，最终可以实现对复杂环境下野生动物的监测、调查和保护工作。

    一种基于域对抗特征融合网络的林火烟雾检测方法
    5.
    发明公开
    一种基于域对抗特征融合网络的林火烟雾检测方法 审中-实审

    公开(公告)号：CN116152658A

    公开(公告)日：2023-05-23

    申请号：CN202310019731.X

    申请日：2023-01-06

    Applicant: 北京林业大学

    Inventor： 张军国 ,  张长春 ,  赵雨诺

    IPC: G06V20/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

    Abstract: 本发明实施例公开了一种基于域对抗特征融合网络的林火烟雾检测方法，包括：预先构建域对抗特征融合网络；获取森林火灾烟雾图像，根据森林火灾烟雾图像建立烟雾图像数据集；用预特征融合网络对烟雾图像数据集进行特征提取，再进行特征融合；融合后的特征同时被送入标签预测器进行图像分类和对抗特征自适应网络进行域判别；对分类损失和域对抗损失进行高效的联合优化。本发明基于有监督学习方法搭建域对抗特征融合网络，通过学习更具有辨别性和环境自适应性的森林火灾烟雾特征，提高检测方法面向不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测效率和性能。

    一种基于主动学习的开放世界物种分类方法
    6.
    发明公开
    一种基于主动学习的开放世界物种分类方法 审中-实审

    公开(公告)号：CN119559443A

    公开(公告)日：2025-03-04

    申请号：CN202411733993.3

    申请日：2024-11-29

    Applicant: 北京林业大学

    Inventor： 张长春 ,  孔孜亦 ,  张军国 ,  田野 ,  葛永泰 ,  袁志浩

    IPC: G06V10/764 ,  G06V10/774 ,  G06F16/58 ,  G06N3/09

    Abstract: 本发明涉及一种基于主动学习的开放世界物种分类方法，属于物种分类技术领域；本发明包括如下内容：采用“分治”策略，结合监督学习模型和开放词汇模型的优势，通过闭集模型分类已知类别样本，同时利用开集识别引导未知类别至开放词汇零样本分类，并主动学习困难样本。随着新类别的出现和样本的累积，重新训练闭集模型并扩充分类器类别数量，使开放词汇模型和专家标签的知识周期性地更新到闭集模型中，从而将开放世界图像分类问题逐步转化为闭集分类问题。

    一种早期森林火灾烟雾检测系统及方法
    9.
    发明公开
    一种早期森林火灾烟雾检测系统及方法 审中-公开

    公开(公告)号：CN119785216A

    公开(公告)日：2025-04-08

    申请号：CN202411879903.1

    申请日：2024-12-19

    Applicant: 北京林业大学

    Inventor： 张军国 ,  刘洋 ,  张长春

    IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

    Abstract: 本发明公开了一种早期森林火灾烟雾自动检测系统及方法，属于森林火灾监测预警领域；所述系统包括YOLOv7‑Smokey小范围烟雾检测网络、PyTorch框架、TensorRT技术以及NVIDIA Jetson Nano嵌入式平台。所述方法包括：S1：通过网络和公开数据对早期森林火灾烟雾进行图像数据搜集并做数据增强；S2：制作早期森林火灾烟雾检测数据集；S3：设计YOLOv7‑Smokey主干网络并进行训练；S4：将YOLOv7‑Smokey网络模型部署到NVIDIA Jetson Nano嵌入式平台；S5：使用TensorRT技术对YOLOv7‑Smokey网络进行推理加速处理；S6：使用网络摄像头在NVIDIA Jetson Nano平台上进行实时早期森林火灾烟雾检测；S7：推理结果通过视频流推流的方式传输至服务器。本发明用于在NVIDIA Jetson Nano嵌入式平台上部署早期森林火灾烟雾检测系统，在保证检测精度的同时，确保检测的实时性并且降低运算消耗，实现了边缘化的智能检测。

Patent Agency Ranking