公开(公告)号：CN104198989A

公开(公告)日：2014-12-10

申请号：CN201410472019.6

申请日：2014-09-16

Applicant: 北京邮电大学

Inventor： 赵啸宇 ,  马占宇

IPC: G01S5/02

CPC classification number: G01S5/0257

Abstract: 本发明实施例公开了一种基于照明光源和Wi-Fi信号的混合模式室内定位方法。该方法包括如下步骤：光信息发射步骤：房间号与LED灯的ID信息的广播发射；基准数据采集步骤：将LED灯的ID信息、Wi-Fi信号强度分布预先存到手机终端；Wi-Fi初步定位步骤：接收到的Wi-Fi信号强度数据与已采集的数据匹配，可确定使用者所处房间区域；可见光再次定位步骤：用光信息接收模块接收并处理光信息，预处理后的光信息再次处理后与初步定位得到的房间区域内所有ID信息比对，确定使用者所处的室内的具体位置并将该位置显示在手机屏幕上。利用本发明实施例，能够提高室内定位精准性，节约照明能耗，具有很大的实用价值。

公开(公告)号：CN103871411A

公开(公告)日：2014-06-18

申请号：CN201410134694.8

申请日：2014-04-03

Applicant: 北京邮电大学

Inventor： 马占宇 ,  齐峰 ,  张洪刚

IPC: G10L17/02 ,  G10L17/04

Abstract: 本发明实施例公开了一种基于线谱频率差值的文本无关的说话人鉴别方法。该方法包括如下步骤：特征提取步骤：将线谱频率参数通过线性变换转化为线谱频率参数差值，结合当前帧和其前后相邻两帧形成一个生成线谱频率特征超向量；模型训练步骤：使用超狄利克雷混合模型模拟特征超向量的分布,并解出模型中的参数；鉴别步骤：对待鉴别人的语音序列按照步骤一提取特征，再输入步骤二所得到的模型，计算针对每个概率模型的似然值，获取最大似然值，确认说话人编号。利用本发明实施例，能够提高文本无关的说话人鉴别率，具有很大的实用价值。

公开(公告)号：CN113688671B

公开(公告)日：2024-07-19

申请号：CN202110797750.6

申请日：2021-07-14

Applicant: 公安部物证鉴定中心 ,  北京邮电大学 ,  北京警察学院

Inventor： 汪京晔 ,  郑一啸 ,  韩柯 ,  马荣梁 ,  陈俊含 ,  熊巍钰 ,  马占宇 ,  吴浩 ,  吴春生

IPC: G06V40/13 ,  G06V10/764

Abstract: 本发明公开了一种指纹相似度的计算方法、装置、存储介质及终端，所述方法包括：基于预设指纹库生成相似度统计文件；获取并预处理第一指纹与第二指纹，生成目标指纹、第一指纹的特征信息文件与第二指纹的特征信息文件；将目标指纹进行扇区分块，生成多个扇区指纹；根据特征信息文件统计多个扇区指纹中各扇区特征点数量，生成第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量；基于相似度统计文件、第一指纹的各扇区特征点数量与第二指纹的各扇区特征点数量计算第一指纹与第二指纹之间的相似度。因此，采用本申请实施例，可以提升指纹鉴定结果的准确性。

公开(公告)号：CN117636345A

公开(公告)日：2024-03-01

申请号：CN202311352592.9

申请日：2023-10-18

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  王鑫然 ,  张海雯 ,  马占宇

IPC: G06V20/70 ,  G06V10/82 ,  G06V10/86 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/08

Abstract: 本公开提供一种视觉信息的处理方法、装置、电子设备和存储介质。涉及计算机视觉技术领域。上述方法包括：获取目标图像，以及多个视觉属性所对应的多个语义特征；通过视觉属性识别模型，执行如下识别视觉属性的操作：对所述多个语义特征进行关联，以确定同类别的语义特征存在的至少两个层级；提取所述目标图像的视觉特征；根据所述视觉特征和关联后的语义特征，识别所述目标图像是否存在所述至少两个层级的所述多个视觉属性。本公开可以对输入模型的语义特征进行层级化，以加强特征之间的联系，有助于提高基于特征的预测准确度。并且，本公开可以通过对预测结果进行层级化，丰富所预测的视觉属性信息，有助于让所预测的信息更加准确。

公开(公告)号：CN117392744A

公开(公告)日：2024-01-12

申请号：CN202311220139.2

申请日：2023-09-20

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  马占宇 ,  井一诺 ,  张如许

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F40/284 ,  G06N3/0455

Abstract: 本申请公开了一种基于提示学习的视频行为识别方法、装置、设备及介质，方法包括：将待识别的视频以及多个类别文本标签输入第一改进的CLIP模型，得到视频中的动物类别特征；将待识别的视频以及多个类别文本标签输入第二改进的CLIP模型，得到视频中动物的第一视频特征和第一文本特征；将动物类别特征、第一视频特征和第一文本特征输入预设的类别提示生成算法，得到添加类别提示的第二视频特征和第二文本特征；根据第二视频特征和第二文本特征计算每个类别文本标签的预测概率，根据预测概率最大的类别文本标签得到动物行为类别。根据本申请的视频行为识别方法，可以为视频中的动物行为生成精确的文本描述，行为识别更加准确，且具有良好的泛化能力和实用性。

公开(公告)号：CN117237697A

公开(公告)日：2023-12-15

申请号：CN202310960507.0

申请日：2023-08-01

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  马占宇 ,  关曼丹 ,  喻雯晴 ,  郭玉荣

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本公开涉及一种小样本图像检测方法、系统、介质及设备，方法包括：向图像检测模型中输入样本数据并对所述样本数据进行数据增强得到增强后的增强数据；从所述增强数据中利用卷积神经网络提取特征向量；生成用于分类器检测和定位目标的第一区域候选框，对所述第一区域候选框进行降采样得到第二区域候选框并根据所述第二区域候选框的坐标提取出所述特征向量中的特征；利用多层全连接网络对传入的特征进行分类和回归，以得到预测目标的位置和标签；计算图像检测模型的损失并更新图像检测模型的参数。不同于传统的基于候选框的预测方法：单个候选框预测单个实例。针对不同程度的遮挡问题进行算法的优化：在生成候选框之后，为每个候选框预测一组实例。

公开(公告)号：CN115713669B

公开(公告)日：2023-12-05

申请号：CN202211373788.1

申请日：2022-11-04

Applicant: 北京邮电大学 ,  北京工业大学

Inventor： 梁孔明 ,  童煜钧 ,  常东良 ,  马占宇 ,  杨震 ,  李童

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于类间关系的图像分类方法、装置、存储介质及终端，方法包括：获取待识别目标图像；将待识别目标图像输入预先训练的图像分类模型中；预先训练的图像分类模型是根据已知图像类别样本和未知图像类别样本训练生成的，已知图像类别样本和未知图像类别样本是根据目标域图像特征对目标域图像数据进行类间关系分离处理生成的；输出待识别目标图像对应的多个类别概率值，根据多个类别概率值确定待识别目标图像的最终类别。由于本申请充分利用了类间关系，能够有效的将未知类别图像从目标域图像数据中分离出来，解决了负向迁移问题，使域自适应技术在开集条件下也能工作，使得未知类别样本特征更具判别力，能高效地识别未知类别的图片。

公开(公告)号：CN115937516B

公开(公告)日：2023-10-03

申请号：CN202211458456.3

申请日：2022-11-21

Applicant: 北京邮电大学 ,  北京工业大学

Inventor： 马占宇 ,  郑一啸 ,  梁孔明 ,  黄秋梅 ,  徐大川

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种图像语义分割方法、装置、存储介质及终端，方法包括：获取并预处理待处理手绘草图数据，生成手绘草图数据的图结构表示；将手绘草图数据的图结构表示输入预先训练的图像语义分割模型中；预先训练的图像语义分割模型是通过根据模型训练样本生成的特征向量训练的，特征向量是将时序信息中所含的序列信息编码到初始特征向量中生成，时序信息和初始特征向量是基于模型训练样本生成；根据预先训练的图像语义分割模型计算并输出待处理手绘草图数据的语义分割结果。本申请在模型训练的过程中可以引导模型关注图像时序信息并将其中蕴含的序列信息编码进提取到的特征向量中，进而强化了模型对图像的特征提取能力，从而提升了语义分割精度。

公开(公告)号：CN116091867B

公开(公告)日：2023-09-29

申请号：CN202310063908.6

申请日：2023-01-12

Applicant: 北京邮电大学

Inventor： 马占宇 ,  郭玉荣 ,  杜若一 ,  梁孔明

IPC: G06V10/774 ,  G06V10/764

Abstract: 本申请提供了一种模型训练、图像识别方法、装置、设备及存储介质，所述方法包括：在源域数据集中随机获取多个图像插曲；构建任务感知的自适应学习网络模型；将所述图像插曲输入所述自适应学习网络模型，得到所述图像插曲中的支持样本与查询样本的特征图；根据所述支持样本与所述查询样本的特征图确定分类损失，根据所述图像插曲与目标域数据集的域偏移确定自适应损失，根据所述分类损失与所述自适应损失确定整体损失；根据所述整体损失调整所述自适应学习网络模型，直至所述整体损失收敛为止。本申请中，通过将域偏移引入损失函数，从而使得训练后的模型可以兼顾具备不同域偏移的目标数据集，达到更准确的图像识别效果。

公开(公告)号：CN116563607A

公开(公告)日：2023-08-08

申请号：CN202310382101.9

申请日：2023-04-11

Applicant: 北京邮电大学

Inventor： 常东良 ,  杨妤祺 ,  童煜钧 ,  杜若一 ,  梁孔明 ,  马占宇

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请涉及一种基于跨数据集信息挖掘的细粒度图像识别方法与装置。所述方法包括：获取目标细粒度图像；将目标细粒度图像输入训练好的细粒度图像识别神经网络，其中，细粒度图像识别神经网络包括特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块，特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块均为基于跨数据集信息预先训练的；训练好的细粒度图像识别神经网络输出与目标细粒度图像对应的识别结果。本申请通过基于跨数据集信息预先训练的细粒度图像识别神经网络对目标细粒度图像进行识别，因为训练过程学习到了不同数据集之间的正负迁移，也平衡了跨数据集的正负迁移，从而提升了识别精准度。