-
公开(公告)号：CN110276402B
公开(公告)日：2021-06-11
申请号：CN201910552738.1
申请日：2019-06-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习语义边界增强的盐体识别方法，本发明除了关注语义图像的识别功能，同样也对语义边界的提取进行了训练，增强语义图像的识别效果。由于网络获得了边界提取的相关能力，模型输出的语义图像边界会因此变得更加清晰，增加准确率。而且语义边界识别的特征也会直接显示地输入到语义图像提取的过程之中，以对盐体识别结果进行直接的监督与加强。语义图像提取网络中的注意力模块scSE也让模型在训练过程中自行学习，获取每个特征的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征，显式地建模特征通道之间的相互依赖关系，也让模型更加稳定。本方法可以比较高效准确的对地质盐层图像进行分割。
-
公开(公告)号：CN112614113A
公开(公告)日：2021-04-06
申请号：CN202011569750.2
申请日：2020-12-26
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于深度学习的带钢缺陷检测方法，基于U‑Net的编码器，编码器通过反复的卷积操作提取图像中的特征，并进行五次下采样操作，提取不同尺度的特征。解码器部分与编码器对称，接受了编码器的输出，进行五次上采样，并且每次上采样得到的结果会与编码器同尺度的特征图进行拼接。下采样前使用高斯低通滤波器，去除其中的高频信息，防止因特征图原频率过高，出现混叠现象，导致特征图出现偏差。被去除的高频信息中蕴含了原图的细节信息，这些细节信息对带钢小型缺陷的检测至关重要，直接舍弃会影响效果。本方法将这些高频信息进一步加回到模型解码器的特征图上，产生更精细的分割效果。
-
-
公开(公告)号：CN109741347B
公开(公告)日：2021-03-16
申请号：CN201811645917.1
申请日：2018-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络的迭代学习的图像分割方法，基于U‑Net模型，针对病理图像语义分割模型训练过程，提出新的损失计算方式和迭代训练的方法。该方法通过改进模型中损失函数的计算方式，调整求解的目标函数。提出利用模型预测区域与标注区域相补的思想，通过迭代训练，进一步修补不完全、不确切监督区域，得到标注更加精细的样本，从而完成更高精度的语义分割。这种针对不完全、不确切监督问题提出的新的模型学习方法，具有较强的鲁棒性，因而能更好的分割病变区域。在相同训练模型、相同数据集的情况下，采用本方法，相比原始模型能提升0.4‑0.8左右的精度，在比赛、科研的领域中，具有显著的作用。
-
公开(公告)号：CN112232543A
公开(公告)日：2021-01-15
申请号：CN202010895383.9
申请日：2020-08-31
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于图卷积网络的多站点预测方法，获取相关大气能见度数据，再数据获取之后对这些数据进行清洗。并进行预处理。基于图卷积网络的预测模型，对照实验使用相同配置进行预测，最终对比结果。本发明基于图卷积网络进行改进，利用图卷积处理非欧数据的优势，提出了在空间和时间维度的特征提取工作，之后引入注意力机制来提升模型效果的原因。通过实验准确性对比结果可以得出，本发明提出的方法在多站点大气能见度预测上相较于其他模型有一定的提升。
-
Patent Agency Ranking
公开(公告)号：CN108898175B
公开(公告)日：2020-11-20
申请号：CN201810665639.X
申请日：2018-06-26
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了基于深度学习胃癌病理切片的计算机辅助模型构建方法，属于人工智能技术领域。本方法使用了一个121层稠密连接卷积神经网络进行图像的识别。DenseNet中的稠密块结构让网络的高层部分获取到浅层特征，很好地减轻过拟合现象。同时该模型层数较多，能拟合出更为复杂、更加光滑的决策函数。尽管层数很多，但该模型的参数数量并不多，很好地节约了资源占用。为进一步避免过拟合，采用了迁移学习的训练机制。模型会先在ImageNet数据集上进行预训练，让模型获得很强的图像特征提取能力，在正式训练时模型的主要优化就能更好地集中在如何提取患病区域的特征，极大地提高数据的利用效率。
-
公开(公告)号：CN110615531A
公开(公告)日：2019-12-27
申请号：CN201910871105.7
申请日：2019-09-16
Applicant: 北京工业大学
IPC: C02F3/30 , C02F3/34 , C02F101/10 , C02F101/16 , C02F101/30
Abstract: 一种基于DEAMOX污泥双回流AOAO污水深度脱氮除磷的装置与方法属于市政污水生物领域。生活污水和二沉池的回流污泥进入AOAO反应器的厌氧区，首先反硝化菌进行短程反硝化，将回流污泥中的硝态氮还原为亚硝态氮，然后厌氧氨氧化菌将氨氮和亚硝态氮转化为氮气，而后聚磷菌与反硝化聚磷菌厌氧释磷并贮存内碳源；随后部分混合液进入AOAO反应器的中间好氧区，进行吸磷和硝化反应，另一部分混合液进入AOAO反应器的缺氧区，与此同时中间好氧区的全部混合液与二沉池部分回流污泥进入缺氧区，利用污泥厌氧段贮存的内碳源与回流污泥中的内碳源发生短程反硝化、厌氧氨氧化、反硝化除磷，然后混合液进入后置好氧区，随后进入二沉池进行泥水分离。本发明实现深度脱氮除磷。
-
公开(公告)号：CN110276402A
公开(公告)日：2019-09-24
申请号：CN201910552738.1
申请日：2019-06-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习语义边界增强的盐体识别方法，本发明除了关注语义图像的识别功能，同样也对语义边界的提取进行了训练，增强语义图像的识别效果。由于网络获得了边界提取的相关能力，模型输出的语义图像边界会因此变得更加清晰，增加准确率。而且语义边界识别的特征也会直接显示地输入到语义图像提取的过程之中，以对盐体识别结果进行直接的监督与加强。语义图像提取网络中的注意力模块scSE也让模型在训练过程中自行学习，获取每个特征的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征，显式地建模特征通道之间的相互依赖关系，也让模型更加稳定。本方法可以比较高效准确的对地质盐层图像进行分割。
-
公开(公告)号：CN110070224A
公开(公告)日：2019-07-30
申请号：CN201910320607.0
申请日：2019-04-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多步骤递归预测的空气质量预测方法，该方法包括如下步骤：获取空气质量数据和天气数据并预处理，构建输入数据和输出数据。编码器的输入数据包括污染物数据和历史气象数据。解码器的输入数据包括编码器的输出结果，气象预报数据，和上一时刻的污染物数据。将数据分割为训练数据和测试数据。使用训练数据对Seq2Seq模型进行训练：使用测试数据测试预测结果。本发明使用Seq2Seq模型对空气质量进行预测。使用全连接层代替编码器的RNN，并且使用位置编码保留输入序列的时序关系，从而达到保持预测精度的同时加速训练的效果，可以有效减少误差积累从而提高预测精度。
-
公开(公告)号：CN108898175A
公开(公告)日：2018-11-27
申请号：CN201810665639.X
申请日：2018-06-26
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K2209/05
Abstract: 本发明公开了基于深度学习胃癌病理切片的计算机辅助模型构建方法，属于人工智能技术领域。本方法使用了一个121层稠密连接卷积神经网络进行图像的识别。DenseNet中的稠密块结构让网络的高层部分获取到浅层特征，很好地减轻过拟合现象。同时该模型层数较多，能拟合出更为复杂、更加光滑的决策函数。尽管层数很多，但该模型的参数数量并不多，很好地节约了资源占用。为进一步避免过拟合，采用了迁移学习的训练机制。模型会先在ImageNet数据集上进行预训练，让模型获得很强的图像特征提取能力，在正式训练时模型的主要优化就能更好地集中在如何提取患病区域的特征，极大地提高数据的利用效率。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.036 seconds)
