-
公开(公告)号：CN109063599B
公开(公告)日：2020-11-03
申请号：CN201810769796.5
申请日：2018-07-13
Applicant: 北京大学
Abstract: 本发明公开了一种在脉冲阵列信号之间进行距离度量的方法，包括步骤：S110、将原始脉冲阵列信号和参考脉冲阵列信号分别从脉冲阵列信号域转换到脉冲阵列特征域，得到原始脉冲阵列特征和参考脉冲阵列特征；S120、在脉冲阵列特征域，计算所述原始脉冲阵列特征和所述参考脉冲阵列特征之间的差分脉冲阵列特征；S130、计算所述差分脉冲阵列特征的能量，并将其进行变换，将变换结果作为原始脉冲阵列信号和参考脉冲阵列信号之间的距离度量。由此将脉冲阵列信号的距离度量从脉冲阵列信号域扩展到脉冲阵列特征域，可以方便且高效的度量两个脉冲阵列信号的距离。
-
公开(公告)号：CN111680697A
公开(公告)日：2020-09-18
申请号：CN202010187988.2
申请日：2020-03-17
Applicant: 北京大学
Abstract: 本申请公开了一种实现领域自适应的方法、装置、电子设备及介质。其中，在基于预设的第一神经网络模型，对样本图像进行至少两个样本图像特征提取后，可以利用至少两个样本图像特征，得到至少两个难度因子，该难度因子为样本图像特征与目标图像特征之间的特征距离，并利用至少两个难度因子，获取损失函数，进而根据该损失函数以及随机梯度下降法，实现目标领域自适应。通过应用本申请的技术方案，可以利用原有的样本图像数据中的图像特征生成对应的难度因子，并根据难度因子的不同进行对应强度的特征对齐。从而使得神经网络模型无法区分源域样本和目标域样本，进而达到覆盖源域和目标域的特征表示的目的。从而实现神经网络模型的领域自适应。
-
公开(公告)号：CN110430340B
公开(公告)日：2020-08-25
申请号：CN201910577862.3
申请日：2019-06-28
Applicant: 北京大学
IPC: H04N5/213
Abstract: 本发明公开了一种脉冲阵列信号的降噪方法，包括：对待去噪脉冲的空间邻域和时间戳邻域上的脉冲阵列信号的发放特性进行建模，建立脉冲阵列信号的发放特性模型，提取脉冲阵列信号时空分布特征；根据脉冲阵列信号中的噪声分布特性，构建时空滤波器，对提取的特征进行滤波；根据所述发放特性模型，把滤波后的脉冲时空分布特征还原为脉冲阵列信号。本发明充分考虑了噪声在脉冲阵列信号中的时空分布特征，对其在时域上的传递性、空域上的随机性进行建模，结合脉冲本身代表的物理意义，构建时空滤波器对脉冲信号进行高效去噪，效率高，降噪效果好。
-
公开(公告)号：CN110087099B
公开(公告)日：2020-08-07
申请号：CN201910181133.6
申请日：2019-03-11
IPC: H04N21/2347 , H04N5/913 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种保护隐私的监控方法和系统，系统包括：监控感知模块、特征提取模块和异常行为/事件检测模块；所述监控感知模块，用于获取监控场景的监控感知数据；所述特征提取模块，用于提取所述监控感知数据的实时特征流，并将所述实时特征流发送给异常行为/事件检测模块；所述异常行为/事件检测模块，用于将所述实时特征流输入预训练的深度神经网络模型，检测异常行为/事件。本发明具有特征数据量小，传输快等优点，以实时特征流代替视频，一定程度保护了隐私；本发明的摄像头软件可定义，模型可以按照需求更新，适用范围广，可扩展性强；本发明的特征变换能够保证特征数据传输过程的安全性，避免云端泄露特征数据以及判断结果；本发明具有云端计算力。
-
公开(公告)号：CN106778583B
公开(公告)日：2019-12-17
申请号：CN201611117935.3
申请日：2016-12-07
Abstract: 本发明提供了一种基于卷积神经网络的车辆属性识别方法。该方法主要包括：利用样本图像训练卷积神经网络，获取待识别车辆的图像，利用训练好的卷积神经网络识别所述车辆的图像，获取车辆的车型、车身颜色及驾驶员异常行为属性。本发明提供的车辆属性识别方法可以在获取到待识别车辆图像后，无需用户自己设计特征，可以直接利用预先训练好的卷积神经网络直接提取深度特征，进行车型识别、车身颜色识别及驾驶员异常行为识别。
-
Patent Agency Ranking
公开(公告)号：CN110457503A
公开(公告)日：2019-11-15
申请号：CN201910701690.6
申请日：2019-07-31
Applicant: 北京大学
Abstract: 本发明公布了一种快速优化深度哈希图像编码方法及目标图像检索方法，基于贪心策略，针对大型图像数据集，建立哈希图像编码模型，通过优化后得到的深度哈希编码网络生成所有图像的二值编码。在进行目标图像检索时，可通过计算查询图像编码和数据库图像编码之间的汉明距离，迅速得到查询图像的同类相似图像。本发明方法结合神经网络更好地解决了梯度消失和量化误差问题，编码性能更优；用更少的迭代次数完成深度网络的训练过程，训练速度更快；能应用于各种带离散约束的问题，应用范围更广；进一步提高深度神经网络的优化速度和所生成图像编码的检索性能，有效提高了大型图像数据库的检索精度。
-
公开(公告)号：CN106295594B
公开(公告)日：2019-10-15
申请号：CN201610681599.9
申请日：2016-08-17
Applicant: 北京大学
Abstract: 本发明提供了一种基于动态路径树的跨摄像头目标跟踪方法及装置，该方法包括：对预先构建的摄像头网络中任一摄像头视角范围内的指定目标进行单摄像头目标跟踪，直至所述指定目标离开当前摄像头的视角范围；根据目标搜索区域切换算法获得当前需要搜索的摄像头列表；对所述摄像头列表中的所有摄像头的视频数据进行对象检测，并采用视觉相似度匹配算法，筛选出视觉外观与所述指定目标的相似度大于预设阈值的可疑目标；根据动态路径树模型对所述可疑目标进行处理，推断出所述指定目标的运动轨迹。本发明在尽可能小的计算资源开销下能够较为准确的进行跨摄像头目标跟踪，能够更加准确的预测路径。
-
公开(公告)号：CN109884588A
公开(公告)日：2019-06-14
申请号：CN201910040980.0
申请日：2019-01-16
Applicant: 北京大学
Abstract: 一种脉冲序列的距离度量方法及系统。其中，所述方法包括：计算脉冲序列中每相邻两个脉冲信号之间的时间差值；根据所述时间差值获得所述脉冲序列对应的光强信息；根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。所述系统包括：脉冲传感器阵列以及处理器；其中，所述处理器具体包括：光照强度计算模块和脉冲序列计算模块。本发明通过对基于脉冲序列传感器而获得的脉冲序列信号产生方式的分析，将两个脉冲序列转换为对应的光照强度的变化，从而对两个脉冲序列的距离进行准确估量，进而用于为检测、跟踪、压缩等算法的设计，以及后续脉冲阵列信号的分析、编码工作提供了基础。
-
公开(公告)号：CN109831672A
公开(公告)日：2019-05-31
申请号：CN201910020716.0
申请日：2019-01-09
Applicant: 北京大学
IPC: H04N19/51 , H04N19/513 , H04N19/169 , H04N19/56 , H04N19/557 , H04N19/527 , H04N19/567 , H04N19/96
Abstract: 本发明提供了一种时空脉冲阵列的运动估计方法，该方法包括以下步骤：将所述时空脉冲阵列划分成编码立方体；依据当前编码立方体的特征信息，确定时域和空域的搜索范围及搜索起始点；将所述时空脉冲阵列内的所有脉冲信号在空间平面投影，再进行距离度量和匹配分析；通过当前编码立方体与参考立方体的匹配阈值判断是否提前终止搜索，若小于阈值则提前终止所述搜索，否则继续搜索直至超出搜索范围；筛选最佳参考立方体；输出时空脉冲阵列的运动估计编码信息。本发明可有效地获取高精度的运动矢量，同时加速了运动估计搜索过程，以解决时空脉冲阵列编码信号中运动估计的编码性能局限及时间耗时长的问题。
-
公开(公告)号：CN105740903B
公开(公告)日：2019-01-25
申请号：CN201610066517.X
申请日：2016-01-29
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明公开了一种多属性识别方法及装置，所述方法包括：对预设训练数据进行字典学习，得到包括字典矩阵和系数转化矩阵的属性识别模型；其中，预先训练数据为包含预设种类属性且标注好属性信息的训练数据；获取待识别样本的特征数据；利用所述字典矩阵对所述特征数据进行编码，得到编码系数；利用所述系数转化矩阵将所述编码系数转化为属性向量；利用所述属性向量对所述待识别样本进行多属性识别。本发明所述的多属性识别方法在训练过程中不需要对每个属性进行单独分类训练，且在识别过程中不需要对每个属性进行单独分类识别，而是通过一次识别得到所有的属性识别结果，因而本发明所述的方法在实际应用中会方便很多。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.065 seconds)
