-
公开(公告)号：CN114372176A
公开(公告)日：2022-04-19
申请号：CN202210279373.1
申请日：2022-03-22
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06F16/903 , G06F16/906
Abstract: 本申请涉及一种棋谱纠正方法及设备，方法包括：获取初始待纠正棋谱，基于chess库引擎，依次判断初始待纠正棋谱中的棋步是否合法。在当前棋步不合法时，基于chess库引擎，对初始待纠正棋谱中不合法棋步进行纠正，得到次代待纠正棋谱集合，此时完成一次棋谱的纠正循环，并将次代待纠正棋谱集合中的棋谱作为下次循环的待纠正棋谱进行纠正。在对全部棋步纠正完成后，获取最后一次循环时得到的最终纠正棋谱集合，在最终纠正棋谱集合中，确定初始待纠正棋谱对应的正确棋谱。本申请中，基于chess库引擎对棋步是否合法进行判断和纠正，可能会产生多个纠正后的最终棋谱，所以本申请中需要在最终纠正棋谱集合中确定初始待纠正棋谱对应的正确棋谱。
-
公开(公告)号：CN113221778A
公开(公告)日：2021-08-06
申请号：CN202110546506.2
申请日：2021-05-19
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请涉及一种手写表格的检测与识别方法及装置，手写表格的检测与识别方法包括获取表格图像，在表格图像中获取白色连通域信息，根据白色连通域信息确定多个白色连通域的外接矩形框，统计各个外接矩形框的面积大小及数量，根据各个外接矩形框的面积大小及数量筛选出单元格内容的连通域，根据单元格内容的连通域检测识别表格结构。本申请对获取的表格图像质量要求低，简单易操作，并且通过各个外接矩形框的面积大小及数量筛选出单元格内容的连通域，在文字与表格框出现粘连时仍能有效识别且识别准确性高。
-
公开(公告)号：CN110148468B
公开(公告)日：2021-06-29
申请号：CN201910382834.6
申请日：2019-05-09
Applicant: 北京航空航天大学
Abstract: 本发明提供的一种动态人脸图像重建的方法及装置，针对动态人脸图像以呈现高层次视觉特征信息为主的特点、不同属性面部特征是由不同的高级认知脑区负责加工的特性，采用三种不同属性高级特征信息，利用三种不同的高级认知脑区，获取到对应人脸三种不同属性高级特征信息的第一类神经响应数据、第二类神经响应数据和第三类神经响应数据，同时构建不同的高级认知脑区与动态人脸从视觉图像空间到脑感知空间的模型，以及模型之间的多维映射关系，获取到人脸基础图像、人脸表情图像和人脸身份图像，来实现多维度面部特征的重建，获取到动态人脸图像，可以重建一些患者感知到的动态人脸图像，使我们对精神疾病的认知障碍机理有更深入的理解和认知。
-
公开(公告)号：CN110148194B
公开(公告)日：2021-03-16
申请号：CN201910375952.4
申请日：2019-05-07
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种图像重建方法和装置。本发明的图像重建方法包括：利用主成分分析方法PCA获取神经信号的特征坐标，所述神经信号用于重建图像；根据所述神经信号的特征坐标，获取所述神经信号的特征编码，其中，所述特征编码用于指示所述神经信号对应的真实图像的特征，所述真实图像为通过视觉看到的物体的图像；根据所述特征编码和预设的生成式对抗网络中的图像生成模型，进行图像重建，获取所述神经信号对应的重建图像。解决了PCA对神经信号进行图像重建时，重建出来的图像与真实图像相似度不高，且重建图像存在伪影的问题，提高了重建图像的准确性和清晰度。
-
公开(公告)号：CN112465700A
公开(公告)日：2021-03-09
申请号：CN202011352178.4
申请日：2020-11-26
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于深度聚类的图像拼接定位装置，包括非对称双流网络模块以及对应的特征对齐模块，用于将大尺寸的图像输入神经网络并同时保留全局信息和局部高频信号，使不同空间的特征在后续能够进行特征融合；表征自适应模块，用于自适应的对拼接图像的区域进行分割；语义引导的特征融合模块，用于利用图像的低频语义信息对高频信息生成的结果进一步细化。本发明针对图像拼接任务设计了端到端的图像拼接定位装置，能够更有效的应对图像拼接检测任务，提高图像造假的难度。
-
Patent Agency Ranking
公开(公告)号：CN112084869A
公开(公告)日：2020-12-15
申请号：CN202010794953.5
申请日：2020-08-10
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于紧致四边形表示的建筑物目标检测方法，特征提取网络通过特征金字塔结构获得丰富的多尺寸的特征信息；建议区域生成网络获得感兴趣区域；正矩形边界框分支在特征金字塔结构的不同尺寸的特征图上进行正矩形边界框分类任务和回归任务；紧致四边形边界框分支生成建筑物目标的紧致四边形边界框，并由此精确定位出遥感影像中建筑物目标的轮廓。本发明提供的上述建筑物目标检测方法，不仅可以避免生成不规则的外形，还可以保持一定结构的外形约束性。通过实验可以证明，本发明提供的上述建筑物目标检测方法，不仅能够提取到更多的建筑物目标的节点和更准确的边缘特征信息，还能够得到更精确的检测结果。
-
公开(公告)号：CN112084362A
公开(公告)日：2020-12-15
申请号：CN202010789986.0
申请日：2020-08-07
Applicant: 北京航空航天大学
IPC: G06F16/583 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于层次化特征互补的图像哈希检索方法，可应用于大规模的基于内容的图像检索，是一种能同时有效地提取图像的低层细节信息和高层语义信息且充分利用图像的全局特征和局部特征的算法。本发明同时提取出卷积神经网络中的低层特征图和高层特征图，可以获取图像的低层信息和高层信息，引入注意力模块，可以减少低层特征图中噪声的干扰，确保低层特征图的有效性，在卷积神经网络的高层特征图中添加多尺度特征融合，聚合不同区域的上下文信息，可以提高卷积神经网络获取局部细节信息的能力，通过对不同层次的信息进行增强后融合，可以保证模型能够充分地提取到图像丰富而复杂的内容，让哈希码能够更好地保留图像之间的相似性。
-
公开(公告)号：CN110148468A
公开(公告)日：2019-08-20
申请号：CN201910382834.6
申请日：2019-05-09
Applicant: 北京航空航天大学
Abstract: 本发明提供的一种动态人脸图像重建的方法及装置，针对动态人脸图像以呈现高层次视觉特征信息为主的特点、不同属性面部特征是由不同的高级认知脑区负责加工的特性，采用三种不同属性高级特征信息，利用三种不同的高级认知脑区，获取到对应人脸三种不同属性高级特征信息的第一类神经响应数据、第二类神经响应数据和第三类神经响应数据，同时构建不同的高级认知脑区与动态人脸从视觉图像空间到脑感知空间的模型，以及模型之间的多维映射关系，获取到人脸基础图像、人脸表情图像和人脸身份图像，来实现多维度面部特征的重建，获取到动态人脸图像，可以重建一些患者感知到的动态人脸图像，使我们对精神疾病的认知障碍机理有更深入的理解和认知。
-
公开(公告)号：CN110148194A
公开(公告)日：2019-08-20
申请号：CN201910375952.4
申请日：2019-05-07
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种图像重建方法和装置。本发明的图像重建方法包括：利用主成分分析方法PCA获取神经信号的特征坐标，所述神经信号用于重建图像；根据所述神经信号的特征坐标，获取所述神经信号的特征编码，其中，所述特征编码用于指示所述神经信号对应的真实图像的特征，所述真实图像为通过视觉看到的物体的图像；根据所述特征编码和预设的生成式对抗网络中的图像生成模型，进行图像重建，获取所述神经信号对应的重建图像。解决了PCA对神经信号进行图像重建时，重建出来的图像与真实图像相似度不高，且重建图像存在伪影的问题，提高了重建图像的准确性和清晰度。
-
公开(公告)号：CN103279768B
公开(公告)日：2018-02-06
申请号：CN201310214506.8
申请日：2013-05-31
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于增量学习人脸分块视觉表征的视频人脸识别方法，属于模式识别领域。本方法使用Adaboost算法在人脸视频第一帧的正面人脸图像进行检测，使用Camshift算法进行跟踪，得到所有人脸图像，在读入视频过程中，对人脸图像进行增量聚类，并从每类人脸图像中选取代表；对代表图像进行处理，学习基于块视觉表征的视觉词典；使用视觉词典对人脸图像进行表征；最后根据相似矩阵对人脸图像构成的视频进行识别。本发明方法能够提高视频人脸在光照、姿态，以及跟踪结果不理想状态下的识别率和鲁棒性，能够有效、便捷、自动地检测、跟踪和识别视频中的人脸。
-
-
-
-
-
-
-
-
-
Search Results
184
records
(took 0.06 seconds)
