公开(公告)号：CN114972251B

公开(公告)日：2025-02-07

申请号：CN202210577302.X

申请日：2022-05-25

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 胡征慧 ,  周钢 ,  金一舟 ,  刘庆杰 ,  王蕴红

IPC: G06T7/00

Abstract: 本公开的实施例公开了椭圆定位数据处理方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取椭圆定位数据；确定目标能量泛函；对目标能量泛函进行转换，得到无约束待处理函数；初始化迭代次数；执行以下生成步骤：更新迭代次数；生成椭圆参数更新数据；生成椭圆定位更新数据；将椭圆参数更新数据确定为椭圆参数；将椭圆定位更新数据确定为椭圆定位数据；再次执行生成步骤；响应于迭代次数大于等于预设迭代次数和/或椭圆参数与椭圆定位数据不满足预设椭圆数值条件，将椭圆参数确定为目标椭圆参数；控制相关联的显示设备显示椭圆媒体信息。该实施方式提高了数据精度、针对不同类型噪声干扰的适应性和显示的淋巴结的准确率。

公开(公告)号：CN113850221B

公开(公告)日：2025-01-07

申请号：CN202111168498.9

申请日：2021-09-30

Applicant: 北京航空航天大学

Inventor： 刘庆杰 ,  左文航 ,  王蕴红

IPC: G06V10/62 ,  G06V40/20 ,  G06V20/40 ,  G06V10/44 ,  G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于关键点筛选的姿态跟踪方法，构建了基于关键点筛选的多人姿态跟踪模型，包含了目标检测模块、姿态估计与关键点筛选模块、匹配模块以及行人重识别模块。通过本发明的技术方案，能够解决多人姿态跟踪任务中人体关键点阈值难以调整，以及关键点识别低而引起的多目标跟踪精度(MOTA)指标低的问题。

公开(公告)号：CN118733991A

公开(公告)日：2024-10-01

申请号：CN202410758388.5

申请日：2024-06-13

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 王科 ,  胡征慧 ,  周钢 ,  刘庆杰 ,  王蕴红 ,  黄迪

IPC: G06F18/20 ,  G06N3/08 ,  G06Q30/0601

Abstract: 本公开的实施例公开了模型训练方法、推荐信息生成方法、装置、设备和介质。该方法的一具体实施方式包括：获取样本集；基于样本集执行以下训练步骤：生成各个动态用户物品模态图信息；生成对应整合用户物品模态图信息；生成节点特征信息；将各个节点特征信息输入至初始交互信息预测模型，得到交互信息；将至少一个样本中的每个样本对应的交互信息与对应的样本交互信息进行比较；根据比较结果确定初始交互信息预测模型是否达到预设的优化目标；响应于确定初始交互信息预测模型达到优化目标，将初始交互信息预测模型作为训练完成的交互信息预测模型。该实施方式提高了推荐的物品的准确性，减少了推荐网络资源以及用户查看物品时的网络资源浪费。

公开(公告)号：CN118710792A

公开(公告)日：2024-09-27

申请号：CN202410808584.9

申请日：2024-06-21

Applicant: 北京航空航天大学

Inventor： 杨鸿宇 ,  李逸晖 ,  黄迪 ,  王蕴红

IPC: G06T15/00 ,  G06T17/00 ,  G06V10/40 ,  G06T7/90 ,  G06N3/08 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0499

Abstract: 本发明涉及计算机视觉和计算机图形学技术领域，具体涉及一种基于视图依赖差异解耦的3D高斯溅射场景重建方法，包括以下步骤：确定场景数据集，所述场景数据集包括多个场景下的各场景的多个不同视角的图像；对场景数据集进行预处理；构建3D高斯重建模型，所述3D高斯重建模型包括3D高斯溅射模块、场景相关特征提取模块、颜色差异预测多层感知器和光栅化模块；对3D高斯重建模型进行训练，设置模型训练约束，迭代更新模型参数，迭代更新过程中进行局部高斯致密化和剪枝调整；将训练完成的3D高斯重建模型用于新视角图像渲染；本发明能够提高3D高斯场景重建的效果。

公开(公告)号：CN118452863A

公开(公告)日：2024-08-09

申请号：CN202410537889.0

申请日：2024-04-30

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 胡征慧 ,  高广帅 ,  刘庆杰 ,  王蕴红 ,  黄迪

IPC: A61B5/0245 ,  A61B5/349 ,  G06F18/213 ,  G06N3/045 ,  G06N3/044 ,  G06N3/0464

Abstract: 本公开的实施例公开了心律检测器、心律状态检测方法和计算机可读介质。该心律检测器包括：通信装置，被配置成获取初始心电图数据；处理器，被配置成执行以下处理：将初始心电图数据输入至预先训练好的心电图数据预处理模型，得到预处理心电图数据；对预处理心电图数据进行解析处理；将心电电压值序列、目标波峰值序列、搏动间隔序列、搏动间隔一阶差分序列确定为待提取数据；对待提取数据进行多模态特征提取处理，得到特征提取信息集；将特征提取信息集输入至预先训练好的心律状态检测模型，得到心律状态检测结果；存储器，被配置成存储特征提取信息集；显示器，被配置成显示心律状态检测结果。该实施方式提高了心率状态检测结果的准确性。

公开(公告)号：CN118397424A

公开(公告)日：2024-07-26

申请号：CN202410414107.4

申请日：2024-04-08

Applicant: 北京航空航天大学

Inventor： 李伟欣 ,  穆朋朋 ,  王蕴红

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/084 ,  G06V10/44 ,  G06N3/126

Abstract: 本发明涉及一种轻量化目标检测模型的神经网络架构搜索方法，具体涉及通用目标检测技术领域，使用此神经网络架构搜索方法搜索出了更加高效轻量化的目标检测模型，神经网络架构搜索方法可用于自动化地快速适配模型结构到不同应用场景和问题，在自动降低现有模型的参数量、计算量以部署到不同硬件平台，以及自动设计模型结构以获得更好性能上有重要的应用价值。

公开(公告)号：CN117574931B

公开(公告)日：2024-04-30

申请号：CN202410052451.3

申请日：2024-01-15

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 周钢 ,  胡征慧 ,  陈小垒 ,  刘庆杰 ,  王蕴红

IPC: G06K7/14 ,  G06K7/10

Abstract: 本公开的实施例公开了基于3D结构的一维条形码信息生成方法和激光解码设备。该方法的一具体实施方式包括：采集目标条形码图像，其中，目标条形码图像是3D结构信息且带有激光投射线的一维条形码图像；利用滤光片对目标条形码图像进行滤波处理；对立体条形码图像进行阈值分割处理；对各个阈值分割条形码像素点进行直线拟合处理；确定各个阈值分割条形码像素点与灰度拟合直线的距离；确定像素区域；将像素区域确定为第一预设字符区域，其中，第一预设字符区域为经过激光雕刻设备雕刻的立体图像区域；将像素区域确定为第二预设字符区域；确定待解码条形码字符串；生成一维条形码信息。该实施方式可以提高条形码的解码准确率，扩大条形码的适用范围。

公开(公告)号：CN112116527B

公开(公告)日：2024-02-23

申请号：CN202010940661.8

申请日：2020-09-09

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 刘庆杰 ,  傅泽华 ,  王蕴红 ,  刘一郎

IPC: G06T3/4053

Abstract: 本发明涉及一种基于级联网络框架的图像超分辨率方法、级联网络，基于基础超分辨率网络，获取目标图像的初步上采样结果；基于细节精修网络，根据初步上采样结果，获取超分辨率图像结果。其两个网络级联，将面向峰值信噪比的任务和面向主观感受的任务分开，由两个模型分别处理，基础超分辨率网络首先完成初步的上采样，这个初步上采样的结果很大程度上和原始高分辨率图像保证了内容一致性，接下来将初步上采样的结果送入精修网络来进一步改善感官损失，精修网络有了初步上采样结果的输入保证了整个超分辨率结果不会过度牺牲内容一致性，并且在初步上采样结果上精修减轻了精修网络和判别器的训练难度加快了训练速度，有效地缓解了现有模型的问题。

公开(公告)号：CN112948619B

公开(公告)日：2023-04-28

申请号：CN202110223702.6

申请日：2021-03-01

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 金一舟 ,  刘庆杰 ,  王蕴红

IPC: G06F16/583 ,  G06V30/22 ,  G06V30/422 ,  G06V30/19 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的手写棋谱辅助录入方法及装置，所述方法包括对神经网络进行训练，得到训练好的神经网络模型；将待处理的手写棋谱输入到神经网络模型中进行识别，对棋谱进行初步排列；通过预设的棋局规则对棋谱信息进行规范化后录入并保存。本发明利用深度学习算法得到神经网络模型，通过神经网络识别手写棋谱上的棋局信息，结合棋类规则，对手写棋谱进行规范化的信息录入；能够避免人工录入的麻烦及降低了人工成本，除此之外，能够使得手写棋谱容易保存及容易恢复。

公开(公告)号：CN115952463A

公开(公告)日：2023-04-11

申请号：CN202211719240.8

申请日：2022-12-30

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 金一舟 ,  卢宇 ,  周钢 ,  刘庆杰 ,  王蕴红

IPC: G06F18/2433 ,  G06F18/22 ,  G06N20/00

Abstract: 本发明涉及检测技术领域，具体涉及一种基于记忆力机制的工业异常检测方法、装置和设备，在该基于记忆力机制的工业异常检测方法中，通过引入异常特征，在基于正常特征检测的基础上，利用待测信息与异常特征的相似度，配合检测。如此，当待测信息与异常特征相似度较高时，可以直接判断存在异常，提高了异常检测的准确性；而且，当待测信息存在异常时，可以减少基于正常特征检测的工作量，大大提高了异常检测的效率；同时，通过基于相似度确定异常评分，从而判断是否异常的原理，避免对每一个类别单独训练一个模型，减少样本采集成本，更利于实际应用。