-
-
公开(公告)号：CN116883859A
公开(公告)日：2023-10-13
申请号：CN202310818961.2
申请日：2023-07-05
Applicant: 中北大学
IPC: G06V20/13 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于YOLOv7‑RS的遥感图像目标检测方法。为提高在遥感图像中目标检测的精度，本发明设计了一种基于YOLOv7‑RS的遥感图像目标检测网络，在该网络中重新设计D‑ELAN模块，在骨干网络中融合SimAM注意力机制，使用SIOU损失函数来替换CIOU损失函数，优化正负样本分配策略。
-
公开(公告)号：CN113822933B
公开(公告)日：2023-09-29
申请号：CN202111056444.3
申请日：2021-09-09
Applicant: 中北大学
IPC: G06T7/73 , G06T1/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本发明属于机器人视觉技术领域，具体涉及一种基于ResNeXt的智能机器人抓取方法。为克服现有抓取技术不能在检测速度和精度取得平衡的缺点，本发明生成真值图时，将标注按角度分类，高斯化的抓取质量图，构建的深度学习网络模型包括两次下采样、堆叠多次ResNeXt组成的的瓶颈层、两次上采样和并行的卷积构成的输出，得到输出后与对应真值图一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将拍摄到的深度图像输入到训练好的深度网络模型得到像素级预测输出，将像素级预测输出转换至机器人坐标抓取，利用机器人操作系统执行抓取。
-
公开(公告)号：CN116012587A
公开(公告)日：2023-04-25
申请号：CN202310067111.3
申请日：2023-01-16
Applicant: 中北大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多尺度监督的三维场景点云分割方法。本发明引入多尺度监督的方式，通过对解码器每层进行额外的监督学习，判断隐藏层特征图质量的好坏，从而提高网络整体分割精度，促使网络隐藏层学习到的特征易区分、更具鲁棒性，进而改善网络对物体边缘的分割效果，广泛适用于大型室内点云语义分割。
-
公开(公告)号：CN110176079B
公开(公告)日：2023-03-24
申请号：CN201910443071.1
申请日：2019-05-26
Applicant: 中北大学
IPC: G06T19/20 , G06F16/583
Abstract: 本发明属于计算机视觉领域，公开了一种基于准共形映射的三维模型变形算法。首先，利用准共形映射将三维模型参数化到二维平面圆盘；其次，采用准共性迭代算法计算两个平面之间的映射，得到变形后的二维模型；最后，采用2D→3D模型恢复算法将变形后的二维模型还原出尽可能满足约束条件的三维模型。本发明解决了现有模型利用率低，变形算法需要操作的控制点多、对骨骼不明显的模型处理效果差以及微分坐标变形技术对旋转敏感，以及直接在三维模型上变形较难的问题。比传统的映射方法简单而且保持了源模型的更多的局部细节。本发明适用于基于单幅图像的三维模型变形，适用于具有任何边界的模型的变形。可应用于动画、整容手术、医学以及几何建模等领域。
-
Patent Agency Ranking
公开(公告)号：CN119904577A
公开(公告)日：2025-04-29
申请号：CN202411990516.5
申请日：2024-12-31
Applicant: 中北大学
IPC: G06T17/00 , G06T19/20 , G06V20/64 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于向量神经元网络的点云场景重建方法，属于计算机视觉和三维重建技术领域。针对目前点云场景重建方法在处理旋转变化和复杂场景重建时的不足问题，本发明利用PointNet对点云场景数据进行实例分割，识别并分割场景中的各个物体；建立一个涵盖常见室内场景物体的CAD模型库，训练VN网络，利用向量卷积层对每个点及其邻域进行特征提取；通过堆叠多个向量卷积层，并结合残差连接和跳跃连接，获取不同尺度的特征表示；随后计算点云特征与CAD模型特征之间的相似度，采用Chamfer距离进行检索，选取最相似的CAD模型作为候选；最后将CAD模型候选逐一与场景点云进行对齐，并引入物理违规检查模块，确保重建后场景的精确性和物理合规性。
-
公开(公告)号：CN114581718B
公开(公告)日：2025-04-01
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G01S13/86 , G06V20/64
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN117541961A
公开(公告)日：2024-02-09
申请号：CN202311539215.6
申请日：2023-11-17
Applicant: 中北大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了基于人工智能的独居老人生活行为识别分析与预警方法，属于智能居家分析技术领域。针对农村独居老人的监护问题，通过深度摄像头获取人物的骨架关节点数据，输入GCN图卷积神经网络进行归一化处理，添加一个可变超参数和位置编码器后，输入transformer神经网络，输出的数据通过两层全连接层和一层softmax层，得到动作分类的结果；更新并向户主的手机发布状态完成预警。基于transformer的图卷积行为识别方法在图像识别上取得了比resNet更好的准确率，运算速度大幅度增强。本发明采用基于骨架序列数据研究，能有效利用国外的公共数据集，提高资源的利用。
-
公开(公告)号：CN116313134A
公开(公告)日：2023-06-23
申请号：CN202211566248.5
申请日：2022-12-07
Applicant: 中北大学
Abstract: 本发明属于流行病监测技术领域，具体涉及一种基于百度指数与机器学习的流感趋势预测方法。针对现有流感预测方法仅使用历史时间序列信息进行预测，而忽略了相邻区域的空间相关性和不同时间段的时间相关性的影响，并且流感预测方法多集中于使用多元线性回归方法进行预测等问题，本发明首先试图挖掘与流行性感冒相关的重要关键词，对关键词进行初筛，并通过分析各关键词与流感样病例数的时滞相关性，对关键词进一步过滤；其次，基于确定的不同类型关键词和ILI％，通过考虑相邻地区间流感传播的影响，构建流感预测模型；最后，选用XGBoost方法对所建模型进行预测，得到符合南方地区的流感预测模型。
-
公开(公告)号：CN113822933A
公开(公告)日：2021-12-21
申请号：CN202111056444.3
申请日：2021-09-09
Applicant: 中北大学
Abstract: 本发明属于机器人视觉技术领域，具体涉及一种基于ResNeXt的智能机器人抓取方法。为克服现有抓取技术不能在检测速度和精度取得平衡的缺点，本发明生成真值图时，将标注按角度分类，高斯化的抓取质量图，构建的深度学习网络模型包括两次下采样、堆叠多次ResNeXt组成的的瓶颈层、两次上采样和并行的卷积构成的输出，得到输出后与对应真值图一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将拍摄到的深度图像输入到训练好的深度网络模型得到像素级预测输出，将像素级预测输出转换至机器人坐标抓取，利用机器人操作系统执行抓取。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.016 seconds)
