公开(公告)号：CN117095196A

公开(公告)日：2023-11-21

申请号：CN202310723100.6

申请日：2023-06-19

Applicant: 河北工业大学 ,  天津农学院

Inventor： 郭迎春 ,  张玉 ,  崇浩泽 ,  朱叶 ,  于洋 ,  师硕 ,  吕华 ,  阎刚 ,  刘依

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/0895

Abstract: 本发明为基于特征细化自监督学习的广义零样本图像分类方法，该方法引入自监督学习任务，为SwinTransformer网络添加了两个分类头，主要用于解决对可见类别的偏见问题。通过旋转角度分类任务和对比学习任务，增强了视觉特征定位，加强了视觉特征和语义信息的相关性，同时为了进一步缓解偏见问题，在训练样本构建中为未见类生成伪标签，从而将GZSL任务设置为直推式学习。

公开(公告)号：CN113723345B

公开(公告)日：2023-11-14

申请号：CN202111053962.X

申请日：2021-09-09

Applicant: 河北工业大学

Inventor： 郭迎春 ,  冯放 ,  阎刚 ,  朱叶 ,  于洋 ,  师硕 ,  刘依 ,  吕华 ,  郝小可 ,  于明

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明为一种基于风格转换和联合学习网络的域自适应行人再识别方法，包括一、利用源域数据集对神经网络模型进行预训练；二、对目标域数据集中的行人图像进行风格转换；三、对每张行人图像进行预处理；四、将同一张行人图像采用两种预处理方式得到的图像输入到两个神经网络模型中提取特征，将两个高阶特征保存至两个存储器中；两个高阶特征进行聚类，得到伪标签；将同一张行人图像的两个高阶特征进行融合，融合后的高阶特征存储在联合存储器中；五、基于伪标签训练两个神经网络模型，基于联合存储器同步训练两个神经网络模型；六、重复第四、五步并在训练过程中计算两个神经网络模型的识别精度，将识别精度最佳的神经网络模型用于行人再识别。

公开(公告)号：CN115525038A

公开(公告)日：2022-12-27

申请号：CN202211319431.5

申请日：2022-10-26

Applicant: 河北工业大学

Inventor： 刘晶 ,  王晓茜 ,  季海鹏 ,  吕华 ,  董永峰

IPC: G05B19/418

Abstract: 本发明公开了一种基于联邦分层优化学习的设备故障诊断方法，包括下述步骤：S1：对工厂客户端进行分层初始化，根据训练速度划分不同的层；S2.对工厂设备数据进行去噪、归一化等预处理；S3.在工厂客户端中建立故障诊断模型，进行本地个性化更新训练，计算每层工厂客户端权值；S4.中心服务端利用迭代阈值的局部聚合模型，动态控制各层迭代，并根据权值进行局部加权聚合生成层局部模型；S5.中心服务端计算局部模型权重完成中心聚合，生成新参数下发至工厂客户端，直至完成所有迭代。本发明针对工业设备数据质量与训练效率差异性问题，能够提升故障诊断准确率与训练效率，具有良好的鲁棒性，满足多工厂高效设备故障诊断的工业需求。

公开(公告)号：CN115346261A

公开(公告)日：2022-11-15

申请号：CN202211015781.2

申请日：2022-08-24

Applicant: 河北工业大学

Inventor： 师硕 ,  覃嘉俊 ,  郝小可 ,  郭迎春 ,  于洋 ,  朱叶 ,  刘依 ,  吕华

IPC: G06V40/16 ,  G06N3/04 ,  G06N3/08 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明为基于改进ConvMixer网络和动态焦点损失的视听情感分类方法，包括1)采集表达情感的涉及人体面部区域的视频，从视频中提取图像序列和音频信号，将音频信号转换为梅尔倒谱系数谱图；2)构建结合邻接矩阵的ConvMixer网络，利用结合邻接矩阵的ConvMixer网络中提取视觉特征；3)利用ResNet34网络从梅尔倒谱系数谱图中提取听觉特征；4)构建特征融合与分类网络，用于将视觉特征和听觉特征进行融合，根据融合后的特征对每个视频进行情感分类；5)对网络进行训练，通过融合动态权重的焦点损失函数计算训练损失。克服了现有方法着重提取视频画面局部特征而忽略全局特征，损失函数无法使模型关注难分样本等问题。

公开(公告)号：CN115272268A

公开(公告)日：2022-11-01

申请号：CN202210944652.5

申请日：2022-08-08

Applicant: 河北工业大学

Inventor： 于明 ,  钱榕 ,  刘依 ,  郭迎春 ,  吕华 ,  师硕 ,  朱叶

IPC: G06T7/00 ,  G06T7/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为一种基于深度估计的RGBD图像显著性检测方法，利用深度估计用RGB特征生成估计深度图，作为原始深度图的补充，两者融合后作为深度模态的输入，融合后的深度特征为网络提供更多空间信息，帮助定位显著目标。两个模态特征利用交叉模态融合模块，将两个模态中优势部分进行互补选择，能够获得更有效的特征，具体是利用空间注意力加强特征后，使用加法和乘法两种方法融合两个模态的特征，加法利用特征互补性，乘法更加强调特征共性，再把两种方式得到的融合特征进行自适应融合，结合总损失的计算，实现端到端训练，明显提高检测精度。

公开(公告)号：CN114005096A

公开(公告)日：2022-02-01

申请号：CN202111317650.5

申请日：2021-11-09

Applicant: 河北工业大学

Inventor： 于明 ,  何坤 ,  于洋 ,  阎刚 ,  朱叶 ,  师硕 ,  郝小可 ,  郭迎春 ,  刘依 ,  吕华

IPC: G06V20/54 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为基于特征增强的车辆重识别方法，该方法以构建具有空间注意力引导的自适应特征擦除模块和多感受野残差注意力模块的基于多注意力引导的特征增强网络，通过多感受野残差注意力在不同大小的感受野下帮助主干网络获得丰富的车辆外观特征，利用空间注意力引导的自适应特征擦除模块有选择性的擦除车辆最显著特征，使多注意力引导的特征增强网络的局部分支能够挖掘潜在局部特征，融合全局分支的全局特征和擦除分支的潜在局部特征完成车辆重识别过程。本发明方法不仅能够克服复杂的环境变化，如光照剧烈变化、障碍物遮挡而造成局部显著信息丢失的问题，而且能够满足在安全监管、智能交通系统中高效、快速的查找目标车辆的需求。

公开(公告)号：CN113496217A

公开(公告)日：2021-10-12

申请号：CN202110773121.X

申请日：2021-07-08

Applicant: 河北工业大学

Inventor： 于洋 ,  孔艳蕾 ,  郭迎春 ,  师硕 ,  郝小可 ,  朱叶 ,  于明 ,  阎刚 ,  刘依 ,  吕华

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为视频图像序列中人脸微表情识别方法，该识别方法包括以下内容：在微表情视频图像序列预处理之后，根据微表情的实际发生机理划分图像分块并获得微表情的浅层运动信息和深层形状信息融合特征，通过光流的共现关系和AU的发生机制构建自注意力图卷积网络的邻接矩阵A，以分块为节点、以邻接矩阵为边，构建自注意力图卷积网络，最后利用自注意力图卷积网络完成微表情的分类识别。本方法克服了现有微表情识别方法对光照噪声的鲁棒性差，特征信息提取的不充分，对微表情实际发生机理研究不深入而导致的微表情识别率低的缺陷。

公开(公告)号：CN118410130A

公开(公告)日：2024-07-30

申请号：CN202410850693.7

申请日：2024-06-28

Applicant: 河北工业大学

Inventor： 刘晶 ,  高茹薇 ,  季海鹏 ,  赵佳 ,  王旭 ,  吕华

IPC: G06F16/33 ,  G06N3/0464 ,  G06N3/088 ,  G06N5/02 ,  G06N5/04 ,  G06F16/332 ,  G06F18/213 ,  G06F18/2415

Abstract: 本申请提供了一种基于知识图谱的预训练语言模型构建方法，包括：基于预训练语言的语义解析模型对输入的自然语言问题进行数据处理，得到候选逻辑形式列表，其中，语义解析模型用以提取所述自然语言问题特征，并进行问句的实体识别和意图识别，结合实体和意图并经逻辑转换填充生成候选逻辑形式列表；基于无监督多阶段搜索算法在知识图谱中对生成的候选逻辑形式列表进行知识检索，结合检索结果更新逻辑形式内容并转换成Cypher语句进行图谱查询，返回答案列表形成答案集。本申请不仅提高了智能问答效率和服务水平，而且为未来的注入医疗、法律、人文等多个专业领域的可解释知识推理问答提供了新的解决思路。

公开(公告)号：CN113947530B

公开(公告)日：2024-04-30

申请号：CN202111228342.5

申请日：2021-10-21

Applicant: 河北工业大学

Inventor： 郭迎春 ,  张萌 ,  郝小可 ,  朱叶 ,  于洋 ,  师硕 ,  刘依 ,  吕华 ,  阎刚 ,  于明

IPC: G06T3/4046 ,  G06T3/4007 ,  G06T7/00 ,  G06T7/13 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明为一种基于相对显著性检测的图像重定向方法，包括相对显著图提取、图像边缘检测以及基于重要度图的重定向操作；通过多特征聚合的相对显著性分层监督模块以及显著等级引导的优化模块提取相对显著图，相对显著性分层监督模块以监督的方式对每阶段的特征进行加权，而显著等级引导的优化模块通过逐层优化，利用卷积模块生成每类显著等级的类别概率，再经过卷积层和激活函数生成每一个像素的注意力掩码，得到优化特征；将边缘图与相对显著图进行线性融合得到重要度图；最后学习输入图像到目标图像的位移映射，在输入图像上通过移位图实现图像重定向。本发明能够有效克服现有技术重定向后图像存在变形、扭曲的问题，获得更好的视觉效果。

公开(公告)号：CN116541771A

公开(公告)日：2023-08-04

申请号：CN202310355427.2

申请日：2023-04-04

Applicant: 河北工业大学

Inventor： 季海鹏 ,  梁佳杭 ,  刘晶 ,  吕华 ,  夏淑媛

IPC: G06F18/2415 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/094 ,  G01M13/045

Abstract: 本发明提供了一种基于多尺度特征融合的非平衡样本轴承故障诊断方法，涉及轴承故障诊断技术领域，减少了现有技术中存在的轴承诊断过程中样本数量不平衡的技术问题。包括利用加速度传感器采集故障的时序性振动信号，数据归一化后进行分割得到原始样本；将分割后原始样本进行连续小波变换，得到原始信号的时频域数据；构建VAE‑GAN样本生成模型，将原始样本经过连续小波变换后的时频域数据对应的时频图输入VAE‑GAN样本生成模型进行训练，利用训练好的模型生成对应类别的伪样本，将生成的伪样本混合到真实样本；设计多尺度特征提取模型实现故障特征的提取，并利用通道注意力机制实现特征的加权融合，进行轴承故障状态识别。