-
公开(公告)号：CN112801113B
公开(公告)日：2025-01-03
申请号：CN202110173919.0
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06V10/30 , G06V10/762 , G06V10/774
Abstract: 本发明公开了基于多尺度可靠聚类的数据去噪方法，本发明针对商品识别模型中数据的前期处理提出单品类去噪算法，旨在解决对深度学习训练数据脏乱差的问题。该算法通过对每个类别聚类的方式，找出那些类簇之外的离散点，也就是那些噪声数据并将其剔除，实现端到端的数据自动化清洗流程，省去人工清洗数据的时间，大大提高数据处理的工作效率。实验结果表明，使用去噪后的数据集进行训练的网络得到的精度会比使用原数据训练网络所得的精度要高，也从侧面反映出该去噪方法良好的性能。
-
公开(公告)号：CN112861727B
公开(公告)日：2024-11-26
申请号：CN202110179063.8
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/20 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T3/4007 , G06T3/4046
Abstract: 本发明公开了一种基于混合深度可分离卷积的实时语义分割方法，在预测效率和预测准确率方面取得了比较好的平衡，所述方法包括：数据预处理和数据增强；设计混合深度可分离卷积单元，提升多尺度特征表达能力；构建混合深度可分离卷积模块；搭建混合深度可分离卷积语义分割网络，提取图像高级语义特征；训练并验证混合深度可分离卷积的语义分割网络。本发明具有预测精度较高、模型参数量小，快速轻量化的优点。
-
公开(公告)号：CN113850761B
公开(公告)日：2024-06-14
申请号：CN202111007113.0
申请日：2021-08-30
Applicant: 北京工业大学
IPC: G06V10/764 , G06T7/00 , G06T7/11 , G06V10/82 , G06N3/0464 , G06N3/045 , G06V10/766
Abstract: 本发明公开了一种基于多角度检测框的遥感图像目标检测方法，在faster‑rcnn预测的正框基础上，设计了倾斜角度模块，主要分为两个阶段；第一个阶段通过全连接层和解码器进行初步的角度偏移旋转，第二个阶段使用rotated roi align提取旋转不变特征，再次进行角度偏移修正，得到准确角度的检测框。除此之外，针对遥感图像尺寸大，训练慢的问题，重新设计了倾斜检测模块的回归损失函数，使得损失函数收敛更快，准确率更高。实验结果表明，本发明相较于改进后的faster‑rcnn的准确率提升了4.4％，证明本发明具有良好的检测效果。
-
公开(公告)号：CN118097285A
公开(公告)日：2024-05-28
申请号：CN202410283009.1
申请日：2024-03-13
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/10 , G06V20/70 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084 , G06N3/0895
Abstract: 本发明提供一种基于图卷积和语义对齐的高光谱图像分类方法，包括：输入高光谱图像，分割得到初始区域图；通过多尺度图卷积网络提取特征，并进行融合得到特征图；根据特征图获得预测结果，与真实标签比较，计算损失，经过迭代训练，得到分类模型。本发明能够在使用较少标记样本和大量无标记样本的情况下，使用多尺度图卷积网络来充分挖掘图像的多尺度特征，取得良好的分类效果。
-
公开(公告)号：CN114241340B
公开(公告)日：2024-05-10
申请号：CN202111544670.6
申请日：2021-12-16
Applicant: 北京工业大学
Abstract: 本发明提供一种基于双路深度残差网络的图像目标检测方法及系统，涉及目标检测技术领域，包括：识别图像的光照情况，若为低照度图像则进行亮度增强处理；对图像进行特征提取，获得初始图像特征；基于双路深度残差软阈值特征去噪网络对初始图像特征进行去噪优化，得到优化后图像特征；对优化后图像特征进行分类及目标检测，获取检测结果。本发明对航拍图像中的低照度图像进行亮度增强，再进行目标检测，同时设计了一种双路深度残差软阈值特征去噪网络，更好的降低无人机图像背景特征中的噪声对目标检测的影响，提升目标检测效果。
-
Patent Agency Ranking
公开(公告)号：CN117975449A
公开(公告)日：2024-05-03
申请号：CN202410049705.6
申请日：2024-01-12
Applicant: 北京工业大学
IPC: G06V20/69 , G06V20/70 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/0985
Abstract: 本发明设计了一种基于多任务学习的半监督细胞实例分割方法。针对细胞图像中小目标多的问题，在细胞检测下采样中采用池化、卷积和深度可分离卷积三个支路来进行特征融合，针对细胞粘连和重叠问题，细胞分割网络是一个编码器和两个解码器的结构。编码器采用ResNet50来进行特征提取，解码器采用转置卷积来恢复图像尺寸，并和上一层特征进行融合，在网络的最后一层使用ASPP模块，来增强感受野，提升对小目标的检测能力。两个解码器分别学习分类和回归距离。针对细胞图像有少量标记的图像和大量未标记的图像，采用半监督模式进行模型训练，提升模型的准确率和鲁棒性。本发明提高了细胞分割的准确率，同时对细胞边缘有更准确的分割结果。
-
公开(公告)号：CN111144329B
公开(公告)日：2023-07-25
申请号：CN201911386325.7
申请日：2019-12-29
Applicant: 北京工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/09
Abstract: 本发明公开一种基于多标签的轻量快速人群计数方法。根据感受野尺寸设计简单、高效的主干特征提取网络，内置密集上下文模块，保证了网络层的信息传递，提高了网络的表达能力；设计六个多尺度中间监督分支，使得网络更快、更稳定的收敛；设计了上采样模块，逐级提升分辨率，提高密度图的质量，以实现准确计数和精准定位；设计了三种标签，将基于密度的人群计数任务显地转化为前景与背景分割任务来辅助人群密度图的回归任务，同时实现密度图和分割图的预测，有效减小估计误差。在UCF_CC_50，ShanghaiTech和UCF‑QNFR数据集的测试结果表明，本发明的预测性能均优于当前主流算法，预测速度达到了实时，可以方便地部署到终端设备中。
-
公开(公告)号：CN114266957A
公开(公告)日：2022-04-01
申请号：CN202111342185.0
申请日：2021-11-12
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/774 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于多降质方式数据增广的高光谱图像超分辨率复原方法，属于图像处理技术领域，包括获取高光谱图像，对高光谱数据集进行预处理，将高光谱数据集中的图像按一定规则裁剪，生成非重叠的子图和重叠块，并将子图和重叠块分别作为测试数据和训练数据；对测试数据和训练数据进行数据扩增并增加高斯噪声，获得有噪声的低分辨率的测试数据和训练数据；构建高光谱图像超分辨率模型；采用训练数据对高光谱图像超分辨率模型进行训练，从而得到训练好的高光谱图像超分辨率模型；将测试数据输入训练好的高光谱图像超分辨率模型，获得超分辨率的高光谱图像。本发明对数据进行扩增，提升了高光谱图像超分辨率模型的性能。
-
公开(公告)号：CN114241340A
公开(公告)日：2022-03-25
申请号：CN202111544670.6
申请日：2021-12-16
Applicant: 北京工业大学
Abstract: 本发明提供一种基于双路深度残差网络的图像目标检测方法及系统，涉及目标检测技术领域，包括：识别图像的光照情况，若为低照度图像则进行亮度增强处理；对图像进行特征提取，获得初始图像特征；基于双路深度残差软阈值特征去噪网络对初始图像特征进行去噪优化，得到优化后图像特征；对优化后图像特征进行分类及目标检测，获取检测结果。本发明对航拍图像中的低照度图像进行亮度增强，再进行目标检测，同时设计了一种双路深度残差软阈值特征去噪网络，更好的降低无人机图像背景特征中的噪声对目标检测的影响，提升目标检测效果。
-
公开(公告)号：CN112861727A
公开(公告)日：2021-05-28
申请号：CN202110179063.8
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于混合深度可分离卷积的实时语义分割方法，在预测效率和预测准确率方面取得了比较好的平衡，所述方法包括：数据预处理和数据增强；设计混合深度可分离卷积单元，提升多尺度特征表达能力；构建混合深度可分离卷积模块；搭建混合深度可分离卷积语义分割网络，提取图像高级语义特征；训练并验证混合深度可分离卷积的语义分割网络。本发明具有预测精度较高、模型参数量小，快速轻量化的优点。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.027 seconds)
