-
-
公开(公告)号：CN106887042B
公开(公告)日：2020-05-19
申请号：CN201710058646.9
申请日：2017-01-23
Applicant: 北京工业大学
IPC: G06T17/30
Abstract: 基于GPU的自适应曲面细分方法涉及计算机图形学领域。现存的细分方法，随着细分的进行，顶点和边的数量会急剧增加，实际情况是，在细分迭代数次后，某些区域(如较平坦部分或者初始控制网格较稠密的部分)其控制网格已较好地逼近极限细分曲面，而在另外一些区域(如曲率变化较大的部分)其控制网格还比较粗糙，需要继续细分。为了减少不必要的计算资源的浪费，自适应的曲面细分算法就很重要了。本发明有效的解决曲面光滑度和数据量之间的矛盾，使得在保证曲面细分显示效果的前提下提高渲染帧率。采取了两种基于三角形面片的细分模式：PN三角形和Phong细分进行验证，实验证明，基于GPU的自适应曲面细分方法具有很好的现实和理论意义。
-
公开(公告)号：CN109783682A
公开(公告)日：2019-05-21
申请号：CN201910057434.8
申请日：2019-01-19
Applicant: 北京工业大学
IPC: G06F16/583 , G06F16/51 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于点对相似度的深度非松弛哈希图像检索方法，将图像的数据集以5:1的比例划分为训练样本集Dtrain和测试样本集Dtest；构建深度卷积网络架构；利用训练样本集合，将训练数据集图像以及其类别标签作为神经网络的输入训练卷积神经网络，得到并保存深度神经网络的模型；根据卷积神经网络模型，去除其dropout层，在网络的输出端添加符号函数。将训练样本集Dtrain和Dtest输入模型中，得到训练样本集的哈希码Btrain和测试样本集的哈希码Btest；从测试样本取测试图像的哈希码，得到汉明距离对应的向量。将汉明距离向量的每一位数值以升序排序，作为检索的结果。本发明有效解决哈希函数量化二值哈希码过程中产生大量误差的问题，并提高图像检索的准确率。
-
公开(公告)号：CN108306980A
公开(公告)日：2018-07-20
申请号：CN201810181937.1
申请日：2018-03-06
Applicant: 北京工业大学
Abstract: 本发明公开一种机务飞行保障大数据日志分析系统，由部署在服务器上的大数据流式计算模块和Web服务器两部分组成；其中，大数据流式计算模块分析机务飞行保障系统的运行日志，运行日志包含用户行为日志和系统运行日志两部分，分析用户行为日志可以统计分析用户操作行为，一旦发现用户有异常行为，立即通过短信或邮件进行报警；分析系统运行日志可以实时监控系统运行状态，一旦发现系统运行异常，同样可以通过短信或者邮件进行告警；Web服务器用于展示流式计算模块分析日志的结果，包含：人员登录统计管理、人员操作统计管理、系统异常数据分析、报警联系人管理、报警信息管理。
-
公开(公告)号：CN107180108A
公开(公告)日：2017-09-19
申请号：CN201710439646.3
申请日：2017-06-12
Applicant: 北京工业大学
CPC classification number: G06F16/245 , G06F16/2433 , G06F16/24552 , G06F16/248 , G06F16/273 , G06F16/284 , G06F21/602 , G06F21/606 , G06Q10/06311 , G06Q10/0639 , G06Q10/1097 , G06Q10/20 , G06Q50/26
Abstract: 本发明公开一种机务飞行保障管理系统，包括：机务飞行保障终端和机务飞行保障服务器端，机务飞行保障终端包含：飞行计划、放飞管理、工作记录、资料查阅、软件设置和数据同步功能；服务端包含：机务人员管理、飞行计划管理、工作记录管理、资料查阅管理、飞机信息管理和数据同步功能。采用本发明的技术方案，避免目前以人工录入的方式，实现部队机务飞行保障工作的信息化处理，使机务飞行工作顺利完成。
-
Patent Agency Ranking
公开(公告)号：CN105245841A
公开(公告)日：2016-01-13
申请号：CN201510647067.9
申请日：2015-10-08
Applicant: 北京工业大学
IPC: H04N7/18
Abstract: 一种基于CUDA的全景视频监控系统，首先，利用相位相关法估计多个视频图像间的重叠区域，在重叠区域内提取SURF特征点并进行配准，这样做缩短了算法时间，也减少了后续的误匹配；然后，本发明提出了基于改进的最佳融合线与多分辨率算法相结合的融合算法，消除了边缘跳变和鬼影现象，改善了视频的视觉效果；最后在融合阶段利用了GPU加速，进一步提高了拼接速度。实验结果表明，该方法能够有效的实现3路监控视频的实时拼接，帧率达到20帧，相比于传统CPU版本更能能够满足视频拼接的实时要求。
-
公开(公告)号：CN102170574B
公开(公告)日：2012-12-26
申请号：CN201110134572.5
申请日：2011-05-23
Applicant: 北京工业大学
Abstract: 一种实时视频去雾系统属于图像处理领域，其特征在于在一个数字集成电路中设有：数据读取单元、判断单元、天空亮度估计单元、大气光照白平衡单元、大气耗散图像估计单元、以及清晰场景恢复单元，对待处理视频当前镜头中的前K帧，估计其天空区域并从中计算天空亮度值，再用白平衡算法通过天空亮度值校正待处理图像中大气光照的颜色，并归一化白平衡图像，求出各颜色分量的最小值作为粗估计图像，并据此用边缘保持平滑方法计算出细化后的大气耗散图像，再由此计算出大气的场景反照率，以进行去雾复原处理。对于分辨率为288×352的CIF格式视频，处理速度可达60fps，分辨率为576×720的D1格式视频，可达15fps，能实用于交通监控系统中，达到实时性要求。
-
公开(公告)号：CN101916431A
公开(公告)日：2010-12-15
申请号：CN201010238366.4
申请日：2010-07-23
Applicant: 北京工业大学
Abstract: 本发明公开了低照度图像数据处理方法及系统，包括：读取一帧待处理图像数据；在亮度范围内，分别查找不同颜色分量对应的出现概率最大的灰度值；按照灰度值递减的顺序，查找出现概率最大灰度值后出现概率最小的灰度值，将其确定为白色响应估计值，并将不大于白色响应估计值的像素值确定为该颜色分量的有效像素；利用白平衡算法依据有效像素估计光照值，并依据光照值校正图像数据；在白色响应估计值范围内选择上下限，利用直方图裁剪处理校正后的图像数据。本发明公开的方法，通过估算实际场景中的白色响应值，确定了图像有效像素，避免了由于人造光源或高光像素值造成的光照估计偏差较大，影响处理效果的问题，有效地提高了低照度图像的增强效果。
-
公开(公告)号：CN119904643A
公开(公告)日：2025-04-29
申请号：CN202510095325.0
申请日：2025-01-21
Applicant: 北京工业大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于视觉Transformer的特征聚焦图像语义分割方法，采用特征金字塔结构，生成四个不同尺寸大小的特征图，在特征图嵌入的过程中使用重叠块嵌入模块以保证特征图在分块的同时保证局部信息一定程度上的连续性，利用位置编码生成模块根据局部邻域信息动态地生成对应位置编码，保持计算机视觉中所需的平移不变性，然后在Transformer编码过程中采用结合了聚焦注意力机制和卷积运算的融合模块，利用自注意力机制把握整体结构和远距离的依赖关系、引入卷积注意力使得模型保持对局部信息的敏感性，使得模型能够同时整合全局和局部细节信息。最后模型各个阶段生成的不同尺寸的特征图输入到解码器中进行分割。本发明方法提高了对目标边界和复杂场景的分割表现。
-
公开(公告)号：CN117893868A
公开(公告)日：2024-04-16
申请号：CN202410086928.X
申请日：2024-01-22
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/44 , G06V10/82 , G06V10/70 , G06V10/52 , G06V10/771 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于特征增强和多尺度的无参考框图像目标检测方法，本方法提出一个特征增强模块，通过引入额外的上下文信息和边缘信息来辅助目标检测，提升无参考框图像目标检测算法的性能。该模块包含边缘分支和上下文分支，边缘分支使用三个并行的卷积层来获取特征图中的细节信息。通过该模块能够有效解决混叠效应。本发明提出一个多尺度多阶段的特征融合方法，通过若干个融合模块来组成密集结构从而加强特征融合。在融合模块中，为了加强相邻特征层的融合，通过加权的方式让不同尺度的特征根据其重要性获得不同的权重。通过特征融合方法，更好地结合浅层特征和深层特征，缓解融合过程中的信息衰减问题，也有助于定位目标和检测小目标。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.021 seconds)
