-
公开(公告)号：CN118522000A
公开(公告)日：2024-08-20
申请号：CN202410556807.7
申请日：2024-05-07
Applicant: 北京科技大学
Abstract: 本发明提供一种融合多模态信息的智能通用水尺精读方法和系统，包括：对RGB图像与DN值进行预处理；通过阈值驱动的orb算法进行特征点提取，定位特征点稀疏区域，并生成虚拟特征点对；通过仿射变换实现配准对齐，之后进行通道叠加，生成融合多光谱数据的四通道图像，利用深度学习模型得到每张四通道图像中的水线分割掩码图与字符识别数据；采用微波测距相机确定水线俯视角，拟合出不同水线俯视角下实际吨数和水线俯视角的拟合关系，进而得到船舶的实际吨数，作为水线的第一读值；利用设计的等距水尺图，通过相应仿射变换，实现水尺贴合，得到水线的第二读值；将水线的第一、第二读值求取平均，得到水线的精确读值。本发明可以对通用水尺进行精读。
-
公开(公告)号：CN116543166B
公开(公告)日：2023-09-05
申请号：CN202310808414.6
申请日：2023-07-04
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/34 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/048 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种早期脑部肿瘤分割方法和系统，包括：收集并预处理不同脑部肿瘤患者不同时期的MRI影像数据；划分为早期与中、晚期数据，进行标注并排序；将中、晚期脑部肿瘤数据作为源域输入基于3D‑GRU、3D‑CNN和Transformer融合设计的语义分割基模型进行预训练，提取中、晚期肿瘤的时序变化特征与肿瘤的形态学特征信息，获得预训练权重；将预训练权重作为先验知识，早期肿瘤训练集数据作为目标域进行迁移学习模型的训练，利用中、晚期肿瘤特征反演早期肿瘤特征，从源域进行参数高效迁移目标域；将待分割的早期肿瘤MRI影像数据预处理后，输入训练完成的迁移学习模型，生成早期脑部肿瘤病灶区域的分割结果。采用本发明，能在肿瘤尚处于早期的时候就将其准确分割。
-
公开(公告)号：CN116543166A
公开(公告)日：2023-08-04
申请号：CN202310808414.6
申请日：2023-07-04
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/34 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/048 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种早期脑部肿瘤分割方法和系统，包括：收集并预处理不同脑部肿瘤患者不同时期的MRI影像数据；划分为早期与中、晚期数据，进行标注并排序；将中、晚期脑部肿瘤数据作为源域输入基于3D‑GRU、3D‑CNN和Transformer融合设计的语义分割基模型进行预训练，提取中、晚期肿瘤的时序变化特征与肿瘤的形态学特征信息，获得预训练权重；将预训练权重作为先验知识，早期肿瘤训练集数据作为目标域进行迁移学习模型的训练，利用中、晚期肿瘤特征反演早期肿瘤特征，从源域进行参数高效迁移目标域；将待分割的早期肿瘤MRI影像数据预处理后，输入训练完成的迁移学习模型，生成早期脑部肿瘤病灶区域的分割结果。采用本发明，能在肿瘤尚处于早期的时候就将其准确分割。
-
公开(公告)号：CN116416253A
公开(公告)日：2023-07-11
申请号：CN202310689836.6
申请日：2023-06-12
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/60 , G06T7/70 , G06V10/766 , G06V10/77
Abstract: 本发明公开一种基于亮暗通道先验景深估计的神经元提取方法及装置，方法包括：输入原始图像视频数据；计算原始图像视频数据的亮暗通道先验，利用两种先验估计原始图像视频数据景深对应的传输率；将原始图像视频数据以像素为单位点除景深对应的传输率，构建约束性非负矩阵分解的神经元提取框架；迭代求解神经元的相关参数，包括：空间位置及形状大小、动作电位及时序变化、背景，直至迭代结束，最终输出神经元的提取信息，包括：空间位置及形状大小、动作电位和时序变化。本发明能够快速估计与利用原始数据景深，有效地去除原始数据的散射，准确地提取神经元的空间位置及形状大小、动作电位和时序变化等特征信息。
-
公开(公告)号：CN116258719A
公开(公告)日：2023-06-13
申请号：CN202310541855.4
申请日：2023-05-15
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域，尤其涉及一种基于多模态数据融合的浮选泡沫图像分割方法和装置，包括：收集并预处理泡沫浮选过程中多模态数据，包括二维RGB图像数据和三维点云数据；将预处理后的多模态数据分别输入图像特征初步提取模块和柱体特征提取网络，进行泡沫图像特征的初步提取和泡沫点云柱体特征提取；将初步提取的泡沫图像特征和泡沫点云柱体特征输入跨模态交互融合模块，进行多模态特征的融合；将融合特征输入图像分割主干网络，进行频域分离编码和注意力增强解码，并构建密集跃层连接进行多尺度特征信息融合交互，预测得到像素级类别，并使用后处理模块得到泡沫实例级分割结果。本发明可以有效地从浮选泡沫图像中分割出泡沫实例。
-
Patent Agency Ranking
公开(公告)号：CN113537166B
公开(公告)日：2021-12-14
申请号：CN202111078709.X
申请日：2021-09-15
Applicant: 北京科技大学
Abstract: 本公开涉及一种报警方法、装置及存储介质，上述方法包括：接收监控端发送的监控图像，并通过神经网络模型对所述监控图像进行检测，其中，所述神经网络模型已通过训练，学习并保存有输入的监控图像和输出的检测结果信息之间的对应关系；通过事件处理中心根据任务编码对所述检测结果信息和多个报警服务进行匹配，以确定目标报警服务，其中，所述检测结果信息和每个报警服务均包含所述任务编码，所述检测结果信息的任务编码是所述监控端发送所述监控图像时所携带的；根据所述检测结果信息，通过所述目标报警服务发出报警信息。采用上述技术手段，解决现有技术中，煤炭工业上的安全监控需要依赖硬件传感器，同时报警内容单一的问题。
-
公开(公告)号：CN113505759A
公开(公告)日：2021-10-15
申请号：CN202111048132.8
申请日：2021-09-08
Applicant: 北京科技大学
Abstract: 本公开涉及一种多任务处理的方法、装置及存储介质，上述方法包括：获取历史监控图像，将所述历史监控图像制作为数据集，并对所述数据集进行标注处理；通过基网络连接多个目标头网络，组成多任务模型；使用经过所述标注处理之后的所述数据集对所述多任务模型进行训练；通过训练之后的多任务模型对获取到的实时监控图像进行检测，以实现多任务处理。采用上述技术手段，解决现有技术中，单个神经网络模型无法满足复杂场景的业务需求，无法同时处理多个任务等问题。
-
公开(公告)号：CN109544522A
公开(公告)日：2019-03-29
申请号：CN201811341003.6
申请日：2018-11-12
Applicant: 北京科技大学
Abstract: 本发明提供一种钢板表面缺陷检测方法及系统，能够快速准确地检测出钢板表面的缺陷。所述方法包括：在钢板实际生产线上，实时采集钢板表面图像；利用训练好的SSD缺陷检测网络对实时采集的钢板表面图像进行缺陷实时检测，确定实时采集的钢板表面图像中每例缺陷的类型、位置和尺寸，其中，SSD表示单镜头多框检测器。本发明涉及缺陷检测领域。
-
公开(公告)号：CN119942061A
公开(公告)日：2025-05-06
申请号：CN202411841865.0
申请日：2024-12-13
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F16/583 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于自适应典型样本学习技术的跨场景皮带缺陷识别方法及装置，涉及缺陷检测技术领域。该方法包括：构建支持图像数据集以及查询图像数据集；将支持图像数据集以及查询图像数据集输入缺陷识别基础模型，获得第一支持图像特征以及第一查询图像特征；将第一支持图像特征以及第一查询图像特征输入原型自适应模块进行特征增强；根据支持图像数据集、查询图像数据集和检测缺陷图像数据集构建损失函数；对原型自适应模型进行优化，获得优化原型自适应模型；根据待识别皮带图像数据集，基于缺陷识别基础模型以及优化原型自适应模型进行皮带缺陷识别。本发明是一种基于典型样本学习的仅需少量标注的高效且准确的跨场景皮带缺陷识别方法。
-
公开(公告)号：CN119478423B
公开(公告)日：2025-05-02
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.058 seconds)
