-
公开(公告)号：CN110821474A
公开(公告)日：2020-02-21
申请号：CN201911126370.9
申请日：2019-11-18
Applicant: 燕山大学
IPC: E21B47/00
Abstract: 本发明公开一种一体化成型含水率测量传感器，在所述传感器内流道外侧的一端环绕设置所述筒状极板，所述筒状极板的长度小于所述传感器内流道的长度；所述接地环、所述第四电导测量环、所述第三电导测量环、所述第二电导测量环、所述第一电导测量环和所述激励环依次环绕在所述传感器内流道外侧的另一端，所述绝缘区用绝缘材料密封填充，实现传感器一体化成型，不仅结构简单、制造成本低和维护成本低，还能够实现对单井装备和数字油田建设全天候的实时含水率测量。
-
公开(公告)号：CN110273681A
公开(公告)日：2019-09-24
申请号：CN201910588612.X
申请日：2019-07-02
Applicant: 燕山大学
IPC: E21B49/08
Abstract: 本发明提供一种石油生产测井中油气水多相流体分相含率测量系统及方法。所述测量系统，通过多接收端光纤探针传感器将油井井下石油反射的光信号转化成电信号经数据采集系统传输给数据处理分析系统。数据处理分析系统通过综合特征参数到油气水多相流体的聚类网络模型，根据多接收端光纤探针传感器探测得到的电压信号进行特征提取和归一化处理得到的综合特征参数获取油井井下油气水多相流体分相含率信息，降低了油井井下油气水多相流体分相含率的测量误差，克服了光纤法无法实现油水检测的技术缺陷。
-
公开(公告)号：CN109635763A
公开(公告)日：2019-04-16
申请号：CN201811554516.5
申请日：2018-12-19
Applicant: 燕山大学
Abstract: 本发明公开一种人群密度估计方法。包括：将待估计图像进行预处理，得到低层特征图；输入深度神经网络模型中的第一子网络，得到高层语义特征图；输入深度神经网络模型中的全连接层，得到人群密集等级；确定第二子网络的对应子列；将低层特征图输入对应子列中，得到主要特征图；将高层语义特征图输入人群位置掩膜模块，得到人群位置信息掩膜；将主要特征图与人群位置信息掩膜加权，并与主要特征图进行通道上的链接，得到添加人群位置信息的特征图；输入维度变换层，得到人群密度估计图和人数估计结果。本发明可以有效解决人群密度估计任务中由于不同场景存在多尺度和人群分布不均导致人群密度估计性能不佳的问题，具有较高的准确性和较好的鲁棒性。
-
公开(公告)号：CN119741656A
公开(公告)日：2025-04-01
申请号：CN202411806129.1
申请日：2024-12-10
Applicant: 燕山大学
Abstract: 本发明公开了一种基于跨模态多尺度协同网络的RGB‑T人群计数方法，属于计算机视觉领域，包括：采用VGG作为骨干网络来构建编码器部分；模态协同融合模块利用编码器各阶段的RGB‑T输出对作为输入对实现跨模态交互融合，得到各阶段的模态融合特征；尺度协同融合模块采用第3、4、5阶段的模态融合特征输出作为输入实现多尺度特征的整合，并从局部和全局人群特征中深入挖掘人群分布信息，得到尺度融合特征；将尺度融合特征送入回归头得到预测密度图；将预测密度图逐像素相加得到预测总人数。本发明能够有效解决跨模态特征交互不充分、多尺度以及上下文信息感知不足所致的计数难题。
-
公开(公告)号：CN118781367A
公开(公告)日：2024-10-15
申请号：CN202410814126.6
申请日：2024-06-24
Applicant: 燕山大学
Abstract: 本发明公开了一种基于黑盒的跨模态双稀疏视频对抗样本生成方法，属于计算机视觉领域，包括：提供视频样本，按均匀稀疏策略划分关键帧集和稀疏帧集；获取ImageNet预训练图像模型VGG‑16；提供米字形蒙版；初始化对抗扰动，利用米字形蒙版图像限制，将初始扰动添加到当前关键帧的米字形区域得到被初始扰动后的当前关键帧；将被扰动前和被扰动后的当前关键帧输入预训练图像模型并获取二者的中间特征图；通过减小二者中间特征图图的结构相似度损失不断更新对抗扰动，最终形成当前对抗帧；将关键帧集依次处理形成对抗帧集；按初始帧顺序重组对抗帧和稀疏帧形成视频对抗样本。本发明可以生成在时间和空间具有双稀疏性的视频对抗样本。
-
Patent Agency Ranking
公开(公告)号：CN115457564A
公开(公告)日：2022-12-09
申请号：CN202211070214.7
申请日：2022-09-02
Applicant: 燕山大学
Abstract: 本发明提出了一种基于点‑线段层次交互的草图语义分割方法。具体地，本发明基于邻近点和中心点的距离信息开发了增强型局部特征聚集模块，该模块考虑了邻近点对中心点的不同影响。基于增强型局部特征聚集模块，本发明构建了密集连接的编解码结构，并基于该结构搭建了点层次分支网络和线段层次分支网络用于同时从两个层次编码草图语义。为了解决由于特征选择和提取造成的语义细节丢失的问题，本发明设计了点‑线段层次交互模块。点‑线段层次交互模块放置在解码部分的若干阶段，有利于保留和利用有用的语义细节。最终，点层次特征和线段层次特征进行融合，获取语义分割结果。本发明相对于已存在的方法，具有分割精度高，计算复杂度低等优点。
-
公开(公告)号：CN112529815B
公开(公告)日：2022-08-30
申请号：CN202011526580.X
申请日：2020-12-22
Applicant: 燕山大学
Abstract: 本发明涉及一种雨后真实图像中雨滴去除方法及系统。所述雨滴去除方法包括：获取历史雨后真实图像；根据所述历史雨后真实图像构建融合长短时记忆模型、空间注意力机制以及残差块的递归注意残差网络；获取待去雨的雨后真实图像，并利用所述递归注意残差网络对所述待去雨的雨后真实图像进行处理，生成去雨后的雨后真实图像；基于图像增强理论，利用雨滴检测及滤波算法滤除所述去雨后的雨后真实图像中的残留雨滴，确定滤除后的雨后真实图像；基于计算机图形学理论，利用像素值转换算法对所述滤除后的雨后真实图像进行处理，确定像素点增强后的雨后真实图像。本发明能够提高去雨后图像的质量差以及合成图像的处理效果。
-
公开(公告)号：CN112818926B
公开(公告)日：2022-05-24
申请号：CN202110216842.0
申请日：2021-02-26
Applicant: 燕山大学
Abstract: 本发明公开了一种基于多层残差学习的草图识别方法及系统。该方法包括：获取草图样本；所述样图样本包括训练样本和测试样本；对所述草图样本进行数量增强处理；构建多层残差网络；通过所述训练样本对所述多层残差网络进行训练，得到草图识别模型；通过草图训练模型对草图进行识别。本发明将草图作为静态图处理，因此训练时无需要求草图训练集含有笔画序列信息，且训练输入为样本而非样本对，降低了人工标注成本，训练方法简单，草图识别率高。
-
公开(公告)号：CN114373077A
公开(公告)日：2022-04-19
申请号：CN202111514031.5
申请日：2021-12-07
Applicant: 燕山大学
Abstract: 本发明公开了一种基于双层次结构的草图识别方法，针对目前多数草图识别方法未考虑形状特征的现状，该方法提出利用双层次结构同时编码形状特征和视觉特征用于草图识别。包括：获取两种格式的草图样本，基于卷积神经网络提取深度特征的层次化思想构建多层次形状网络，通过构建多尺度残差块、内层残差块和外层残差块搭建多层次视觉网络。基于草图样本，使用交叉熵损失训练形状网络，使用交叉熵损失和权重压缩三元组中心损失训练视觉网络。将形状网络、视觉网络与乘法融合层结合获取双层次结构。最后，将草图测试样本输入双层次结构进行识别测试。本发明不要求草图样本含有笔画信息，且无需微调过程，训练过程简单，草图识别效果具有明显优势。
-
公开(公告)号：CN113628145A
公开(公告)日：2021-11-09
申请号：CN202110992016.5
申请日：2021-08-27
Applicant: 燕山大学
Abstract: 本发明涉及一种图像清晰化方法、系统、设备及存储介质。属于计算机视觉处理技术领域，首先对户外图像进行预处理，得到户外图像的全局大气光值数据、透射图数据以及雨雪层数据。其次，对所述全局大气光值数据、透射图数据以及雨雪层数据进行同时处理，得到去除雨、雪和雾的户外清晰图像。再对所述户外清晰图像进行图像分解处理，得到图像阴影区域，最终利用均值滤波方法去除所述图像阴影区域，得到最终清晰化图像。实现了去除户外图像中的雨、雪、雾、阴影等因素。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.044 seconds)
