-
公开(公告)号：CN104214972A
公开(公告)日：2014-12-17
申请号：CN201410230644.X
申请日：2013-12-05
Applicant: 中北大学
Inventor： 张春元 , 刘彦臣 , 李彩霞 , 李战芬 , 关士玺 , 范国勇 , 郭拉凤 , 唐家鹏 , 王文虎 , 卢利权 , 胡满红 , 张树霞 , 陈岩 , 曹广群 , 况立群 , 韩跃平 , 张艳刚 , 智晋宁 , 黄雪涛
CPC classification number: Y02E10/44
Abstract: 本发明提供了一种太阳能集热器系统，包括太阳能集热器和热利用装置，所述的系统中还包括辅助电加热器，电加热器根据进入电加热器的水的温度自动启动，对热水进行加热。本发明提供一种自动启动辅助加热的太阳能集热器系统，具有节约能源的效果。
-
公开(公告)号：CN119782616A
公开(公告)日：2025-04-08
申请号：CN202411879019.8
申请日：2024-12-19
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 山西辰涵数字科技股份有限公司 , 中电信数智科技有限公司山西分公司
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明提供了一种信息推荐方法、系统、设备及介质，属于推荐系统领域，其方法包括如下步骤：获取用户‑物品实时交互图，将用户‑物品实时交互图输入PTDNet去噪模型，计算用户‑物品实时交互图中的每条边的重要性权重，根据设定阈值及每条边的重要性权重筛选保留重要的边，剔除噪声边；动态更新边的重要性权重，并重复剔除噪声边的过程，得到去噪后的图数据；将去噪后的图数据输入信息推荐模型，识别用户的偏好，生成用户的个性化推荐结果。本发明能够对图数据进行去噪处理，能够对交互图进行优化，得到去噪后的图数据；通过将去噪后的图数据输入信息推荐模型，能够提高信息推荐精度，提升用户的个性化推荐体验，并提高个性化推荐结果。
-
公开(公告)号：CN117809369A
公开(公告)日：2024-04-02
申请号：CN202311796421.5
申请日：2023-12-25
Applicant: 中北大学 , 山西文旅集团信息技术有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于自编码器的人群异常行为检测方法。本发明通过在编码器中加入全局跨通道特征提取模块提取全局上下文特征，在编码器与解码器之间加入全局时空信息增强模块提取全局时空特征，同时忽略无关信息、关注重点信息，从而提升异常行为的检测能力，提高网络整体检测精度，广泛适用于视频中的人群异常行为检测。
-
公开(公告)号：CN117789012A
公开(公告)日：2024-03-29
申请号：CN202311857021.0
申请日：2023-12-29
Applicant: 中北大学
IPC: G06V20/00 , G06V10/82 , G06V10/774 , G06V10/80 , G06V20/70
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于YOLOv7的室内物品检测方法。针对复杂环境中可能存在的检测精度较低、模型参数量大等问题提出了解决方法。首先，在主干网络后加入无参数注意力机制(SimAM)，同时在颈部网络中引入了轻量化加权双向特征金字塔网络Short‑BiFPN，更好地实现了多尺度特征融合，增强了网络对目标区域的注意力与提取特征的能力，从而减少复杂环境对室内物品检测的干扰；使用部分卷积PConv替换骨干网络中的ELAN模块里的3×3卷积，对骨干网络作轻量化处理，减少算法参数量；最后，在颈部使用GSConv卷积和VoVGSCSP模块，使得在降低算法计算复杂度的同时保持精度。
-
公开(公告)号：CN117036897A
公开(公告)日：2023-11-10
申请号：CN202310616820.2
申请日：2023-05-29
Applicant: 中北大学
IPC: G06V10/82 , G06V10/774 , G06V10/25 , G06V10/40 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/44 , G06V10/26 , G06N3/044
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于MetaRCNN的少样本目标检测方法。为克服现有检测技术在检测精度和在新类泛化能力差的缺点，本发明构建的深度学习网络实现包括ResNet为主干网，区域建议网络提取图像目标建议框，RoIAlign处理基础特征和感兴趣区域，特征聚合之后馈送到预测器，得到输出后与对应真值一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将采集构建的数据集输入到训练好的深度网络模型得到像素级预测输出，通过AP值衡量预测结果。
-
Patent Agency Ranking
-
公开(公告)号：CN116012587A
公开(公告)日：2023-04-25
申请号：CN202310067111.3
申请日：2023-01-16
Applicant: 中北大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多尺度监督的三维场景点云分割方法。本发明引入多尺度监督的方式，通过对解码器每层进行额外的监督学习，判断隐藏层特征图质量的好坏，从而提高网络整体分割精度，促使网络隐藏层学习到的特征易区分、更具鲁棒性，进而改善网络对物体边缘的分割效果，广泛适用于大型室内点云语义分割。
-
公开(公告)号：CN116007607A
公开(公告)日：2023-04-25
申请号：CN202211551320.7
申请日：2022-12-05
Applicant: 中北大学
Abstract: 本发明属于机器人动态SLAM视觉技术领域，具体涉及一种多源语义感知下的室内动态SLAM方法。针对室内动态环境中的定位及建图精度不高，没有统一的语义表征和计算方法等问题，本发明拟基于多传感器，对室内常见物体分类，识别并移除分割出运动物体及与其交互的可移动物体，得到清晰完整的单视角三维点云；追踪帧间运动，基于加权RANSAC方法计算局部摄像机位姿；基于多传感器感知因子图，计算摄像机全局位姿并进行回环检测，基于微分流形方法得到整个场景的全局三维点云图及摄像机运动轨迹。
-
公开(公告)号：CN110176079B
公开(公告)日：2023-03-24
申请号：CN201910443071.1
申请日：2019-05-26
Applicant: 中北大学
IPC: G06T19/20 , G06F16/583
Abstract: 本发明属于计算机视觉领域，公开了一种基于准共形映射的三维模型变形算法。首先，利用准共形映射将三维模型参数化到二维平面圆盘；其次，采用准共性迭代算法计算两个平面之间的映射，得到变形后的二维模型；最后，采用2D→3D模型恢复算法将变形后的二维模型还原出尽可能满足约束条件的三维模型。本发明解决了现有模型利用率低，变形算法需要操作的控制点多、对骨骼不明显的模型处理效果差以及微分坐标变形技术对旋转敏感，以及直接在三维模型上变形较难的问题。比传统的映射方法简单而且保持了源模型的更多的局部细节。本发明适用于基于单幅图像的三维模型变形，适用于具有任何边界的模型的变形。可应用于动画、整容手术、医学以及几何建模等领域。
-
公开(公告)号：CN112221149B
公开(公告)日：2022-07-19
申请号：CN202011051742.9
申请日：2020-09-29
Applicant: 中北大学
IPC: A63F13/60 , A63F13/822 , G06N3/04 , G09B9/00
Abstract: 本发明属于计算机仿真领域，具体涉及一种基于深度强化学习的炮兵连智能作战演练系统。该系统包括包括任务管理模块、算法决策模块和可视化演示模块。针对强化学习、矩阵对策、影响图对策、遗传算法和遗传模糊树等方法存在的“维度灾难”、“人类主观性影响”、“规则漏洞”等问题，本发明采用深度强化学习算法，通过其与环境的交互对神经网络进行训练，避免了人类主观影响；不需要经典样本案例；通采用深度神经网络避免“维度灾难”问题。本发明在炮兵连军事演练中战术研究、火力打击、装备性能评估等领域具备广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.023 seconds)
