-
公开(公告)号：CN120067593A
公开(公告)日：2025-05-30
申请号：CN202510215810.7
申请日：2025-02-26
Applicant: 北京信息科技大学
IPC: G06F18/20 , B64F5/60 , G06F18/10 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明涉及飞机结构健康检测技术领域，公开了一种基于循环神经网络的飞机起落架智能载荷计算方法，包括以下步骤：依据地面标定实验改进的飞机起落架应变‑载荷数据采集方式；建立感测网络；对待测系统施加压力载荷，再由预设传感器采集并反馈光谱数据；对所测得的数据进行预处理，得到初始训练数据；将数据归一化后输入CNN层提取数据空间特征及有用的局部模式；构建GRU层对数据进行进一步的处理；最后由全连接层根据前步的隐藏状态，总结数据特征输出xyz三轴的负载预测值。本发明中，通过构建CNN‑GRU混合神经网络，对数据进行空间和时间上的特征提取，实现了模拟现实情况下的高精度预测。
-
公开(公告)号：CN120013776A
公开(公告)日：2025-05-16
申请号：CN202510056920.3
申请日：2025-01-14
Applicant: 北京信息科技大学
IPC: G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了基于深度自适应通道‑空间注意力的图像融合方法及系统，属于图像处理技术领域；方法包括：获取红外光图像和可见光图像并输入到双分支交互式编码器中，提取红外光图像和可见光图像的初始特征；利用深度自适应分数模块获取红外光图像和可见光图像初始特征的权重，生成加权特征；将加权特征合并，并输入到自适应通道‑空间注意力模块中实现特征融合；将融合后的特征输入到解码器中进行降维重建，将融合结果映射回原始表示。通过两种模态图像输入特征的交互式处理，并动态调整融合权重，能得到更多互补信息。利用深度自适应融合模块，用于评估输入特征的质量，并通过通道和空间双重关注机制执行加权融合，从而获得了更好的融合效果。
-
公开(公告)号：CN119541052A
公开(公告)日：2025-02-28
申请号：CN202411684501.6
申请日：2024-11-22
Applicant: 北京信息科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明属于手势识别领域，提供了一种基于多头注意力与时空特征融合的手势识别方法及系统，利用深度学习的框架搭建神经网络模型结构，导入包含时序特征的手部关节点的手势序列，利用提出的手势识别算法对手势序列数据进行特征提取、位置编码与注意力计算、特征融合与特征映射，输出更高准确率的手势分类结果。采用新的网络拓扑结构并利用局部全局多头注意力模块在时空两个维度捕捉空间和时间上的复杂关系，解决了目前模型在应对复杂时序数据时捕捉短期和长期依赖关系不充分的问题，使得融合算法在处理不同类型的手势序列数据时更加灵活高效。
-
公开(公告)号：CN119230089A
公开(公告)日：2024-12-31
申请号：CN202411325332.7
申请日：2024-09-23
Applicant: 北京信息科技大学
IPC: G16H50/20 , G16H50/80 , G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/098
Abstract: 本发明公开了一种基于拉曼光谱的口腔癌多任务诊断系统，属于生物医学检测技术领域。包括获取模块和口腔癌多任务诊断模块，获取模块用于获取拉曼光谱数据；口腔癌多任务诊断模块用于通过训练好的口腔癌多任务诊断模型处理所述拉曼光谱数据，以生成并输出肿瘤分期结果、淋巴结分期结果和组织学分期结果；口腔癌多任务诊断模型包括双向Mamba分支和残差注意力融合分支，利用残差注意力融合分支提取所述拉曼光谱数据中的局部特征信息，并融合双向Mamba分支提取的全局特征信息生成多尺度特征。能够有效地提取拉曼光谱数据中的特征信息，提高口腔癌诊断的准确性并实现口腔癌的多任务诊断；解决了现有无法实现多任务共同诊断以及诊断精确度有待提高的问题。
-
公开(公告)号：CN119151801A
公开(公告)日：2024-12-17
申请号：CN202411561833.5
申请日：2024-11-05
Applicant: 广州市南沙区北科光子感知技术研究院 , 北京信息科技大学
IPC: G06T5/50 , G06N3/0455 , G06N3/08 , G06T3/4038 , G06T5/60
Abstract: 本发明涉及图像处理技术领域，提供了一种利用Mamba的红外与可见光图像融合方法，该方法包括分别将可见光图像Ivi和红外图像Iir输入浅层特征提取器进行浅层特征提取，获得浅层可见光图像特征#imgabs0#和浅层红外图像特征#imgabs1#；分别将浅层可见光图像特征#imgabs2#和浅层红外图像特征#imgabs3#输入各自对应的深层特征提取器进行深层特征提取，获得深层可见光图像特征#imgabs4#和深层红外图像特征#imgabs5#；将深层可见光图像特征#imgabs6#和深层红外图像特征#imgabs7#进行拼接操作并输入特征解码器获得融合图像IF。本发明展现出了强大的泛化能力，能够在无需额外微调的情况下适应各种分辨率的红外与可见光图像融合任务。
-
Patent Agency Ranking
公开(公告)号：CN119090739A
公开(公告)日：2024-12-06
申请号：CN202411561827.X
申请日：2024-11-05
Applicant: 广州市南沙区北科光子感知技术研究院 , 北京信息科技大学
Abstract: 本发明涉及数字图像处理技术领域，提供了一种提升图像细节与纹理的红外与可见光图像融合方法，该方法包括：将原始红外图像和原始可见光图像的特征向量拼接；采用串行的多个残差并行视觉Mamba网络模型对得到的源图像特征进行不同空间尺度的初始特征图提取；将最后一次迭代得到的初始特征图作为基础特征图，采用多通道并行视觉Mamba网络模型识别基础特征图的融合特征信息；将融合特征信息扩展至不同空间尺度的初始特征图中，得到不同空间尺度上的初始融合特征图；将各个空间尺度上的初始融合特征图上采样至原始红外图像的分辨率并生成融合图像；根据融合图像与原始图像的特征损失进行迭代优化。本发明能够显著提升融合图像中的细节清晰度与纹理表现。
-
公开(公告)号：CN117876239A
公开(公告)日：2024-04-12
申请号：CN202410077069.8
申请日：2024-01-18
Applicant: 北京信息科技大学
IPC: G06T5/50 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机软件及计算机应用技术领域，提供了一种基于Y型注意力和动态卷积结合的图像融合方法及系统，图像融合模型包括第一支路和第二支路；第一支路中包括用于接收第一图像的第一编码器，以及与第一编码器连接的第一注意力‑动态卷积模块；第二支路中包括用于接收第二图像的第二编码器，以及与第二编码器连接的第二注意力‑动态卷积模块；第一支路和第二支路合并后连接有第三注意力‑动态卷积模块，注意力‑动态卷积模块包括串接的一个解耦动态卷积和两个Transformer模块，提升了全局信息的获取能力；并且，设计的包括第一支路和第二支路的Y型结构，提升了运行效率，与现有计算方法相比，具备更高的精度和较好的泛化能力。
-
公开(公告)号：CN117350346A
公开(公告)日：2024-01-05
申请号：CN202311331808.3
申请日：2023-10-16
IPC: G06N3/067 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种实现非线性激活的光子芯片计算单元，包括：泵浦激光器、激活模块、卷积模块和光电转换模块；激活模块为全通型微环谐振器，泵浦激光器连接激活模块；卷积模块为分叉复用微环谐振器，全通型微环谐振器的直通端连接分叉复用微环谐振器的输入端；光电模块包括平衡探测器和跨阻放大器，分叉复用微环谐振器的直通端和下载端分别连接平衡探测器；平衡探测器连接跨阻放大器；跨阻放大器输出的电压信号反馈至全通型微环谐振器，对全通型微环谐振器施加电压，对激活模块进行调制。本发明利用了等离子色散效应，实现数据的高速调制，可以同时实现多个波长的非线性操作，以完成并行计算，提高推理速度，减少推理时间，减少光子芯片的尺寸。
-
公开(公告)号：CN113033796A
公开(公告)日：2021-06-25
申请号：CN202011456487.6
申请日：2020-12-11
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种全光非线性衍射深度神经网络的图像识别方法。设计出一种基于泄漏(Leaky ReLU,LReLU)修正线性激活函数的非线性衍射深度神经网络方法用于图像识别。首先，设置衍射深度神经网络物理参数，包括光源波长、像元尺寸、每层像元个数和光栅层间距，利用光学瑞利‑索末菲(Rayleigh‑sommerfeld)衍射公式计算光波传输系数，进而建立单个像元输出函数；然后，每个像元输出值送入LReLU激活单元，形成非线性映射；最后，建立完整的全光非线性衍射深度神经网络前向传播模型，神经网络参数采用随机梯度下降算法进行优化。本方法结果表明，相比于现有的全光衍射深度神经网络，本发明所提供的方法具有更强的非线性数据可分能力，分类精度高，且计算简便。
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.027 seconds)
