-
公开(公告)号：CN112801113A
公开(公告)日：2021-05-14
申请号：CN202110173919.0
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于多尺度可靠聚类的数据去噪方法，本发明针对商品识别模型中数据的前期处理提出单品类去噪算法，旨在解决对深度学习训练数据脏乱差的问题。该算法通过对每个类别聚类的方式，找出那些类簇之外的离散点，也就是那些噪声数据并将其剔除，实现端到端的数据自动化清洗流程，省去人工清洗数据的时间，大大提高数据处理的工作效率。实验结果表明，使用去噪后的数据集进行训练的网络得到的精度会比使用原数据训练网络所得的精度要高，也从侧面反映出该去噪方法良好的性能。
-
公开(公告)号：CN109902602B
公开(公告)日：2021-04-30
申请号：CN201910118545.5
申请日：2019-02-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于对抗神经网络数据增强的机场跑道异物材料识别方法，针对机场跑道异物材料数据少，难采集，且材料物品的无固定形态，尺度多样的特点，本发明包括：设计逐分辨率提升的生成对抗神经网络，生成高质量的机场跑道异物材料数据，生成对抗神经网络由上海大学校园道路模拟与上海虹桥机场跑道异物材料分类数据集中的训练集驱动训练。利用训练好的对抗神经网络生成器，生成新的材料图像数据。结合原始数据与对抗神经网络生成数据，驱动基于特征通道注意力机制的残差神经网络进行分类训练，达到更高的机场跑道异物材料识别能力。
-
公开(公告)号：CN101720043B
公开(公告)日：2012-11-28
申请号：CN200910238473.4
申请日：2009-11-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多模式预测的成像光谱图像压缩方法，由成像光谱仪或其他数字化仪器完成成像光谱数据的采集，将目标图像的光学信号转化为数字图像信号，存储在采集设备存储器中；计算机通过现有的USB、红外接口读入图像，在处理器中进行基于多模式预测的成像光谱图像有损压缩；压缩结果可以直接存储在本地硬盘，或通过网络存储设备或进行网络存储；压缩方法主要包括计算最优预测顺序步骤，以及根据预测顺序对当前波段进行多模式的预测步骤：对成像光谱图像展开水平模式、垂直模式和直流模式的空间预测或一种模式的谱间预测。整个方法压缩效率高，方法复杂度低，执行速度快，易于移植到嵌入式平台从而实现星上应用。
-
公开(公告)号：CN101720043A
公开(公告)日：2010-06-02
申请号：CN200910238473.4
申请日：2009-11-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多模式预测的成像光谱图像压缩方法，由成像光谱仪或其他数字化仪器完成成像光谱数据的采集，将目标图像的光学信号转化为数字图像信号，存储在采集设备存储器中；计算机通过现有的USB、红外接口读入图像，在处理器中进行基于多模式预测的成像光谱图像有损压缩；压缩结果可以直接存储在本地硬盘，或通过网络存储设备或进行网络存储；压缩方法主要包括计算最优预测顺序步骤，以及根据预测顺序对当前波段进行多模式的预测步骤：对成像光谱图像展开水平模式、垂直模式和直流模式的空间预测或一种模式的谱间预测。整个方法压缩效率高，方法复杂度低，执行速度快，易于移植到嵌入式平台从而实现星上应用。
-
公开(公告)号：CN114266957B
公开(公告)日：2024-05-07
申请号：CN202111342185.0
申请日：2021-11-12
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/774 , G06N3/084 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于多降质方式数据增广的高光谱图像超分辨率复原方法，属于图像处理技术领域，包括获取高光谱图像，对高光谱数据集进行预处理，将高光谱数据集中的图像按一定规则裁剪，生成非重叠的子图和重叠块，并将子图和重叠块分别作为测试数据和训练数据；对测试数据和训练数据进行数据扩增并增加高斯噪声，获得有噪声的低分辨率的测试数据和训练数据；构建高光谱图像超分辨率模型；采用训练数据对高光谱图像超分辨率模型进行训练，从而得到训练好的高光谱图像超分辨率模型；将测试数据输入训练好的高光谱图像超分辨率模型，获得超分辨率的高光谱图像。本发明对数据进行扩增，提升了高光谱图像超分辨率模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN113409245B
公开(公告)日：2024-04-02
申请号：CN202110365561.1
申请日：2021-04-06
Applicant: 中国电子技术标准化研究院 , 北京工业大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09 , G06T5/70 , G06T5/90 , G06T5/40
Abstract: 本发明公开了一种电子元器件X射线检查缺陷自动识别方法，该方法对X射线图像进行预处理；人工半自动或自动对样本进行标注，根据电子元器件的封装和缺陷形式，将待检测的电子元器件的缺陷类型分为空洞类缺陷、一致性缺陷和角度缺陷三大类。利用基于卷积神经网络的语义分割方法实现对四类空洞缺陷的检测。通过大量的样本对卷积神经网络进行训练，实现对各类空洞缺陷的精确分割，极大提高了缺陷自动识别效率。同时，通过灰度投影法对芯片焊接区及密封区等进行检测，根据相应的判别准则对其合格性进行判别。解决了以往无法进行自动计算和单纯靠人工进行判别的问题，以及混合集成电路中的基板与管壳焊接界面空洞的干扰问题。
-
公开(公告)号：CN111368754B
公开(公告)日：2023-11-28
申请号：CN202010154681.2
申请日：2020-03-08
Applicant: 北京工业大学
IPC: G06V20/50 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于全局上下文信息的机场跑道异物检测方法，包括：将图片输入到所设计的卷积网络中，主干网络采用ResNeXt，通过多个并行路径来增加残差块的宽度，提高网络对小目标检测的准确率；在此过程中，加入全局上下文模块(GC block)，通过自注意力机制捕捉图像的全局上下文信息；采用级联网络结构，设置三个不同的IoU阈值来进行训练，提高网络的泛化能力，进一步提高检测的准确率；最后输出检测的结果。在FOD(Foreign object debris)数据集上的实验结果表明，本发明的检测性能优于其他的算法。
-
公开(公告)号：CN114120248A
公开(公告)日：2022-03-01
申请号：CN202111402036.9
申请日：2021-11-19
Applicant: 北京工业大学
IPC: G06V20/54 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于内容感知模块的人群密度估计方法及系统，涉及人群密度估算技术领域，包括：对待预测的图像数据进行预处理；根据处理后的所述图像数据提取深层语义信息和多层融合上下文信息；基于内容感知模块根据所述深层语义信息动态生成内容感知参数；将根据所述内容感知参数对人群密度估计模块卷积层的权重和偏移量进行初始化；将所述多层融合上下文信息输入初始化后的所述人群密度估计模块，得到人群密度图像。本发明在每次预测人群密度时，获取该图片数据的深层语义信息，进而动态生成人群密度估计模块卷积层的参数，更加灵活地、有针对性的进行人群密度估计，在复杂多变的场景下能够得到更好的预测结果。
-
公开(公告)号：CN110020606B
公开(公告)日：2021-03-30
申请号：CN201910186683.7
申请日：2019-03-13
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多尺度卷积神经网络的人群密度估计方法，在视频监控领域，为了可以提升人群密度估计的准确性，本方法提出了一种基于多尺度卷积神经网络的网络结构，可以在场景中准确地预测人群密度图。本方法通过利用空洞卷积与原始卷积进行不同感受野信息的特征融合，以及融合不同分辨率下特征图不同的层级语义信息，从而生成具有更高质量的人群密度图。实验在当前较为流行的ShanghaiTech数据集、UCF_CC_50数据集以及WorldExpo‘10数据集上进行测试，使用平均绝对误差(MAE)和均方误差(MSE)作为评价标准。结果表明，该网络模型与以往的方法进行对比，降低了MAE值和MSE值，提高了人群密度估计的准确性。
-
公开(公告)号：CN111368754A
公开(公告)日：2020-07-03
申请号：CN202010154681.2
申请日：2020-03-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于全局上下文信息的机场跑道异物检测方法，包括：将图片输入到所设计的卷积网络中，主干网络采用ResNeXt，通过多个并行路径来增加残差块的宽度，提高网络对小目标检测的准确率；在此过程中，加入全局上下文模块(GC block)，通过自注意力机制捕捉图像的全局上下文信息；采用级联网络结构，设置三个不同的IoU阈值来进行训练，提高网络的泛化能力，进一步提高检测的准确率；最后输出检测的结果。在FOD(Foreign object debris)数据集上的实验结果表明，本发明的检测性能优于其他的算法。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.081 seconds)
