-
公开(公告)号：CN105528623A
公开(公告)日：2016-04-27
申请号：CN201610013793.X
申请日：2016-01-09
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6223
Abstract: 本发明公开一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法，包括K-means、基于K-SVD的分类冗余字典训练，和成像光谱图像的全波段稀疏表示。通过非监督K-means聚类，将成像光谱图像的信息按地物类别分成相应子集，通过分类字典稀疏分解成像光谱图像，在保证了稀疏性的前提下，提高了重建图像所有波段的信息质量。充分利用了光谱图像相同地物类别光谱曲线相似的特点，避免了错误信息的引入，保证了重建光谱图像的质量，有效避免了各波段独立进行产生的光谱失真问题。
-
公开(公告)号：CN103793883A
公开(公告)日：2014-05-14
申请号：CN201310676634.4
申请日：2013-12-11
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于主成分分析的成像光谱图像超分辨率复原方法，包括主成分分析、基于灰度映射和MAP的第1主成分超分辨率复原和成像光谱图像的全波段超分辨率复原。通过PCA变换，将成像光谱图像的有效信息集中于第1主成分，仅通过第1主成分的超分辨率复原即达到了提高所有波段空间分辨率的效果，运算量较低；利用PCA变换后第1主成分与全色影像之间的相关性，通过建立灰度映射模型，实现了全色影像高频信息到第1主成分图像的映射，并通过MAP约束优化进一步提高了重建高频信息的质量，既充分利用了全色影像的高频信息，又避免了错误信息的引入，保证了重建高分辨率图像的质量，有效避免了各波段独立进行产生的光谱失真问题。
-
公开(公告)号：CN120014265A
公开(公告)日：2025-05-16
申请号：CN202510077888.7
申请日：2025-01-17
Applicant: 北京工业大学
Abstract: 本申请公开了一种视杯视盘域泛化分割方法，将眼底图像的色彩空间转为YUV色彩空间，并特征提取得到第一低级特征；对第一低级特征进行同态曲率滤波得到第二低级特征；对第一低级特征进行均值和标准差的内部混合，生成第三低级特征；根据第三低级特征，得到第一高级特征；将第一高级特征进行不同尺度下的特征提取以及合并，得到第二高级特征；利用领域知识库的多域特征和代码，调整第二高级特征，得到第三高级特征；将第三高级特征和第二高级特征及第二低级特征结合，生成最终输出特征。本申请通过在YUV色彩空间进行特征提取、对低级特征进行特征混合以及单独对低级特征加强，增强了特征的多样性，还关注到视杯视盘的细节特征，提升模型泛化能力。
-
公开(公告)号：CN112115775B
公开(公告)日：2024-06-07
申请号：CN202010789052.7
申请日：2020-08-07
Applicant: 北京工业大学
IPC: G06V40/20 , G06V20/52 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于计算机视觉的监控场景下的吸烟行为检测方法，所述方法包括:采集包含吸烟行为的视频图像，以及相似行为如打电话等行为的视频图像，采用预设计的目标检测网络模型对图像进行对人体位置的检测，对人体检测框使用预设的裁剪算法裁剪，使用预设的分类网络模型进行对裁剪框区域图像信息进行识别，进而得到吸烟识别结果；本发明在实施上具有成本低、实时检测、高准确性等优点。
-
公开(公告)号：CN114418987B
公开(公告)日：2024-05-28
申请号：CN202210050896.9
申请日：2022-01-17
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/10 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种多阶段特征融合的视网膜血管分割方法及系统，涉及计算机视觉中的医学图像分割技术领域，包括：将预处理的视网膜血管图像输入卷积神经网络获取初始特征图；根据初始特征图进行多次下采样，获得多张下采样特征图并进行多阶段特征融合，获得多张融合特征图；对最后一次下采样得到的下采样特征图进行多尺度池化，包括条形池化，获得图像池化后特征图；对池化后特征图持续进行多次上采样、均与尺寸相同的融合特征图进行对应像素相加操作，直至恢复初始特征图尺寸大小，获得完整特征图；根据完整特征图反卷积获得视网膜血管图像的分割图。本发明能够更大程度保留视网膜血管中的细小血管，血管边缘结构也明显更清晰，分割结果更准确。
-
Patent Agency Ranking
公开(公告)号：CN110796051B
公开(公告)日：2024-04-26
申请号：CN201910996476.8
申请日：2019-10-19
Applicant: 北京工业大学
IPC: G06V40/20 , G06V10/764 , G06V10/25
Abstract: 本发明公开了基于货柜场景下的实时存取行为检测方法和系统，所述方法包括：采集俯视的手部视频图像，采用预设计的网络模型检测图像中的手腕关键点、手部掌心关键点；根据所述每一帧的手部关键点确定手部区域图像，采用预设的分类网络模型对手部区域有无物体进行分类识别；根据所述每一帧的手腕关键点来记录手部运动轨迹，通过运动轨迹来判断手部的运动方向；基于所述手部的运动方向和手部物体有无的分类识别信息，采用预设计的规则来对所述手部信息进行判别，输出存取行为检测的结果。本发明在实施上具有成本低、实时检测、高准确性、高鲁棒性等优点。
-
公开(公告)号：CN115908819A
公开(公告)日：2023-04-04
申请号：CN202211690834.0
申请日：2022-12-27
Applicant: 北京工业大学
IPC: G06V10/26 , G06V20/70 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本方法公开了一种基于聚合卷积和自注意力特征的电子元器件X光图像空洞分割方法，首先对元器件数据集进行数据增强以扩充数据样本量，避免过拟合。其次，将数据输入到模型中进行分割，模型设计为U形Encoder‑Decoder结构，将引入CNN和Transformer混合分支的主干网络作为Encoder模块提取特征，聚合了图像的局部特征和全局特征；设计Decoder结构对Encoder模块输出进行上采样，并在每一层上采样中使用跳跃连接，融合下采样特征使后续上采样特征更加精细，图像还原更精确，分割精度更高。最后，使用LovaszSoftmax损失函数指导训练，得到分割模型。本方法能够用于电子元器件表面空洞缺陷分割任务，具有成本低、实时检测、高准确性等优点。
-
公开(公告)号：CN114418987A
公开(公告)日：2022-04-29
申请号：CN202210050896.9
申请日：2022-01-17
Applicant: 北京工业大学
Abstract: 本发明提供一种多阶段特征融合的视网膜血管分割方法及系统，涉及计算机视觉中的医学图像分割技术领域，包括：将预处理的视网膜血管图像输入卷积神经网络获取初始特征图；根据初始特征图进行多次下采样，获得多张下采样特征图并进行多阶段特征融合，获得多张融合特征图；对最后一次下采样得到的下采样特征图进行多尺度池化，包括条形池化，获得图像池化后特征图；对池化后特征图持续进行多次上采样、均与尺寸相同的融合特征图进行对应像素相加操作，直至恢复初始特征图尺寸大小，获得完整特征图；根据完整特征图反卷积获得视网膜血管图像的分割图。本发明能够更大程度保留视网膜血管中的细小血管，血管边缘结构也明显更清晰，分割结果更准确。
-
公开(公告)号：CN111833261A
公开(公告)日：2020-10-27
申请号：CN202010491996.6
申请日：2020-06-03
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于注意力的生成对抗网络的图像超分辨率复原方法，该方法设计了注意力模块，它由卷积层，激活层，空间注意力层，通道注意力层组成，通过与前一层浅层特征提取的特征图进行连接，对网络中通道间的高低频信息与同一通道内不同空间位置的高低频信息分配不同的权重，使得高频与低频信息都尽可能地被学习，对重建过程中其进行高频特征指导。本发明适用于图像的超分辨率复原技，重建效果好，在图像恢复技术领域有着广泛的应用。
-
公开(公告)号：CN111144329A
公开(公告)日：2020-05-12
申请号：CN201911386325.7
申请日：2019-12-29
Applicant: 北京工业大学
Abstract: 本发明公开一种基于多标签的轻量快速人群计数方法。根据感受野尺寸设计简单、高效的主干特征提取网络，内置密集上下文模块，保证了网络层的信息传递，提高了网络的表达能力；设计六个多尺度中间监督分支，使得网络更快、更稳定的收敛；设计了上采样模块，逐级提升分辨率，提高密度图的质量，以实现准确计数和精准定位；设计了三种标签，将基于密度的人群计数任务显地转化为前景与背景分割任务来辅助人群密度图的回归任务，同时实现密度图和分割图的预测，有效减小估计误差。在UCF_CC_50，ShanghaiTech和UCF-QNFR数据集的测试结果表明，本发明的预测性能均优于当前主流算法，预测速度达到了实时，可以方便地部署到终端设备中。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
