-
公开(公告)号：CN101477523A
公开(公告)日：2009-07-08
申请号：CN200810180094.X
申请日：2008-11-24
Applicant: 北京邮电大学
Abstract: 本发明用于超大型指纹数据库的指纹检索，提出了超大型指纹库的索引结构和检索方法。本发明属于计算机识别领域，具体涉及到指纹识别、数据库、数据检索和图像处理等领域。本发明提出了一种超大型指纹库检索系统结构的构造方法、基于索引匹配错误概率的索引评价方法、基于分层深度索引的指纹检索方法以及基于一边多次匹配结构特征的检索评价方法来加速超大型指纹库的检索，具有实用价值和普遍的适用性。在离线建库阶段依据基于索引匹配错误概率的索引评价方法对库指纹构建哈希索引、分层深度索引、特征值索引三个功能互补的索引器；在在线检索阶段依据基于索引匹配错误概率的索引评价方法和基于一边多次匹配结构特征的检索评价方法构建检索器。
-
公开(公告)号：CN100383808C
公开(公告)日：2008-04-23
申请号：CN200610086958.2
申请日：2006-06-20
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明提出了一种全新的适用于硬件加速的指纹比对方法。该方法采用超标量、超流水的结构，在提高比对速度的同时保证了比对的准确性。首先进行基于特征边的比对，然后根据匹配的特征边组成要比对的特征三角形，再进行特征三角形比对，得到库指纹与现场指纹三角形的偏移信息。本发明提出的这种由边过渡到三角形的逐级比对的方法，大幅度减少了需要比对的特征三角形的数量，提高了比对速度；同时提出的偏移量的计算方法提高了指纹比对的剔除率和偏移量计算的准确性。基于上述指纹比对方法，本发明研制出了一种基于FPGA的指纹比对加速卡。这种流水线加并行处理的算法结构极大地提高了比对的效率。
-
公开(公告)号：CN1862562A
公开(公告)日：2006-11-15
申请号：CN200610086958.2
申请日：2006-06-20
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本发明提出了一种全新的适用于硬件加速的指纹比对方法。该方法采用超标量、超流水的结构，在提高比对速度的同时保证了比对的准确性。首先进行基于特征边的比对，然后根据匹配的特征边组成要比对的特征三角形，再进行特征三角形比对，得到库指纹与现场指纹三角形的偏移信息。本发明提出的这种由边过渡到三角形的逐级比对的方法，大幅度减少了需要比对的特征三角形的数量，提高了比对速度；同时提出的偏移量的计算方法提高了指纹比对的剔除率和偏移量计算的准确性。基于上述指纹比对方法，本发明研制出了一种基于FPGA的指纹比对加速卡。这种流水线加并行处理的算法结构极大地提高了比对的效率。
-
公开(公告)号：CN119600061A
公开(公告)日：2025-03-11
申请号：CN202411644983.2
申请日：2024-11-18
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于轨迹间隔的层级多目标跟踪方法。所述方法包括：针对一段视频，检测所有目标位置；将每个检测框初始化为一段轨迹；计算目标尺寸一致性重叠相似度；构建相机运动一致性算法，在匹配阶段补偿相机运动带来的偏移；构建层级一致性算法，补偿第一层级损失的运动信息；构建单层轨迹关联算法，实现轨迹间一对一匹配；构建基于轨迹间隔的层级跟踪框架，逐步匹配所有轨迹；对匹配结果做后处理，得到最终的跟踪结果。本发明设计的基于轨迹间隔的层级多目标跟踪方法，使用启发式方法逐步关联所有目标，摆脱了多目标跟踪算法对目标外观特征和神经网路的依赖，适用于现实应用中算力不足和训练数据稀缺的场景。且本发明可以与其它跟踪算法无缝结合，以极低的计算代价进一步提升跟踪效果。
-
公开(公告)号：CN113888474B
公开(公告)日：2024-05-31
申请号：CN202111063063.8
申请日：2021-09-10
Applicant: 北京邮电大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种目标细胞的智能检测方法。所述方法包括：将超高分辨率免疫组化数字图像均匀地、低重叠地裁剪成多个大尺寸概览图像；将概览图像输入卷积神经网络提取得到不同尺度的特征；将不同尺度的特征进行自适应加权融合，计算出候选细胞的分布概率图；将分布概率图映射到输入的概览图像中，得到多个位置坐标；根据位置坐标信息，对概览图像进行局部裁剪，得到候选细胞的小尺寸近距离图像；将候选细胞的小尺寸近距离图像输入分类网络，输出候选细胞是否为目标细胞的精确分类结果；融合所有概览图像中候选细胞的位置坐标信息和精确分类结果，最后输出目标细胞的检测结果。本发明不仅能更快速地得到检测的结果，还能保证检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN113053497B
公开(公告)日：2022-06-28
申请号：CN202110250510.4
申请日：2021-03-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种优化组织学病理图像智能分析性能的后处理方法。所述方法包括：获取病例的多张病理切片的数字图像，并绘制先验图谱；将切片对应的数字图像和先验图谱裁剪成小尺寸图像块；计算待优化算法对于小尺寸图像块的预测置信概率特征，并计算对应的先验图谱的平均值作为先验权重；计算每个小尺寸图像块的加权置信概率特征；融合切片对应的所有小尺寸图像块的加权置信概率特征；融合病例对应的所有切片的加权置信概率特征；最后预测病例所属病变类别。本发明的方案不需要重新训练即可应用于现有智能分析方法，不仅能提升算法的分析精度，也能结合医生的先验知识关注部分关键区域，在病理医生诊断过程中起到更精确的智能辅助效果。
-
公开(公告)号：CN114646653A
公开(公告)日：2022-06-21
申请号：CN202011521136.9
申请日：2020-12-21
Applicant: 中国科学院物理研究所 , 北京邮电大学
IPC: G01N23/20058 , G01N23/2055 , G06K9/62 , G06V10/762 , G06T7/00 , G06T7/60
Abstract: 本发明提供了一种基于机器学习的原位电子衍射数据处理分析方法及应用，该方法包括：单帧电子衍射图中心的自动标定，衍射斑点的自动检测和跟踪，衍射环的计算和标定，以及针对单个衍射斑点的径向半径、亮暗衬度和切向角度变化的数据存储和分析方法。本发明结合了机器学习、图像处理等方法，实现了对于原位电子衍射数据中每一帧电子衍射花样中的每一个衍射斑点的定性分析和定量计算。
-
公开(公告)号：CN109815863B
公开(公告)日：2021-10-12
申请号：CN201910026602.7
申请日：2019-01-11
Applicant: 北京邮电大学
Abstract: 本公开涉及一种基于深度学习和图像识别的烟火检测方法，包括以下步骤：步骤1、从待识别的视频中读取视频帧，根据所述视频帧内的像素的颜色特征、以及视频帧间的像素的差异特征，提取所述视频帧内的部分像素集合，形成一个或多个预处理区域供识别；步骤2、将提取出的预处理区域截取成图片，作为烟火检测模型的输入；步骤3、通过所述烟火检测模型，从所述图片提取特征；步骤4、根据所提取的特征来确定所述图片中存在烟火场景的置信度；步骤5、如果所述置信度超过置信度阈值，则将所述图片对应的区域在所述视频帧中标记出来。
-
公开(公告)号：CN109801275B
公开(公告)日：2021-09-10
申请号：CN201910026589.5
申请日：2019-01-11
Applicant: 北京邮电大学
Abstract: 本公开涉及一种基于图像识别的马铃薯病害检测方法，包括以下步骤：步骤1、客户端获取待识别的马铃薯叶片、根茎和薯块的图片，并上传到服务端；步骤2、服务端对所述图片进行预处理，之后将预处理后的图片送入深度学习模型；步骤3、深度学习模型对预处理后的图片提取高维特征后识别并标定出图片中包含的马铃薯病斑的类别和位置；步骤4、将识别出的病斑位置及其类别作为标记叠加到图片上，形成检测结果图片，以供客户端下载并显示。
-
公开(公告)号：CN112991360A
公开(公告)日：2021-06-18
申请号：CN202110226699.3
申请日：2021-03-01
Applicant: 北京邮电大学
Abstract: 本发明提供了一种宫颈癌前病理组织学分割优化方法。所述方法包括：选择宫颈分布一致性损失函数的优化权重函数类型；选择宫颈分布一致性损失函数的优化权重函数参数；确定宫颈分布一致性损失函数表达形式；计算宫颈分布一致性损失函数的值并优化模型；迭代优化预测模型的性能；通过更新后的预测模型预测病变位置和类别。本发明的方案适用于大多数从其他领域迁移的图像分割神经网络结构，可应对各种实际采集到的复杂宫颈活检组织样本，明显提升现有的图像分割方法在宫颈癌前组织图像分割任务上的性能，大幅度节约人工成本。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.041 seconds)
