-
公开(公告)号：CN113628145B
公开(公告)日：2024-02-02
申请号：CN202110992016.5
申请日：2021-08-27
Applicant: 燕山大学
IPC: G06T5/73 , G06T5/20 , G06T7/11 , G06T5/90 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种图像清晰化方法、系统、设备及存储介质。属于计算机视觉处理技术领域，首先对户外图像进行预处理，得到户外图像的全局大气光值数据、透射图数据以及雨雪层数据。其次，对所述全局大气光值数据、透射图数据以及雨雪层数据进行同时处理，得到去除雨、雪和雾的户外清晰图像。再对所述户外清晰图像进行图像分解处理，得到图像阴影区域，最终利用均值滤波方法去除所述图像阴影区域，得到最终清晰化图像。实现了去除户外图像中的雨、雪、雾、阴影等因素。
-
公开(公告)号：CN113674140B
公开(公告)日：2023-09-26
申请号：CN202110960092.8
申请日：2021-08-20
Applicant: 燕山大学
IPC: G06T3/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种物理对抗样本生成方法及系统。该方法包括：获取原始图像集、风格图像集以及图像集的攻击蒙版图像；采用原始图像集作为训练样本，采用模型窃取法，确定黑盒目标模型的替代模型；基于图像集、对应的攻击蒙版图像和替代模型，采用风格迁移技术思想和基于梯度的对抗样本生成方法生成原始图像集中各图像的攻击区域的风格扰动；对原始图像集进行仿射变换生成变换图像集，并基于替代模型，采用基于梯度的对抗样本生成方法生成变换图像集的自适应扰动；将风格扰动和自适应扰动添加到原始图像集的攻击区域，生成每一张原始图像的物理对抗样本。本发明针对黑盒目标模型生成一种扰动不可察的对抗样本，以准确评估黑盒目标模型的安全性。
-
公开(公告)号：CN115526862A
公开(公告)日：2022-12-27
申请号：CN202211208011.X
申请日：2022-09-30
Applicant: 燕山大学
Abstract: 本发明公开了基于CNN和transformer的跨模态人群计数方法，本发明包括以下步骤：将RGB图像和热度图像输入由CNN组成的双分支网络的各分支中，学习双模态图像的模态特定特征；新颖的跨模态transformer连接CNN双分支网络并学习不同模态图像的全局特征，融合模态特定特征和模态全局特征；跨层连接结构连接网络不同层的融合后的特征图，并经分支注意力模块增强融合的特征图的通道信息；跨模态注意力模块提取不同模态间的互补信息，增强跨模态特征表示；将跨模态注意力模块提取的特征图送入尾部网络中，生成密度图；将密度图逐像素相加得到人群计数结果，本发明可以有效完成人群任意分布的拥挤场景下跨模态人群计数任务。
-
公开(公告)号：CN110821474B
公开(公告)日：2022-05-03
申请号：CN201911126370.9
申请日：2019-11-18
Applicant: 燕山大学
IPC: E21B47/00
Abstract: 本发明公开一种一体化成型含水率测量传感器，在所述传感器内流道外侧的一端环绕设置所述筒状极板，所述筒状极板的长度小于所述传感器内流道的长度；所述接地环、所述第四电导测量环、所述第三电导测量环、所述第二电导测量环、所述第一电导测量环和所述激励环依次环绕在所述传感器内流道外侧的另一端，所述绝缘区用绝缘材料密封填充，实现传感器一体化成型，不仅结构简单、制造成本低和维护成本低，还能够实现对单井装备和数字油田建设全天候的实时含水率测量。
-
公开(公告)号：CN111289579B
公开(公告)日：2021-07-27
申请号：CN202010172379.X
申请日：2020-03-12
Applicant: 燕山大学
Abstract: 本发明提供一种基于陆面气液分离集成传感器及持水率矫正方法，所述集成传感器包括同轴设置的电导式传感器模块、电容传感器模块和阵列光纤传感器模块；所述电容传感器模块由外到内分别为金属外壳、外绝缘筒、金属层和内绝缘筒；所述电容传感器模块中心设置绝缘杆，所述电导式传感器模块位于所述绝缘杆一端，所述电导式传感器模块包括六个电极环；所述阵列光纤传感器模块固定于所述绝缘杆的另一端，所述阵列光纤传感器模块包括阵列式光纤探针，所有所述光纤探针的测量点均位于同一个截面，所述截面为所述电容传感器模块的径向截面。本发明的技术方案解决了现有的陆面气液分离持水率监测模式中气相分离不彻底，误差大等技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110188685B
公开(公告)日：2021-01-05
申请号：CN201910462177.6
申请日：2019-05-30
Applicant: 燕山大学
Abstract: 本发明公开一种基于双注意力多尺度级联网络的目标计数方法及系统。方法包括：将灰度化处理后的图像输入至双注意力多尺度级联网络的初始模块进行初始特征提取，得到初始特征图；将初始特征图输入至级联网络的第一分支网络，得到低层细节特征图和高层语义特征图；将上述特征图进行通道注意力变换，生成全局特征信息；将初始特征图输入至级联网络中的第二分支网络的空间注意力金字塔结构，生成图像的多尺度特征；将多尺度特征和全局特征信息进行融合，得到融合结果；将融合结果进行特征抽取，生成估计的目标分布密度图；将目标分布密度图进行像素求和，得到估计的目标计数结果。本发明可有效实现复杂场景下目标精确计数，具有较好的鲁棒性和泛化性。
-
公开(公告)号：CN109034245A
公开(公告)日：2018-12-18
申请号：CN201810843493.3
申请日：2018-07-27
Applicant: 燕山大学
CPC classification number: G06K9/629 , G06K9/6232 , G06K2209/21 , G06N3/0454
Abstract: 本发明公开了一种利用特征图融合的目标检测方法，包括以下步骤：首先利用ZF网络提取图像特征并得到一系列处于不同层次的特征图；其次将ZF网络提取的图像特征图中的最深层特征图和浅层特征图相融合得到新特征图；再次将新特征图输入到RPN网络中得到区域建议；最后将新特征图和区域建议输入到ROIPooling层中得到区域建议的特征并同时对特征进行分类和对区域建议进行边框回归得到目标检测结果。本发明可以检测出图像中多种类别的目标，且所用的图像无需特定的图像采集设备采集。
-
48.发明授权公开(公告)号：CN103810700B
公开(公告)日：2017-01-11
申请号：CN201410015961.X
申请日：2014-01-14
Applicant: 燕山大学
Abstract: 具有不同型面的视觉目标。本发明公开了一种利用深度图像中的遮挡信息确定下一最佳观测方位的方法，属于计算机视觉领域，包括以下步骤：获取视觉目标的一幅深度图像及其遮挡边界和摄像机内外参数；根据已获得的深度图像中的遮挡边界信息确定出每个遮挡边界点对应的最大深度差相邻点；利用深度图像中的遮挡边界点及其对应的最大深度差相邻点的三维坐标以及摄像机的当前观测方位计算遮挡区域外接表面上各小平面对应的候选参考观测方向及观测中心点；基于投影降维思想确定遮挡区域外接表面最佳小平面集合并基于(56)对比文件Joseph E. Banta等.A Next-Best-ViewSystem for Autonomous 3-D ObjectReconstruction《.IEEE TRANSACTIONS ONSYSTEMS, MAN, AND CYBERNETICS—PART A:SYSTEMS AND HUMANS》.2000,第30卷(第5期),第589-598页.Michael Krainin等.AutonomousGeneration of Complete 3D Object ModelsUsing Next Best View ManipulationPlanning《.2011 IEEE InternationalConference on Robotics and Automation》.2011,第5031-5037页.
-
公开(公告)号：CN104657985A
公开(公告)日：2015-05-27
申请号：CN201510053316.1
申请日：2015-02-02
Applicant: 燕山大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，首先从初始观测方位获取视觉目标的一幅深度图像，并根据遮挡检测算法获取深度图像的遮挡相关信息；从三角网格模型中的三角小剖面入手，利用三角小剖面组成的子区域的法向量来确定候选观测方向集合，再利用这些候选观测方向和各三角小剖面法向量的夹角信息确定出每个候选观测方向的可视空间，进而计算出下一最佳观测方位，从而达到遮挡规避的目的。本发明根据遮挡信息对遮挡区域建立数学模型，无需获取视觉目标的先验知识；对视觉目标的形状无特殊要求，适用于不同型面的视觉目标。
-
公开(公告)号：CN103810700A
公开(公告)日：2014-05-21
申请号：CN201410015961.X
申请日：2014-01-14
Applicant: 燕山大学
Abstract: 本发明公开了一种利用深度图像中的遮挡信息确定下一最佳观测方位的方法，属于计算机视觉领域，包括以下步骤：获取视觉目标的一幅深度图像及其遮挡边界和摄像机内外参数；根据已获得的深度图像中的遮挡边界信息确定出每个遮挡边界点对应的最大深度差相邻点；利用深度图像中的遮挡边界点及其对应的最大深度差相邻点的三维坐标以及摄像机的当前观测方位计算遮挡区域外接表面上各小平面对应的候选参考观测方向及观测中心点；基于投影降维思想确定遮挡区域外接表面最佳小平面集合并基于该最佳小平面集合的信息计算下一最佳观测方位。本发明无需预先获取视觉目标的先验知识及将摄像机的观测位置限定在固定表面上，适用于具有不同型面的视觉目标。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.055 seconds)
