-
公开(公告)号：CN118506154A
公开(公告)日：2024-08-16
申请号：CN202410641487.5
申请日：2024-05-22
Applicant: 北京航空航天大学
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/764
Abstract: 本申请提供一种微小目标检测模型训练方法、装置及电子设备。该方法包括：确定训练图像、以及训练图像的训练标签；对训练图像的降采样特征进行解码处理，得到重构图像；根据重构图像、以及训练图像的训练标签，确定目标参数；根据目标参数、以及初始损失函数，得到更新损失函数，其中，初始损失函数根据训练图像与降采样特征之间的第一关系、以及训练标签与降采样特征之间的第二关系确定；根据更新损失函数，对待训练模型进行调整，得到目标模型。本申请的方法，增强了模型对微小目标的特征区分度，最终提高目标模型对微小目标的识别能力。
-
公开(公告)号：CN117274858A
公开(公告)日：2023-12-22
申请号：CN202311138180.5
申请日：2023-09-05
Applicant: 西安微电子技术研究所 , 北京航空航天大学
IPC: G06V20/40 , G06V10/774 , G06V10/54 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种弱小目标协同行为检测方法，包括：建立训练集；采用训练集对三维卷积神经网络训练，获得检测模型；将视频输入检测模型，获得目标的动作事件，其中，对训练视频进行稠密光估计，获取视频的光流估计信息，将光流估计信息作为神经网络的输入之一。本发明公开的弱小目标协同行为检测方法，解决了数据集分布不均衡的问题，提高了检测识别准确率，实现了对绝对直径不超过2像素弱小目标的动作事件识别。
-
公开(公告)号：CN117218174A
公开(公告)日：2023-12-12
申请号：CN202311001255.5
申请日：2023-08-10
Applicant: 北京航空航天大学
IPC: G06T7/557 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于自监督深度学习的室内单目深度估计方法，用于从单幅图像预测室内场景的深度，涉及计算机视觉领域。本发明引入自监督光流估计网络，为深度估计提供有效的监督信息。首先，将光流估计网络的原始光度损失优化为基于局部像素块的光度损失，采用公开的室内场景数据集对光流估计网络进行微调，并固定微调后的光流网络参数；然后，利用光流网络预测的光流，设计光流一致性损失，并基于光流网络生成的特征金字塔，设计多尺度特征图合成损失，监督深度估计网络的训练；最后，基于训练好的深度估计模型，对单张图像进行深度预测。本发明通过设计有效的损失函数项，提升室内低纹理区域的深度估计精度。
-
公开(公告)号：CN116630869B
公开(公告)日：2023-11-07
申请号：CN202310922338.1
申请日：2023-07-26
Applicant: 北京航空航天大学 , 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明公开了一种视频目标分割方法，包括以下步骤：根据参考视频帧图像提取获得参考帧图像特征，根据当前视频帧图像提取获得当前帧搜索特征；将参考帧图像特征和当前帧搜索特征进行匹配，根据匹配对参考帧掩膜特征进行特征融合，获得当前帧掩膜特征；将当前帧掩膜特征和参考帧掩膜特征进行目标对比增强，从而减少当前帧图像中的目标误匹配。本发明公开的视频目标分割方法，提高了目标分割的准确性和识别准确率。
-
公开(公告)号：CN114282658B
公开(公告)日：2022-06-03
申请号：CN202210195231.7
申请日：2022-03-02
IPC: H04L41/147 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种针对流量序列分析及预测的方法，以历史序列数据为依据进行分析，通过神经网络进行预测，所述神经网络具有输入变换层和输出逆变换层，输入变换层用于将输入神经网络的数据进行box‑cox变换，输出逆变换层用于将神经网络输出的数据进行box‑cox逆变换。本发明公开的针对流量序列分析及预测的方法，具有预测准确率高、稳定性好等诸多优点。
-
Patent Agency Ranking
公开(公告)号：CN114282658A
公开(公告)日：2022-04-05
申请号：CN202210195231.7
申请日：2022-03-02
IPC: G06N3/04 , G06N3/08 , G06Q10/04 , H04L41/147
Abstract: 本发明公开了一种针对流量序列分析及预测的方法，以历史序列数据为依据进行分析，通过神经网络进行预测，所述神经网络具有输入变换层和输出逆变换层，输入变换层用于将输入神经网络的数据进行box‑cox变换，输出逆变换层用于将神经网络输出的数据进行box‑cox逆变换。本发明公开的针对流量序列分析及预测的方法，具有预测准确率高、稳定性好等诸多优点。
-
公开(公告)号：CN113850852A
公开(公告)日：2021-12-28
申请号：CN202111088565.6
申请日：2021-09-16
Applicant: 北京航空航天大学 , 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院)
Abstract: 本申请实施例公开了一种基于多尺度上下文的内窥镜图像配准方法及设备，用以解决传统的级联配准框架会降低可逆性，且配准精度较低的技术问题。方法包括：将接收到的浮动图像与固定图像处理为灰度图像，并将处理后的浮动图像与固定图像合成一张图像，得到合成图像；通过深层卷积网络对合成图像进行编码，生成特征金字塔；在特征金字塔的每个卷积块内部，通过层级聚合模块检测合成图像的多尺度上下文信息，得到合成图像的多尺度特征图；通过自适应特征伸缩模块对多尺度特征图进行自适应伸缩，得到目标多尺度特征图；通过深层卷积网络对目标多尺度特征图进行解码，生成对应的参数化配准场。
-
公开(公告)号：CN113780662A
公开(公告)日：2021-12-10
申请号：CN202111075590.0
申请日：2021-09-14
Abstract: 本发明公开了一种流量预测方法，通过时空网络对历史流量数据进行处理，获得未来一段时间的流量数据，所述时空网络包括特征嵌入模块、时空图模块和输出模块；该方法包括以下步骤：将历史流量数据输入特征嵌入模块，获得图状态和图信号；将图状态和图信号输入时空图模块，通过时空图模块对图状态和图信号进行更新，将更新后的图状态和图信号输入输出模块，通过输出模块将更新后的图状态和图信号转化为流量数据输出。本发明公开的流量预测方法，具有预测准确率高、稳定性好、计算效率高、计算速度快、训练时间短等诸多优点。
-
公开(公告)号：CN112749751A
公开(公告)日：2021-05-04
申请号：CN202110055452.X
申请日：2021-01-15
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明提供一种基于概率感知的检测器融合方法及系统，包括：获取若干个检测器的融合检测结果集合；将所述融合检测结果集合中的置信度等级与检测准确度概率等级设置为一致，获得所述融合检测结果集合的mAP最大期望值；基于所述mAP最大期望值，采用条件概率获得所述若干个检测器的检测框与检测目标匹配准确率。本发明采用基于概率感知的方法，通过统计概率对检测器中检测框对应的预测置信度进行细化，得到更高的置信度，获得更加合理的衡量检测框质量指标，从而提高检测融合模型的性能。
-
公开(公告)号：CN110991375B
公开(公告)日：2020-12-15
申请号：CN201911259921.9
申请日：2019-12-10
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供了一种群体行为分析方法及装置，所述方法包括：基于网络损失函数和方差最小化法构建目标损失函数，并基于所述目标损失函数通过深度监督方式构建目标监督模型；基于多通道编码器、多通道解码器，及所述目标监督模型，构建目标深度神经网络；通过所述目标深度神经网络进行群体行为分析，以根据分析结果确定群体行为状态。采用本发明提供的群体行为分析方法可以有效提高分析结果的准确性和可靠性，提高群体行为的分析效率，并可以减少人力资源的消耗。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.049 seconds)
