-
公开(公告)号：CN116091348A
公开(公告)日：2023-05-09
申请号：CN202310028246.9
申请日：2023-01-09
Applicant: 北京工业大学
IPC: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种低光图像的增强方法、装置、电子设备及存储介质，该方法包括：获取待增强的低光图像；将所述低光图像输入至图像分解网络，得到所述低光图像对应的第一反射率分量图及第一光照分量图；将所述第一反射率分量图及所述第一光照分量图输入至反射率调整网络，得到第二反射率分量图，并将所述第一光照分量图输入至光照调整网络，得到第二光照分量图；根据所述第二反射率分量图及所述第二光照分量图，得到所述低光图像对应的增强图像。该方法利用图像分解网络，可准确分解低光图像，并利用反射率调整网络和光照调整网络，以从粗到细的方式调整分解后的低光图像，得到对应的反射率分量和光照分量，进而可有效提高获取增强图像的准确性。
-
公开(公告)号：CN108647655B
公开(公告)日：2022-07-12
申请号：CN201810465955.2
申请日：2018-05-16
Applicant: 北京工业大学
Abstract: 基于轻型卷积神经网络的低空航拍影像电力线异物检测方法属于计算机视觉领域，研究了一种针对无人机航拍影像中电力线异物的实时检测方法。首先利用卷积神经网络构建轻型电力线检测模型，计算得到航拍影像中电力线的深度特征；然后利用卷积神经网络构建多目标电力线异物检测模型，使用不同长宽的卷积层，利用深度特征计算多尺度目标的预测值；最后利用电力线检测模型过滤没有电力线的视频帧，在检测到电力线的视频上，利用多目标电力线异物检测模型实现低空航拍影像中实时的电力线异物检测。
-
公开(公告)号：CN109581018B
公开(公告)日：2022-02-01
申请号：CN201910018558.5
申请日：2019-01-08
Applicant: 北京工业大学
IPC: G01R13/02
Abstract: 本发明提供了一种宽带取样示波器时基误差同步补偿方法及装置，涉及宽度取样示波器技术领域，所述方法包括：同步触发被测信号和两个近似正交的参考信号，将参考信号和被测信号同时接入宽带取样示波器并进行采样；根据两个近似正交的参考信号构建误差模型，根据误差模型和正交距离回归数学模型构建宽带取样示波器的时基误差估计模型；根据时基误差估计模型计算时基误差估计值；根据时基误差估计值对被测信号的时基误差进行补偿；本发明能够对时基误差进行准确估计和补偿，有效提高宽带取样示波器的测量精准度，使得测量结果具有较小的不确定性。
-
公开(公告)号：CN113516058A
公开(公告)日：2021-10-19
申请号：CN202110680032.0
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种直播视频群组异常活动检测方法、装置、电子设备及介质，该方法包括使用卷积神经网络提取直播视频帧序列中个体的深度时空特征，并使用FPN和PAN网络对直播视频帧序列中的个体进行定位，以得到位置参数；将个体的深度时空特征和位置参数作为输入以构建图卷积模块，从而提取群组活动关系，并利用图卷积模块对时间上下文信息进行编码，以得到不同时间尺度的群组活动码字；将不同时间尺度的群组活动码字与已知类别的群组活动码字进行匹配，以判定是否发生群组异常活动和/或发生群组异常活动的时间段。本发明通过提取深度时空特征和定位，以及进行时间上下文编码，可以提高群组异常活动检测的速度和准确度，降低检测的成本。
-
公开(公告)号：CN113033330A
公开(公告)日：2021-06-25
申请号：CN202110243772.8
申请日：2021-03-05
Applicant: 北京工业大学
Abstract: 一种基于轻型卷积神经网络的舌体姿态异常判别方法属于计算机视觉领域和中医舌诊领域。本发明设计了一个层数较浅、易于训练的卷积神经网络，用于对舌体姿态进行分类判别。该方法包括三个步骤：第一步是构建舌体姿态异常分类数据集；第二步是设计舌体姿态异常分类网络；第三步是利用构建的数据集对分类网络进行训练，得到分类模型，用于对舌体姿态异常进行判别。本发明以多轮实验的方式确定了效果最优的网络架构，用于进行舌体姿态的异常判决，所提出的网络架构在保证有较高分类准确度的同时，具有较少的卷积层和池化层，计算复杂度低，可以满足实际应用需求。
-
Patent Agency Ranking
公开(公告)号：CN112801192A
公开(公告)日：2021-05-14
申请号：CN202110148551.2
申请日：2021-01-26
Applicant: 北京工业大学
Abstract: 一种基于深度神经网络的扩展LargeVis图像特征降维方法属于图像处理领域。现有Largevis降维方法是利用数据间的距离关系而进行降维操作过程，因此无法实现对单一的高维数据进行降维。该方法利用深度神经网络对LargeVis隐式的高维数据到低维数据的映射关系进行建模，构建出映射函数f，使得LargeVis算法能够实现对单一高维数据的降维，同时能够取得更优良的降维性能。
-
公开(公告)号：CN112507800A
公开(公告)日：2021-03-16
申请号：CN202011273516.5
申请日：2020-11-14
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于通道注意力机制和轻型卷积神经网络的行人多属性协同识别方法。该方法采用“特征提取+映射”的思路，通过对行人属性标签的组合编码，挖掘行人属性特征之间的内在关联关系，在一个统一的框架下同时对行人的多种属性进行准确识别，有效降低了实现复杂度。通过网络模型的训练，建立行人图像的深度特征和行人属性标签组合编码向量之间的映射关系，用于对行人属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明，与现有的基于深度学习的行人多属性识别方法相比，采用本发明提出的识别方法可以可以获得最优的识别准确率，分别达到89.09％和88.14％的识别率。
-
公开(公告)号：CN111460999A
公开(公告)日：2020-07-28
申请号：CN202010245717.8
申请日：2020-03-31
Applicant: 北京工业大学
Abstract: 一种基于FPGA的低空航拍影像目标跟踪的方法属于数字图像处理领域，将深度学习应用于嵌入式平台中，设计了用于目标跟踪的Siamese卷积神经网络架构，针对FPGA的资源限制问题对其加速优化，并将其作为TLD(Tracking Learning Detecting)跟踪框架的跟踪器一同进行模块化封装；搭建图像采集、数据处理和存储、目标跟踪模块以及控制调度的硬件系统，保证了跟踪的稳定运行；同时，本发明提供人机交互界面，操作简易；通过该方法进行控制，解决了无人机等飞行器跟踪依赖地面控制，通信容易受到干扰的问题，能够保证准确实时在线跟踪。
-
公开(公告)号：CN111178146A
公开(公告)日：2020-05-19
申请号：CN201911243502.6
申请日：2019-12-06
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种基于人脸特征识别主播的方法及装置，其中方法包括：从待识别主播的直播视频中截取帧图像，将所述帧图像输入至预先训练的神经网络模型，根据所述神经网络模型的输出获得所述待识别主播的人脸特征；根据局部敏感哈希方法将所述人脸特征存储至预先生成的哈希桶中，将与所述人脸特征处于同一哈希桶内的至少一个特征作为待匹配的样本主播的人脸特征；计算所述样本主播的人脸特征与所述待识别主播的人脸特征间的相似度，将相似度最高的样本主播作为所述待识别主播。本发明实施例适应直播条件下识别主播的要求。
-
公开(公告)号：CN110634108A
公开(公告)日：2019-12-31
申请号：CN201910814843.8
申请日：2019-08-30
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 一种基于元-循环一致性对抗网络的复合降质网络直播视频增强方法属于数字图像处理领域，本发明对网络直播视频图像中存在曝光不足、运动模糊、低分辨率等复合降质因素的图像进行统一增强。首先，针对本专利利用元-循环一致性对抗网络，建立了一种端到端的复合降质图像增强方案，并使用非成对的低质-高质图像样本进行训练；其次，通过元网络的学习提高了网络的泛化能力，可实现在统一的网络中对存在复合降质的网络直播视频图像进行增强的任务，更符合实际应用中的处理需求。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.068 seconds)
