-
公开(公告)号:CN111784645A
公开(公告)日:2020-10-16
申请号:CN202010544835.9
申请日:2020-06-15
Applicant: 北京科技大学
Abstract: 本发明提供一种充填管道裂纹检测方法,属于采矿工业领域。所述方法包括:利用带有裂纹的管道图像和加噪处理后的所述带有裂纹的管道图像对图像去噪模型进行训练;利用带有裂纹的管道图像及同时带有雨滴和裂纹的管道图像对图像去雨滴模型进行训练;利用目标检测训练集对裂纹检测模型进行训练,其中,所述目标检测训练集中的每张管道图像被标注出裂纹位置;实时获取待检测的管道图像,利用训练好的图像去噪模型、图像去雨滴模型、裂纹检测模型依次对待检测管道图像进行去噪、去雨滴处理、对裂纹进行检测。采用本发明,能够对图像中的噪音以及雨滴进行修复,从而提高管道裂纹检测精度和检测效率。
-
公开(公告)号:CN111696117A
公开(公告)日:2020-09-22
申请号:CN202010429250.2
申请日:2020-05-20
Applicant: 北京科技大学
Abstract: 本发明提供一种基于骨架感知的损失函数加权方法及装置,能够降低分割错误率。所述方法包括:根据图像的标注图,将图像前景分离成多个独立目标区域;提取各独立目标区域和图像背景的骨架,确定各独立目标区域内每个像素点至相应的独立目标区域骨架中最近骨架点的距离、各独立目标区域中每个骨架像素点至相应的独立目标区域边缘的最近距离、背景骨架上每个像素点至背景边缘的最近距离、背景内每个像素点至各独立目标区域边缘的最近距离;根据得到的距离,对所述前景中各独立目标区域内及背景中的每个像素点计算其权重值,形成基于骨架感知的权重图;将所述权重图与损失函数结合,优化基于机器学习方法的图像分割模型的参数。
-
公开(公告)号:CN110090478A
公开(公告)日:2019-08-06
申请号:CN201910373119.6
申请日:2019-05-06
Applicant: 北京科技大学
Abstract: 本发明提供一种充填场景下的深锥浓密机智能控制方法,能够提高底流浓度的控制精度。所述方法包括:建立底流浓度控制模型控制底流浓度,通过历史记录数据离线训练神经网络规划器,输出最优的耙架转速设定值、絮凝剂添加比例以及泥层压力设定值;絮凝剂控制器根据实时监测数据及最优絮凝剂添加比例,动态调节絮凝剂添加流量设定值;泥层压力控制器调节底流流量设定值,使深锥浓密机泥层压力监测值追踪最优泥层压力设定值;将得到的最优耙架转速设定值,絮凝剂添加量设定值以及底流流量设定值实时应用到实际充填过程中,并实时产生的监测数据实时传输到底流浓度控制模型中,用于底流浓度控制模型的在线学习训练。本发明涉及矿山尾矿处置领域。
-
公开(公告)号:CN110033422A
公开(公告)日:2019-07-19
申请号:CN201910284263.2
申请日:2019-04-10
Applicant: 北京科技大学 , 中国人民解放军总医院海南医院
Abstract: 本发明提供一种眼底OCT图像融合方法及装置,能够解决眼底检查中存在的局部模糊问题。所述方法包括:获取连续拍摄的N张眼底OCT图像序列,其中,OCT表示光相干断层扫描成像;配准所述N张眼底OCT图像序列,得到第2张至第N张图像相对于第1张图像的偏移量;基于得到的第2张至第N张图像相对于第1张图像的偏移量,采用2个特征提取分支的眼底OCT图像融合网络,融合N张图像中各自清晰的部分,得到清晰的融合结果图。本发明涉及眼底成像技术领域。
-
公开(公告)号:CN105427581A
公开(公告)日:2016-03-23
申请号:CN201510782910.4
申请日:2015-11-16
Applicant: 北京科技大学
CPC classification number: G08G1/00 , G06F17/5009 , G06F17/5036 , G08G1/0112
Abstract: 本发明实施例提供一种基于浮动车数据的仿真方法及系统,涉及智能交通领域,该方法,包括:获取浮动车数据和城市路网数据;根据所述浮动车数据和所述城市路网数据进行道路拥堵评价以获取拥堵区域的道路信息,所述浮动车数据包括浮动车速度信息和GPS定位信息;根据所述拥堵区域的道路信息对原始拥堵区域路网进行编辑并生成编辑后路网拓扑;对所述编辑后路网拓扑进行交通均衡分配。
-
公开(公告)号:CN114037989B
公开(公告)日:2025-04-18
申请号:CN202111296271.2
申请日:2021-11-03
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于联邦学习与风格迁移的图像分割方法及装置,涉及图像处理及人工智能技术领域。包括:多个用户节点分别构建基于本地图像数据集的风格迁移模型;训练节点基于风格迁移模型,根据联邦风格交换规则获取共享风格迁移模型;训练节点基于共享风格迁移模型,利用本地图像数据真实分割标注,得到具有其他节点图像数据风格的合成图像数据集;多个用户节点基于联邦学习方法对图像分割模型进行联邦训练,得到训练好的图像分割模型。本发明能够在保护用户关切的图像核心信息的前提下,通过共享用户对保密需求不迫切的风格信息,充分降低不同用户之间数据分布差异带来的算法性能损失,最终训练得到泛化能力强的图像分割模型。
-
公开(公告)号:CN119399370A
公开(公告)日:2025-02-07
申请号:CN202411486409.9
申请日:2024-10-23
Applicant: 北京科技大学
IPC: G06T17/00 , G06T7/593 , G06V10/764
Abstract: 本发明提供一种基于单目图像的浅浮雕三维重建方法,属于图像处理技术领域;利用数码相机采集浮雕图像,基于摄影测量方法生成包含3D坐标和RGB值的密集点云,建立包含单目图像及其语义,软边缘及深度标签的浅浮雕数据集。基于上述有标签数据训练软边缘强化的多任务神经网络框架,在该框架中同时提取单目图像中的语义,边缘和深度特征,通过多任务损失函数和边缘对比模块将语义和边缘特征作为深度估计任务的有效线索,增强模型对细节部分的深度估计能力提升三维重建的精度。本发明能够直接从一张单目浮雕照片中提取对应的软边缘和语义信息,辅助深度估计任务,增强其对边缘区域细节的捕捉能力,有效提升后续浅浮雕三维重建的精度。
-
公开(公告)号:CN114972405B
公开(公告)日:2024-08-06
申请号:CN202210485822.8
申请日:2022-05-06
Applicant: 北京科技大学顺德研究生院
IPC: G06T7/194
Abstract: 本发明公开了一种面向图像分割的损失函数加权方法及装置,所述方法包括:构建具有前景和背景标注的适用于图像分割任务的图像数据集;根据图像中前景和背景所占的像素比例计算类别损失项;根据图像中前景和背景的形态计算形态损失项;根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项;将类别损失项、形态损失项和目标距离损失项加权累加,得到权重图;将权重图与交叉熵损失函数结合,确定图像分割模型的预测结果的损失值;在训练过程中,采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征,从而提高图像分割任务中对于关键前景目标位置的定位准确率。
-
公开(公告)号:CN117830495B
公开(公告)日:2024-05-31
申请号:CN202410238890.3
申请日:2024-03-04
Applicant: 北京科技大学
Abstract: 本发明涉及计算机视觉特效技术领域,特别是指一种基于屏幕空间的SPH多相流体实时渲染方法及装置,包括:对多相流体的表面进行信息提取,获得纹理信息;根据纹理信息,对多相流体的进行表面平滑和表面重建;对表面平滑和表面重建后的多相流体进行着色计算,完成基于屏幕空间的SPH多相流体实时渲染。本发明对传统的面向单相流体的屏幕空间渲染管线进行了改进,增加了区分不同流体材质的流相分数纹理,发明所述的基于屏幕空间的SPH多相流体实时渲染方法。本方法能够渲染出多相流体混合与分离的效果,且在效率上接近传统的屏幕空间渲染方法,且可以扩展到基于粒子的多相流体模拟结果。
-
公开(公告)号:CN118097687A
公开(公告)日:2024-05-28
申请号:CN202410245282.5
申请日:2024-03-05
Applicant: 中国科学院软件研究所 , 北京科技大学
IPC: G06V30/226 , G06V30/19 , G06V10/75
Abstract: 本发明涉及振动环境下手写数据识别方法、装置、设备和介质。方法包括:数据采集步骤,对用户的手写输入的数据进行采集;数据分析步骤,对采集到的数据进行分析确定受振动影响的失真数据;失真剔除步骤,将所述失真数据从所述采集到的数据中剔除,获得部分缺失数据;缺失补全步骤,对部分缺失数据进行数据补全获得补全后数据;数据识别步骤,进行数据识别并选择正确的识别结果作为输出。本发明通过找出数据中受振动干扰导致失真的部分,对该部分进行去除并补全,提升了识别效果。
-
-
-
-
-
-
-
-
-