-
公开(公告)号：CN119810568A
公开(公告)日：2025-04-11
申请号：CN202510067728.4
申请日：2025-01-16
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了基于多域分发复用网络的在线图像增量分类方法，基于多域分发复用网络的在线图像增量分类方法，以RGB图像数据为输入，对数据集进行增量划分；将划分好的图像数据送入多域分发复用图像分类网络，对建立的模型参数进行训练；之后增加新图像数据再次对整个模型进行训练，重复此步骤直至没有新数据可增加；最后对训练好的模型进行测试，输出在线图像增量分类结果。本发明能够有效地弥补传统图像增量分类方法的不足；同时，设计了频域分发复用模块，引入不同高低频组合的混杂因素，以获取不同通道的正交特征聚合信息突出因果相关特征。在每次迭代时隐式地将因果有偏特征转化为无偏特征，从而缓解训练和内存缓冲区数据之间的特征分布偏移。
-
公开(公告)号：CN119495124A
公开(公告)日：2025-02-21
申请号：CN202510065575.X
申请日：2025-01-16
Applicant: 北京工业大学
IPC: G06V40/20 , G06V10/40 , G06V10/764 , G06V10/75
Abstract: 本公开提供了一种基于动作元的超越行为模拟方法、装置以及电子设备，其中，该方法包括：基于预先构建的特质因子与超越行人的人格参数之间的关联关系，确定目标行人的目标人格参数，并基于人格参数与预先构建的动作元模型之间的映射关系，确定与所述目标行人匹配的至少一个动作元模型；在所述目标行人运动过程中，判断所述目标行人的当前行走环境是否满足超越条件；在确定出所述当前行走环境不满足所述超越条件的情况下，在所述至少一个动作元模型中确定满足能耗要求的目标动作元模型，并通过所述目标动作元模型和社会力模型确定所述目标行人的行动轨迹。
-
公开(公告)号：CN113052030B
公开(公告)日：2024-09-24
申请号：CN202110273215.0
申请日：2021-03-11
Applicant: 北京工业大学
IPC: G06V20/64 , G06V10/774 , G06V40/20 , G06T3/4038 , G06F17/16
Abstract: 本发明涉及一种基于单张RGB图像的双流多尺度手部姿态估计方法，用于解决单张RGB图像中自遮挡、近邻关节预测歧义问题。本发明是以RGB图像作为输入，利用深度神经网络提取单张图像的特征并得到手部关节2D姿态初始坐标，利用双分支网络进行2D姿态估计，得到两路手部关节2D姿态坐标；对于两路2D姿态坐标，利用双分支的多尺度语义图U‑Net网络分别估计两路手部关节的3D坐标，然后再将两路3D坐标加和求平均，最终输出手部关节的3D坐标。本发明基于手的不同拓扑结构，更好的利用了关节之间的信息，最终实现高精度的手部姿态估计。
-
公开(公告)号：CN113095328B
公开(公告)日：2024-08-23
申请号：CN202110318561.6
申请日：2021-03-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基尼指数引导的基于自训练的语义分割方法，本发明提出基尼指数指导的自训练方法，利用基尼指数作为选取更为准确伪标签的指标，引入更多可靠的监督信息，可靠性的伪标签进行自监督训练，基于衡量不确定性和赋予伪标签的方式在训练阶段引入正确的监督信息，减小源域和目标域的差异，提高语义标注精度。
-
公开(公告)号：CN118429203A
公开(公告)日：2024-08-02
申请号：CN202410427460.6
申请日：2024-04-10
Applicant: 北京工业大学
Abstract: 本发明公开了基于不确定性自步学习的事件图像重建方法，属于计算机视觉技术领域；通过对事件点个数进行随机采样，事件帧的重建误差、像素平均值方差和拟合残差进行度量来计算事件帧的不确定性。根据不确定性大小自适应地过滤事件帧，只保留高置信度的事件帧，进而提高事件到图像重建的准确性。在训练过程中，随机采样输入的事件点数，并构建包含不同数量事件点的多组事件帧。这些事件帧共享一个真实的图像，以进行统一的损失计算和模型优化。由于随机采样事件点，导致不同事件帧包含的信息量不同。通过在训练阶段增强模型对事件点变化的鲁棒性，最终得到的重建结果能够保持更好的稳定性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN113850856B
公开(公告)日：2024-07-12
申请号：CN202111009283.2
申请日：2021-08-31
Applicant: 北京工业大学
Abstract: 一种RGB‑D信息互补的语义分割方法属于图像分割技术领域。本发明针对已有利用RGB和深度信息的方法只考虑单向补充的问题，提出一种RGB和深度信息交叉互补的RGB‑D语义分割网络结构，旨在对RGB和深度信息进行双向的逐层信息补充，达到提高语义分割效果的目的。
-
公开(公告)号：CN117993225B
公开(公告)日：2024-06-18
申请号：CN202410396600.8
申请日：2024-04-03
Applicant: 北京工业大学
Abstract: 本公开涉及狭窄区域的穿越行为的仿真方法和装置。该狭窄区域的穿越行为的仿真方法包括：构建狭窄区域内目标行人的目标模型，并确定目标行人的运动相关信息；其中，狭窄区域的宽度小于目标行人的肩宽且大于目标行人的胸厚；基于目标模型、狭窄区域的宽度和运动相关信息，确定目标行人在狭窄区域的穿越行为的侧身约束条件；构建基于侧身行为的扭转社会力模型；在侧身约束条件的约束下，利用扭转社会力模型对目标行人在狭窄区域的穿越行为进行仿真，得到目标行人的目标行为轨迹。本公开能够基于行人的侧身行为，对目标行人在狭窄区域的穿越行为进行仿真，提高了仿真的真实性。
-
公开(公告)号：CN111967513B
公开(公告)日：2024-05-31
申请号：CN202010809547.1
申请日：2020-08-12
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于注意力的零样本图像分类方法，包括特征提取阶段和分类阶段，特征提取阶段包括：利用CNN对训练集图像提取特征，特征经过多个网络分支得到语义向量每一维的表示，按序拼接每一维得到最终的语义向量表示。每个分支的结构相同，特征通过两个全连接层得到每个样本特征的注意力向量，将该注意力向量与特征逐元素再通过两个全连接层得到一个属性值。本发明将上述网络命名为面向零样本图像分类的基于注意力的属性学习网络AALN。分类阶段：将待分类的图像通过CNN提取特征，通过AALN计算每个分支的输出并拼接得到最终的语义向量，最后基于与未知类的语义向量的余弦相似度进行分类。
-
公开(公告)号：CN117993225A
公开(公告)日：2024-05-07
申请号：CN202410396600.8
申请日：2024-04-03
Applicant: 北京工业大学
Abstract: 本公开涉及狭窄区域的穿越行为的仿真方法和装置。该狭窄区域的穿越行为的仿真方法包括：构建狭窄区域内目标行人的目标模型，并确定目标行人的运动相关信息；其中，狭窄区域的宽度小于目标行人的肩宽且大于目标行人的胸厚；基于目标模型、狭窄区域的宽度和运动相关信息，确定目标行人在狭窄区域的穿越行为的侧身约束条件；构建基于侧身行为的扭转社会力模型；在侧身约束条件的约束下，利用扭转社会力模型对目标行人在狭窄区域的穿越行为进行仿真，得到目标行人的目标行为轨迹。本公开能够基于行人的侧身行为，对目标行人在狭窄区域的穿越行为进行仿真，提高了仿真的真实性。
-
公开(公告)号：CN111709275B
公开(公告)日：2024-02-06
申请号：CN202010350248.6
申请日：2020-04-28
Applicant: 北京工业大学
IPC: G06V10/94 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 公开一种用于Affordance推理的深度网络构建方法，其能够描述物体间影响的不对称性，考虑不同邻居节点的差异性影响的问题，更好地刻画场景上下文中物体之间的关系。该方法包括两个部分：视觉特征提取部分和Affordance推理部分；Affordance推理部分采用门控图注意力网络(Gated Graph Attention Neural Network,GGANN)，以图结构作为上下文的载体，基于对象级别的上下文信息构建双向图，对环境中物体提取视觉特征并与类别信息融合作为每个图节点的表示，图节点之间建立双向边，并引入图注意力机制更新边的权值以描述不同邻居节点间的差异性影响。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.028 seconds)
