-
公开(公告)号：CN117635488A
公开(公告)日：2024-03-01
申请号：CN202311604390.9
申请日：2023-11-28
Applicant: 中北大学
IPC: G06T5/77 , G06T5/60 , G06V20/64 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合通道剪枝和通道注意力的轻量型点云补全方法，属于计算机视觉技术领域。针对现有网络对点云局部信息的忽视和推理时间过长的问题。为了提高网络推理效率，采用一种高效的一次性通道剪枝技术提高网络的补全效率；在特征提取阶段网络加入通道注意力模块，将加权特征与全局特征拼接，通过两层多维特征信息提取，得到最终的特征向量；将特征向量传入双解码器结构中，分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值；将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集上进行实验，实验结果表明在补全缺失车辆信息的实时性上有着显著的提升，并且在补全精度上也有不错的表现。
-
公开(公告)号：CN110211240B
公开(公告)日：2022-10-21
申请号：CN201910467466.5
申请日：2019-05-31
Applicant: 中北大学
IPC: G06T19/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06F3/01 , G06F3/16 , G06F3/0487
Abstract: 本发明属于增强现实技术领域，公开了一种免注册标识的增强现实方法，该方法以C/S(客户端‑服务端)架构，采用UDP协议进行信息传输，客户端提供人机交互、信息采集以及虚拟模型的动态加载功能，服务端将接收到的信息通过迁移学习训练的卷积神经网络进行识别分类，提供虚拟模型，从而实现增强现实的效果。人机交互包括本发明采用将虚拟物体模型上传服务端并由客户端动态加载，在降低客户端应用所需内存的同时，还可以在不更新客户端的情况下实现多种模型的加载以及交互；解决了了传统增强现实对新场景适应性差、对标识依赖高以及开发要求高的问题。该方法适用于需要大量虚拟模型的增强现实应用中，尤其在工程模型领域。
-
公开(公告)号：CN110211240A
公开(公告)日：2019-09-06
申请号：CN201910467466.5
申请日：2019-05-31
Applicant: 中北大学
IPC: G06T19/00 , G06K9/62 , G06F3/01 , G06F3/0487 , G06F3/16
Abstract: 本发明属于增强现实技术领域，公开了一种免注册标识的增强现实方法，该方法以C/S(客户端-服务端)架构，采用UDP协议进行信息传输，客户端提供人机交互、信息采集以及虚拟模型的动态加载功能，服务端将接收到的信息通过迁移学习训练的卷积神经网络进行识别分类，提供虚拟模型，从而实现增强现实的效果。人机交互包括本发明采用将虚拟物体模型上传服务端并由客户端动态加载，在降低客户端应用所需内存的同时，还可以在不更新客户端的情况下实现多种模型的加载以及交互；解决了了传统增强现实对新场景适应性差、对标识依赖高以及开发要求高的问题。该方法适用于需要大量虚拟模型的增强现实应用中，尤其在工程模型领域。
-
公开(公告)号：CN119782616A
公开(公告)日：2025-04-08
申请号：CN202411879019.8
申请日：2024-12-19
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 山西辰涵数字科技股份有限公司 , 中电信数智科技有限公司山西分公司
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明提供了一种信息推荐方法、系统、设备及介质，属于推荐系统领域，其方法包括如下步骤：获取用户‑物品实时交互图，将用户‑物品实时交互图输入PTDNet去噪模型，计算用户‑物品实时交互图中的每条边的重要性权重，根据设定阈值及每条边的重要性权重筛选保留重要的边，剔除噪声边；动态更新边的重要性权重，并重复剔除噪声边的过程，得到去噪后的图数据；将去噪后的图数据输入信息推荐模型，识别用户的偏好，生成用户的个性化推荐结果。本发明能够对图数据进行去噪处理，能够对交互图进行优化，得到去噪后的图数据；通过将去噪后的图数据输入信息推荐模型，能够提高信息推荐精度，提升用户的个性化推荐体验，并提高个性化推荐结果。
-
公开(公告)号：CN116883859A
公开(公告)日：2023-10-13
申请号：CN202310818961.2
申请日：2023-07-05
Applicant: 中北大学
IPC: G06V20/13 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于YOLOv7‑RS的遥感图像目标检测方法。为提高在遥感图像中目标检测的精度，本发明设计了一种基于YOLOv7‑RS的遥感图像目标检测网络，在该网络中重新设计D‑ELAN模块，在骨干网络中融合SimAM注意力机制，使用SIOU损失函数来替换CIOU损失函数，优化正负样本分配策略。
-
Patent Agency Ranking
公开(公告)号：CN116012587A
公开(公告)日：2023-04-25
申请号：CN202310067111.3
申请日：2023-01-16
Applicant: 中北大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多尺度监督的三维场景点云分割方法。本发明引入多尺度监督的方式，通过对解码器每层进行额外的监督学习，判断隐藏层特征图质量的好坏，从而提高网络整体分割精度，促使网络隐藏层学习到的特征易区分、更具鲁棒性，进而改善网络对物体边缘的分割效果，广泛适用于大型室内点云语义分割。
-
公开(公告)号：CN119851036A
公开(公告)日：2025-04-18
申请号：CN202510030230.0
申请日：2025-01-08
Applicant: 中北大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T3/4038 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于注意机制的抓取位姿检测方法。针对点云特征能力提取不足，生成的位姿估计不完整的问题，本发明提出双通道双分支挤压和激励注意力融合残差的模块(DDSER)，该模块与UNet融合作为主干网络，提取点云通道特征；为了减少通过最远点采样(FPS)获取点向量所造成的通道特征损失，提出融合亲和矩阵的多头自注意力通道模块(MSCAM)，避免了冗余特征，增强了点向量通道方向的全局特征表示，提高了网络整体检测精度，广泛适用于工业机械臂抓取。
-
公开(公告)号：CN118430838A
公开(公告)日：2024-08-02
申请号：CN202410500192.6
申请日：2024-04-24
Applicant: 中北大学
Abstract: 本发明公开了一种基于图像深度学习网络集成模型的流感预测方法，属于流行病监测技术领域。针对现有方法在特征提取方面存在局限，无法有效挖掘序列中的深层信息，从而影响其预测精度这一问题，首先，通过基于格拉姆角场将一维数字序列编码为二维图像序列，为模型提供基于图像的独特信息特征，在此基础上，通过集成麻雀搜索优化算法设计搭建深度学习网络模型，利用卷积神经网络的图像处理能力进行特征提取，完成流感预测。将一维流感序列图像编码引入再进一步搭建通过集成麻雀搜索算法优化后的非线性流感预测模型，以提高模型预测精度，同时验证卷积神经网络图像处理能力在流感时序预测领域中的优势和实用性。
-
-
公开(公告)号：CN109920050B
公开(公告)日：2020-08-14
申请号：CN201910153854.6
申请日：2019-03-01
Applicant: 中北大学
Abstract: 本发明具体涉及一种基于深度学习和薄板样条的单视图三维火焰重建方法，解决了现有的三维火焰重建过程中需要多视角图像完成物体深度信息的估计和计算，人力财力成本高等问题。首先，通过深度学习的方法在已有数据集中寻找检索与输入火焰最为相似的三维火焰模型；然后，与三维火焰模型的多角度投影视图进行对比得到最佳投影视图；最后，在三维薄板样条变形的方法对三维火焰模型进行处理，实现三维火焰模型的重建。该方法适用于基于单幅火焰图像或者单视角火焰图像的三维重建。本发明是一种相对稳定和比较准确的三维模型检索方法；与轮廓为基础构建控制盒来驱动变形相比，在选定相同的控制点时，本发明的时间复杂度更低。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
