-
公开(公告)号：CN114647760B
公开(公告)日：2024-09-24
申请号：CN202210037094.4
申请日：2022-01-13
Applicant: 中国矿业大学
IPC: G06F16/783 , G06F16/75 , G06T5/90 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法，在保证模型实时性的同时，提高小模型检索精度，在精度和效率之间尽可能达到平衡；设置伽马校正模块，通过对图像的局部调整，实现对光照不均匀鲁棒性，提高细节可辨度，避免高频噪声，普适性强；建立自温故机制，允许神经网络的局部自我监督，不断反思、调整学习参数，充分学习到图像深层语义信息，实现神经网络快速收敛，提高检索精度；采用知识传导机制，提升模型精度、降低模型时延，压缩网络参数，最终得到一个性能强和精度高的学生模型；通过传导机制将浅特征知识作为学习目标，采用VAE变分自编码模型重构深度特征，以此生成学习结果，将学习结果与目标进行度量，完成学习任务。
-
公开(公告)号：CN117173024B
公开(公告)日：2024-04-16
申请号：CN202311213700.4
申请日：2023-09-20
Applicant: 中国矿业大学
IPC: G06T3/4069 , G06T3/4046 , G06T3/4007 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
公开(公告)号：CN113763247B
公开(公告)日：2023-12-05
申请号：CN202111055748.8
申请日：2021-09-09
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 基于流形判别的三维矿井图像超分辨率重建方法及系统，模型化单幅图像超分辨率问题，探索可取的HR空间；设计了基于CNN网络的自然流形鉴别器(natural manifold discriminator)；提出基于不规则残差学习的CNN结构，即分形剩余超分辨率网络fractal residual super‑resolution(FRSR)；建立面向感知的超分辨率NatSR网络，可生成真实纹理和自然细节，获得高视觉质量。
-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN111639212B
公开(公告)日：2023-09-05
申请号：CN202010464038.X
申请日：2020-05-27
Applicant: 中国矿业大学
IPC: G06F16/583 , G06V10/77 , G06V10/50 , G06V10/30
Abstract: 本发明涉及一种矿用智能视频分析中的图像检索方法，属于图像检索技术领域，解决了现有技术检索准确率低、效率低，导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括，对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像；从第一图像中获得方差自适应量化颜色直方图；从第二图像中提取梯度信息和符号信息；将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征；对融合特征进行降维获得融合主特征；利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时，提高了矿井异常监控效率，提升矿井的安全检测水平。
-
Patent Agency Ranking
公开(公告)号：CN115439793A
公开(公告)日：2022-12-06
申请号：CN202211200631.9
申请日：2022-09-29
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明公开了一种面向矿井煤流AI视频分析的异物识别系统，属于图像处理技术领域，包括数据收集模块，采用工业相机对履带上的煤流进行实时视频监控收集；黑夜检测模块，采用改进的U‑net网络结构作为模型，对底片进行预测得到RGB图片；YOLOv4模块，用于对RGB图片进行预测得到目标的位置和类别，使用CSPDarknet53作为该模块整体网络模型的主干网络。基于此还提供了一种面向矿井煤流AI视频分析的异物识别方法，利用加入黑夜检测模块对底片进行预测得到RGB图片，解决了光线不足能见度低的问题，然后用YOLO v4模块对RGB进行预测得到目标的位置和类别，提高了矿井异物识别算法的检测精度和检测速度。
-
公开(公告)号：CN115294282A
公开(公告)日：2022-11-04
申请号：CN202211003081.1
申请日：2022-08-19
Applicant: 中国矿业大学
Abstract: 本发明公开了一种三维场景重建中增强特征融合的单目深度估计系统，该系统包括单目深度估计网络，单目深度估计网络采用自监督方式优化训练；单目深度估计网络包括深度估计网络和位姿预测网络，深度估计网络用于帮助目标图像恢复深度；位姿预测网络用于输出邻帧间运动量；深度估计网络包括深度编码器和深度解码器；深度编码器接用于提取输入图像的深度信息特征；深度解码器生成各尺度的深度预测图；深度编码器与深度解码器采用全尺度跳跃连接，获得全尺度的编、解码器特征信息，并将其融合。本发明通过深度编码器和深度解码器采用全尺度跳跃连接，优化学习分配各层特征信息的参数权重，得到精确的深度边界与预测精度。
-
公开(公告)号：CN117346805B
公开(公告)日：2024-09-20
申请号：CN202311150868.5
申请日：2023-09-07
Applicant: 中国矿业大学
IPC: G01C21/34 , G06N3/092 , G06N3/0442
Abstract: 一种非结构化环境的特种车辆自动驾驶路径规划方法，通过SLAM地面分割算法，将三维高度信息存储于相应栅格，获得非结构环境占用栅格图，再将所述栅格图地形数据划分为训练集和测试集；结合感知模块输入信息及特种车辆动力学建模，从栅格图地形数据中提取可通行区域，实现风险图构建；根据风险图构造自适应性的奖励函数，搭建强化学习模型以及Agent的神经网络；基于构建非结构化环境测试机进行训练，在每个训练周期初始化阶段构建随机函数，随机化起点和终点位置，使系统具泛化性；通过强化学习训练获得策略网络，在测试集中执行路径规划，实现非结构化环境下高效的处理环境信息，提高特种车辆面对不同地形的适应性及有效的自动驾驶。
-
公开(公告)号：CN113627380B
公开(公告)日：2024-03-15
申请号：CN202110959012.7
申请日：2021-08-20
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V40/10 , G06V10/80 , G06V10/74 , G06V10/82 , G06V10/762 , G06N3/0895
Abstract: 本发明是一种用于智能安防及预警的跨视域行人重识别方法及系统，方法包括如下步骤：步骤1预处理源域样本和目标域样本，步骤2通过ResNet50提取样本特征向量，步骤3特征提取后特征向量拼接，步骤4计算距离，生成伪标签，步骤5重识别，生成伪标签计算进行损失计算。本发明有效地对引入姿态估计点，对混杂背景进行遮挡处理，利用遮挡，防止网络将注意力集中在背景信息上，使网络学习能力变强，从而增加无监督行人重识别的识别精度，本发明有效利用了图片的相机索引、时间信息，考虑到在特定时间段和视角不重叠的特性，在相同相机下的行人图像置信度高和不同相机下的行人图像置信度低，为跨境头下的行人检索提供了很好的约束。
-
公开(公告)号：CN117173024A
公开(公告)日：2023-12-05
申请号：CN202311213700.4
申请日：2023-09-20
Applicant: 中国矿业大学
Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.041 seconds)
