-
公开(公告)号：CN119991529A
公开(公告)日：2025-05-13
申请号：CN202510476338.2
申请日：2025-04-16
Applicant: 中国矿业大学 , 燕园智能科技(徐州)有限公司
IPC: G06T5/90 , G06T5/70 , G06T5/60 , G06V10/762 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0895
Abstract: 基于自监督学习的低照明度空间目标对比特征增强方法，步骤包括：采集空间图像；对采集到的空间图像进行预处理操作；对数据增强后的数据进行特征提取；对特征提取后的图像进行噪声抑制；对噪声抑制后的图像的关键区域进行特征增强；将特征增强后的图像进行相似特征归类并进行目标识别与分析；对已完成目标分析的图像进行图像增强。本发明实现了自监督学习驱动的图像特征增强，获得更全面和精准的场景信息；通过尺度不变特征变换算法，确保在低照明条件下图像特征的稳定性和一致性，提高特征增强的准确性。有效抑制低照明环境下的噪声干扰，增强目标特征的显著性，扩大了基于自监督学习的低照明图像特征增强技术的适用范围。
-
公开(公告)号：CN118298238B
公开(公告)日：2024-12-20
申请号：CN202410463695.0
申请日：2024-04-17
Applicant: 中国矿业大学
Inventor： 孙中彬 , 黎晓龙 , 胡帅 , 陈彦池 , 阿卜杜穆塔利布·埃尔·萨迪克
IPC: G06V10/764 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/32
Abstract: 本发明提供了一种胶囊瑕疵检测方法、装置、电子设备及存储介质，属于计算机视觉领域，包括获取多张历史胶囊图像，选取预训练好的网络作为教师网络，并构建一个与教师网络结构相同的学生网络，通过历史胶囊图像对两个网络进行训练；将待测胶囊图像分别输入教师网络和训练后的学生网络，将两者的输出结果做差后取平方，并沿着网络通道求平方的均值，得到了教师网络和学生网络的输出特征差异图；使用双线性插值将特征差异图恢复成原图大小，把特征差异图中最大的像素值作为整个胶囊的异常得分，利用异常得分对胶囊进行良品和次品的分类，实现了次品的检测；把特征差异图中各区域的像素值作为像素的瑕疵得分，根据瑕疵得分进行像素点级别的瑕疵分类，实现了瑕疵的定位。该方法能够有效地检测胶囊次品，并定位出各种尺寸大小的瑕疵。
-
公开(公告)号：CN114592411A
公开(公告)日：2022-06-07
申请号：CN202210317457.X
申请日：2022-03-29
Applicant: 中国矿业大学 , 江苏比特达信息技术有限公司
Abstract: 本发明公开了一种载体寄生式公路损坏智能巡查方法，涉及道路损坏检测领域，针对公路损坏智能巡查的应用需求，研究适用于各类移动终端的轻量级通用智能识别算法，实现边缘端快速识别和实时上报；针对低碳巡检的要求，研究能够承载智能算法的不同载体特性，实现智能识别算法能够寄生于不同的硬件智能载体，实现终端载体智能复用，通过智能终端移动载体寄生方式，复用现有公交车辆和清扫车辆等移动载体,实现巡检主体智能复用；通过研发高性价比的工业级车载识别终端，实现复杂道路、复杂天气等环境下的道路损坏识别；各种智能设备的应用场景比较广泛灵活，在不影响交通的状况下，实现随时随地轻松检测各种路段，提高工作效率。
-
公开(公告)号：CN118298238A
公开(公告)日：2024-07-05
申请号：CN202410463695.0
申请日：2024-04-17
Applicant: 中国矿业大学
Inventor： 孙中彬 , 黎晓龙 , 胡帅 , 陈彦池 , 阿卜杜穆塔利布·埃尔·萨迪克
IPC: G06V10/764 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/32
Abstract: 本发明提供了一种胶囊瑕疵检测方法、装置、电子设备及存储介质，属于计算机视觉领域，包括获取多张历史胶囊图像，选取预训练好的网络作为教师网络，并构建一个与教师网络结构相同的学生网络，通过历史胶囊图像对两个网络进行训练；将待测胶囊图像分别输入教师网络和训练后的学生网络，将两者的输出结果做差后取平方，并沿着网络通道求平方的均值，得到了教师网络和学生网络的输出特征差异图；使用双线性插值将特征差异图恢复成原图大小，把特征差异图中最大的像素值作为整个胶囊的异常得分，利用异常得分对胶囊进行良品和次品的分类，实现了次品的检测；把特征差异图中各区域的像素值作为像素的瑕疵得分，根据瑕疵得分进行像素点级别的瑕疵分类，实现了瑕疵的定位。该方法能够有效地检测胶囊次品，并定位出各种尺寸大小的瑕疵。
-
公开(公告)号：CN118037870B
公开(公告)日：2024-06-07
申请号：CN202410412342.8
申请日：2024-04-08
Applicant: 中国矿业大学 , 永城煤电控股集团有限公司 , 江苏比特达信息技术有限公司
Abstract: 本发明属于图像处理技术领域，公开了一种兼容Zdepth的并行化深度图像压缩算法，s1采集深度图像进行预处理后准备进行s2量化处理，经过s2量化处理，图像数据被简化为较少的比特表示，随即进入s3零压缩阶段，系统识别并压缩量化后数据中的连续零值，进一步减少数据的存储需求，完成s3零值的压缩处理后，数据将进入s4预测分块压缩阶段，系统通过分析每个数据块内的像素关系，进行进一步压缩数据，s5数据输出，将所有压缩后的数据通过ZSTD算法压缩，并依序输出到文件系统，同时公开了基于该算法的图像压缩装置和终端设备。本发明通过优化数据结构和压缩流程，能够显著提高深度图像的压缩和解压速度，同时保证压缩后深度图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN118037870A
公开(公告)日：2024-05-14
申请号：CN202410412342.8
申请日：2024-04-08
Applicant: 中国矿业大学 , 永城煤电控股集团有限公司 , 江苏比特达信息技术有限公司
Abstract: 本发明属于图像处理技术领域，公开了一种兼容Zdepth的并行化深度图像压缩算法，s1采集深度图像进行预处理后准备进行s2量化处理，经过s2量化处理，图像数据被简化为较少的比特表示，随即进入s3零压缩阶段，系统识别并压缩量化后数据中的连续零值，进一步减少数据的存储需求，完成s3零值的压缩处理后，数据将进入s4预测分块压缩阶段，系统通过分析每个数据块内的像素关系，进行进一步压缩数据，s5数据输出，将所有压缩后的数据通过ZSTD算法压缩，并依序输出到文件系统，同时公开了基于该算法的图像压缩装置和终端设备。本发明通过优化数据结构和压缩流程，能够显著提高深度图像的压缩和解压速度，同时保证压缩后深度图像的质量。
-
公开(公告)号：CN117528085A
公开(公告)日：2024-02-06
申请号：CN202410020281.0
申请日：2024-01-08
Applicant: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于智能特征聚类的视频压缩编码方法，包括以下步骤：步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取；步骤2、采用特征聚类算法对提取出的特征进行聚类，将相似或冗余的特征整合在一起，为后续编码提供更有效的数据结构；步骤3、对聚类后的特征集进行编码，通过视觉增强和数据压缩的联合制定来进行视频压缩；步骤4、在解码端，根据编码数据和聚类中心信息，恢复出原始的特征集；步骤5、利用深度学习模型的重建模块，根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码，同时具有较高的压缩比和图像质量。
-
公开(公告)号：CN117528085B
公开(公告)日：2024-03-19
申请号：CN202410020281.0
申请日：2024-01-08
Applicant: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于智能特征聚类的视频压缩编码方法，包括以下步骤：步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取；步骤2、采用特征聚类算法对提取出的特征进行聚类，将相似或冗余的特征整合在一起，为后续编码提供更有效的数据结构；步骤3、对聚类后的特征集进行编码，通过视觉增强和数据压缩的联合制定来进行视频压缩；步骤4、在解码端，根据编码数据和聚类中心信息，恢复出原始的特征集；步骤5、利用深度学习模型的重建模块，根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码，同时具有较高的压缩比和图像质量。
-
公开(公告)号：CN117671589A
公开(公告)日：2024-03-08
申请号：CN202311652990.2
申请日：2023-12-04
Applicant: 中国矿业大学 , 燕园智能科技(徐州)有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06V40/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于新型视频分析方法的矿工排队秩序异常报警系统，涉及计算机视觉技术领域，通过视频监控系统获取矿工排队视频数据，提取排队图像并标注矿工排队数据集，进行深度学习模型的训练和验证。算法的核心在于改进YOLOv5模型的特征金字塔部分，设计出新型的BCrFPN，并引入动态标签分配策略，动态设置阈值，以更合理地评估候选样本的质量；通过计算人脸框与排队区域的相交面积并设置阈值，来准确判断矿工是否有序排队，输出预警结果，并上传井上监控平台，满足安全生产的实际要求。本发明针对煤矿井下特殊的生产环境，通过新的视频分析算法实现人员排队秩序异常报警，检测效率和可靠性高，实用性强，适用于煤矿安全生产管理。
-
公开(公告)号：CN116992367A
公开(公告)日：2023-11-03
申请号：CN202310792026.3
申请日：2023-06-30
Applicant: 中国矿业大学
IPC: G06F18/2431 , G06F18/243 , G06F18/214 , G06Q10/107
Abstract: 本发明公开了一种基于标签划分的多标签邮件情感分类方法，包括：S1、获取多标签邮件情感分类数据集Emotions；S2、利用单标签划分方法将多标签邮件情感分类数据集Emotions转换成多个单标签数据集；S3、利用C4.5决策树算法对每个单标签数据集进行学习，构建相应的单标签决策树分类模型；S4、利用标签对划分方法将多标签邮件情感分类数据集Emotions转换成多个标签对数据集；S5、利用C4.5决策树算法对每个标签对数据集进行学习，构建相应的标签对决策树分类模型；S6、对于待分类的邮件，获取其对应的文本属性特征，将其转化为一个待分类邮件样本；S7、使用单标签决策树模型和标签对决策树分类模型对进行分类，将结果合并成多标签类别，实现该邮件样本的情感分类。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
