-
公开(公告)号：CN115797181A
公开(公告)日：2023-03-14
申请号：CN202211709385.X
申请日：2022-12-29
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向矿井模糊环境的图像超分辨率重建方法，属于图像重建技术领域，解决了现有技术中图像模糊不清的问题。具体包括：获取矿井内环境高清图像，并对图像进行预处理，得到处理后的高分辨率对应的低分辨率图像，组成图像对；基于所述图像对，建立超分重建网络模型；所述超分重建网络模型通过提取低分辨率图像的深层特征和浅层特征得到特征差异，基于所述特征差异对深层特征进行校准整合，基于整合后的深层特征重建得到高分辨率图像；获取矿井模糊环境图像，基于建立的所述超分重建网络模型得到重建后的高分辨率图像。实现了可以清晰地看到矿井下的画面，提高了图像的人眼视觉效果，更具真实性。
-
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：CN113610912B
公开(公告)日：2024-02-02
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06T7/55 , G06T7/246 , G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/088 , G06N3/0455 , G06V10/74
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
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：CN113610912A
公开(公告)日：2021-11-05
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
Patent Agency Ranking
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：CN112907582B
公开(公告)日：2023-09-29
申请号：CN202110330453.0
申请日：2021-03-24
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种面向矿井的图像显著性提取去雾方法、装置及人脸检测，属于图像处理技术领域，解决了由于矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。方法包括：获取矿井下的原始存雾图像；基于直方图分析对原始存雾图像进行亮度降值处理，根据亮度降值后的存雾图像计算大气光估计值；根据大气光估计值、预设的小尺度的数值和大尺度的数值得到大尺度传输图和小尺度传输图；基于原始存雾图像的显著图将大尺度传输图和小尺度传输图融合得到显著性提取去雾模型；利用L2正则化对显著性提取去雾模型进行约束，得到融合后传输图；基于融合后传输图、大气光估计值，反解大气散射模型得到去雾图像。
-
公开(公告)号：CN113569795A
公开(公告)日：2021-10-29
申请号：CN202110902535.8
申请日：2021-08-06
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明提出了一种基于机器视觉的煤矸石识别方法及系统，其主要目的是提高煤矸石检测的自动化水平和识别率，同时对粉尘等干扰因素保持鲁棒性，该系统主要包括三大部分：1.对煤流视频的读取；2.将采集到的视频送入高性能计算机进行检测；3.输出检测结果，本发明采用的方法能提高煤矸石检测的智能化水平，同时大大减少工作人员的劳动量，不会造成环境污染，在真实矿井环境中具有较强的鲁棒性，能提高对煤矸石识别的正确率，也适于大规模推广。
-
公开(公告)号：CN112507941A
公开(公告)日：2021-03-16
申请号：CN202011499054.9
申请日：2020-12-17
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。
-
公开(公告)号：CN113065516B
公开(公告)日：2023-12-01
申请号：CN202110436855.9
申请日：2021-04-22
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/774 , G06V10/74 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/088
Abstract: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法，属于行人重识别技术领域，解决了现有行人重识别方法识别精度低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，用于获得分类损失函数和样本不变性损失函数，根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数，根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目(56)对比文件谢川 等.基于对抗生成网络的蒙特卡罗噪声去除算法《.模式识别与人工智能》.2018,第31卷(第11期),1047-1060.Jiahan Li 等.Unsupervised Person Re-Identification Based on Measurement Axis.《IEEE SIGNAL PROCESSING LETTERS》.2021,第28卷379-383.Alexander Hermans 等.In Defense ofthe Triplet Loss for Person Re-Identification《.https://arxiv.org/pdf/1703.07737.pdf》.2017,1-17.Nazia Perwaiz 等.Person Re-Identification Using HybridRepresentation Reinforced by MetricLearning《.IEEE Access》.2018,第6卷77334-77349.
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.041 seconds)
