-
公开(公告)号：CN119478408A
公开(公告)日：2025-02-18
申请号：CN202411552147.1
申请日：2024-11-01
Applicant: 北京交通大学 , 太原科技大学 , 山西智视豪泰科技有限公司
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明属于图像分割方法技术领域，提供基于组内一致性增强的碲锌镉晶片图像半监督语义分割方法。采用的技术方案为：步骤S1：构建12+1的TPO数据集，其中包括12张不同角度的碲锌镉CZT晶体图像以及1张标签图像；步骤S2：定义组内一致性增强的半监督语义分割方法；步骤S3：构建基于组内一致性增强的半监督语义分割框架ICAF；步骤S4：训练ICAF直到收敛，利用训练好的模型进行语义分割。本发明利用半监督流程中“多对一”特性来提高CZT晶体的分割精度。
-
公开(公告)号：CN118052737B
公开(公告)日：2024-12-24
申请号：CN202410069722.6
申请日：2024-01-18
Applicant: 北京交通大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明提供了一种去雾算法，引入超像素场景先验以减少无人机去雾过程的计算，图像去雾过程可以从RGB色彩空间转换为Lab色彩空间，避免不同色度之间的混淆和多余信息，从而通过L通道选择高效去雾的可靠区域。考虑到去雾过程中光不均匀性的影响，本发明设计了一种基于简单线性迭代聚类的引导滤波算法，它用具有相似颜色块的超像素聚类窗口替代了大量的引导窗口，同时保留了互补信息。为了提高去雾后的感知能力，对超像素分割和目标检测结果进行了定量分析，并使用交替方向乘法器方法设计了感知和去雾的协同优化反馈迭代机制，以增强雾天环境下无人机视觉任务的有效性。本发明提出的框架可以有效对无人机图像进行去雾，并显著提高其感知处理能力。
-
公开(公告)号：CN118052355A
公开(公告)日：2024-05-17
申请号：CN202410069719.4
申请日：2024-01-18
Applicant: 北京交通大学 , 中国电子科技集团公司第五十四研究所
IPC: G06Q10/063 , G06Q50/26 , G06F17/16 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种面向无人机监察的目标多层次评估方法及系统。本发明通过专家知识确定评估内容，构建重要判断矩阵。通过训练使得第一重要卷积网络和第二重要卷积网络能够有相似的评估值。采用第一重要卷积网络调整判断矩阵，将调整后的判断矩阵用层次分析模型得到权重向量。采用使得判断矩阵用第二重要卷积网络，得到对应的权重向量。通过上述两种方法得到的权重向量进行融合，用于结合两个卷积的结构，使得评估时更加准确。再使用第三重要模型，反向得到更新重要判断矩阵，最后得到能够满足准确率的重要判断矩阵。提高目标重要程度和危险程度评估的准确性，为战场态势分析和作战行动决策提供基础。
-
公开(公告)号：CN117934295A
公开(公告)日：2024-04-26
申请号：CN202410069725.X
申请日：2024-01-18
Applicant: 北京交通大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于空天遥感图像目标检测反馈的图像去雾方法，以空天遥感图像的目标检测为任务导向改善图像去雾的方法。根据空天遥感图像目标检测中目标置信度、检测目标数量等信息，反馈调整去雾算法参数，选择与目标检测任务匹配最佳的图像去雾模式，以达到空天遥感图像的目标检测应用质量最大化。本发明将目标检测输出结果信息应用于去雾参数自适应调节并指导去雾，实现空天遥感图像的目标检测任务和图像去雾的迭代优化，搭建互反馈、共进化的调节闭环机制，改善目标检测任务的多项指标，达到基于空天遥感图像的目标检测任务效能最优的目的。
-
公开(公告)号：CN117392380A
公开(公告)日：2024-01-12
申请号：CN202311112314.6
申请日：2023-08-31
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明多角度碲锌镉晶片图像语义分割方法属于图像质量增强领域，本发明先利用获取到的CZT图像进行n+1数据集的构建，然后利用渐进式互补知识汇聚网络PCKA通过像素汇聚网络PAN和潜在汇聚网络LAN进行像素层级、潜在层级的知识表征，最终提高了CZT图像分割的质量与速度，本发明适合于一些要求要求多角度获取图像并进行语义分割的应用场合，如半导体材料分割等。
-
Patent Agency Ranking
公开(公告)号：CN116994027A
公开(公告)日：2023-11-03
申请号：CN202310703016.8
申请日：2023-06-14
Applicant: 北京交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/42
Abstract: 本发明涉及一种基于渐进语义‑视觉互适应的广义零样本学习方法。本发明提出一种渐进语义视觉互适网络(PSVMA)，使用视觉转换器(ViT)提取图像块特征，与语义属性进行交互；同时利用嵌入的视觉和属性特性，在PSVMA中设计了由实例驱动的语义编码器(IMSE)和语义驱动的实例解码器(SMID)组成的双重语义‑视觉转换器模块(DSVTM)。PSVMA可以通过渐进的语义视觉相互适应，有效消除语义歧义，提高知识的可转移性，对已知类和未知类进行更准确的推断。
-
公开(公告)号：CN116750232A
公开(公告)日：2023-09-15
申请号：CN202310831853.9
申请日：2023-07-07
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
Abstract: 本发明公开了一种折叠式空海两用无人机，涉及无人机技术领域，包括无人机本体，所述无人机本体的底面固定连接有连接座，所述连接座的底面开设有T型滑槽，所述T型滑槽的内壁滑动卡接有T型滑块，所述T型滑块的底面固定连接有漂浮板，所述漂浮板的底面开设有转动槽，所述转动槽的内壁转动连接有支撑板，所述支撑板的底面固定连接有防滑垫。本发明通过支撑板与地面接触在压力的作用下弯曲至一定角度，通过支撑板弯曲带动连接杆推动滑块在滑杆一上滑动，通过滑块滑动挤压弹簧二，通过挤压弹簧二发生形变产生反向力对无人机本体起到了良好的减震作用，避免了无人机内的电子元件的损坏，影响无人机的使用寿命。
-
公开(公告)号：CN116692047A
公开(公告)日：2023-09-05
申请号：CN202310831548.X
申请日：2023-07-07
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
IPC: B64U20/70 , B64U60/00 , B64U50/19 , B64U30/291 , B64U30/292 , B64C1/00 , B64C25/32 , B64U101/30
Abstract: 本发明公开了一种流线型海空跨域无人机，涉及无人机技术领域，包括机身，所述机身的外部固定连接有机臂，所述机臂的顶部活动连接有螺旋桨座，所述螺旋桨座的外部固定连接有螺旋桨，所述机身的底部两端固定连接有起落架，所述起落架的底部固定连接有脚垫。本发明通过机身呈光滑流线型，并采用曲面的设计，使得机身的头部呈扁圆形，从而减少在飞行中的迎风面积，降低对无人机的飞行阻力，且由于脚垫和防滑垫增加了底部与地面的接触面积，从而使得无人机在降落时，能够与增加平稳性，用手向内按压C形杆，使得C形杆沿着连接槽向内移动，带动卡块受力向内挤压橡胶条，卡块沿着套杆挤压转动，从而脱离出卡槽内，从而将螺旋桨座进行取出。
-
公开(公告)号：CN115424100A
公开(公告)日：2022-12-02
申请号：CN202210865756.7
申请日：2022-07-22
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于多投影表征的全景图像显著性目标检测方法，构建一个编码器‑解码器结构的端到端检测网络，将等矩形投影图像和相应的四个立方体展开图像共同作为检测网络的输入；在编码器阶段，等矩形投影分支和立方体展开分支通过共享参数的五十层深度残差网络ResNet‑50提取特征；在解码器阶段，动态加权融合模块自适应地融合等矩形投影特征和四种立方体展开特征，过滤与细化模块结合编码与解码特征，得到最终的显著性图。本发明，检测网络结合等矩形投影与立方体展开两种全景图像的表征方式，将等矩形投影图像和相应的四个立方体展开图像作为共同输入，其中，立方体展开图像为等矩形投影图像提供补充信息，确保目标的完整性。
-
公开(公告)号：CN113709455A
公开(公告)日：2021-11-26
申请号：CN202111138182.5
申请日：2021-09-27
Applicant: 北京交通大学
IPC: H04N19/103 , H04N19/20 , H04N19/30 , H04N19/42
Abstract: 本发明公开一种使用Transformer的多层次图像压缩方法，以Transformer模块为主，辅之以卷积层神经网络的多层次的图像压缩框架，Transformer模块包括多层编码器组件组件、解码器组件，编码端采用编码器组件，解码端采用解码器组件；解码器拥有交叉注意力机制，该交叉注意力机制将解码器的输入的自注意力特征与编码器的自注意力特征进行联合计算，对压缩压缩框架编码器的编码端学习到的特征充分利用。本发明保留了Transformer中的解码器组件及其交叉注意力机制，应用在解码端以实现对编码端学习到的特征的充分利用，达到更好的效果。且本发明框架对硬件的需求更小。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.033 seconds)
