-
公开(公告)号：CN117173782A
公开(公告)日：2023-12-05
申请号：CN202311075157.6
申请日：2023-08-25
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于注意力和多尺度双机制的鸟类姿态监控装置，其包括VHR‑BirdPose网络，VHR‑BirdPose网络具有：ViT注意力子网络，其用于对输入的原始鸟类图像的注意力特征进行提取，并输出；HRNet多尺度子网络，其用于对输入的原始鸟类图像中不同尺度的鸟类姿态特征进行捕捉，并输出；特征融合单元，其用于将ViT注意力子网络输出的注意力特征和HRNet多尺度子网络输出的不同尺度的鸟类姿态特征进行融合，输出由热力图表征的融合后的鸟类特征。本发明属于图像信息处理技术领域，能够估计鸟类姿态。
-
公开(公告)号：CN116805015B
公开(公告)日：2023-11-28
申请号：CN202311075124.1
申请日：2023-08-25
IPC: G06F16/901 , G06F18/23 , G06Q10/047 , G06Q50/26
Abstract: 本发明公开了一种基于GPS跟踪数据的鸟类迁飞路线图论建模方法，其包括：步骤1，考虑鸟类的迁飞行为模式和停歇点的时空分布特征，根据GPS跟踪数据中的轨迹，构建自适应时空聚类模块，自适应时空聚类模块用于将相邻的合并状态段进行合并，并提取出合并状态段，获取候选停留点；步骤2，考虑鸟类迁飞的能量衰减系数，给出候选停留点之间的边的权重，进而建立鸟类迁飞路线的图模型 ，V表示图模型G的节点集合，E表示连接图模型G的两个节点的边的集合。本发明用于分析、评估不同鸟类的迁飞路线。本发明属于时空数据的图形挖掘与处理技术领域。
-
公开(公告)号：CN111882487A
公开(公告)日：2020-11-03
申请号：CN202010694170.X
申请日：2020-07-17
Applicant: 北京信息科技大学 , 山东黄河三角洲国家级自然保护区管理委员会
Abstract: 本发明公开了一种基于双平面平移变换的大视场光场数据融合方法，该方法包括：步骤1，对世界坐标系下的双平面光场进行参数化描述；步骤2，建立描述两组双平面平移变换关系的平移变换矩阵；步骤3，提取第一组双平面光场的中心视图的特征点，由于每个特征点对应光场的一个特征光线，因此可以通过匹配特征光线，得到特征光线在第二组双平面光场中对应的像点和视点，再根据特征光线在第一组双平面光场和第二组双平面光场中的空间关系，求解两组双平面平移变换关系的平移变换矩阵；步骤4，利用两组双平面的平移变换矩阵，将第一组双平面光场变换到第二组双平面光场，完成大视场光场数据的拼接融合。本发明方法能够实现基于解析变换关系的精确双平面光场拼接方法，解决了光场拼接时两个双平面拼接不一致的问题。
-
公开(公告)号：CN117171605B
公开(公告)日：2024-02-20
申请号：CN202311453699.2
申请日：2023-11-03
IPC: G06F18/23213 , G01S19/37
Abstract: 本发明公开了一种基于GPS数据的迁徙鸟类轨迹分割方法，其包括：步骤1，获取鸟类个体的GPS数据；步骤2，将GPS数据中不符合条件的数据去除，将剩下的数据按时间依正序排列，每一数据作为一个位点，获得的所有位点构成点集；步骤3，将点集进行聚类，获得多个聚类，再将聚类中的有效类划分成运动类或静止类，计算每一有效类的统计结果；步骤4，根据点集，采用停留点检测算法，获得多个类，再将该类划分成运动类或静止类，计算每一个类的统计结果；步骤5，对比步骤3和步骤4划分出的运动类和静止类的统计结果，选出最终的迁徙鸟类轨迹分割结果。本发明属于时空数据挖掘与处理技术领域，用于获得迁徙鸟类轨迹分割结果。
-
公开(公告)号：CN116805354A
公开(公告)日：2023-09-26
申请号：CN202311063067.5
申请日：2023-08-23
Abstract: 本发明公开了一种基于神经辐射场的珍稀鸟类三维模型重构方法与装置，其包括：步骤1，采集珍稀鸟类目标物的离散旋转光场数据；步骤2，估计离散旋转光场数据对应的场景多视点图像对应的相机位姿；步骤3，根据步骤2获取的场景多视点图像对应的相机位姿，获得多视点图像相机位姿的转换矩阵，进而通过NDC中的齐次坐标变换和射线变换，将步骤1采集到的珍稀鸟类目标物的离散旋转光场数据，转换到NDC空间中；步骤4，利用神经辐射场，在离散旋转光场数据NDC空间下生成旋转光场新视点图像；步骤5，根据步骤4生成的旋转光场新视点图像，重构珍稀鸟类三维模型。本发明属于计算机视觉和计算机图形学的技术。本发明用于重构珍稀鸟类三维模型。
-
Patent Agency Ranking
公开(公告)号：CN112381830B
公开(公告)日：2022-08-09
申请号：CN202011300818.7
申请日：2020-11-19
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，形成图割模型的node顶点；步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。
-
公开(公告)号：CN118823831A
公开(公告)日：2024-10-22
申请号：CN202410923287.9
申请日：2024-07-10
Applicant: 北京信息科技大学 , 山东黄河三角洲国家级自然保护区管理委员会
IPC: G06V40/10 , G06V10/20 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于提示学习的鸟类细粒度识别增量学习方法和装置，包括：步骤1，搭建增量学习模型；步骤2，将预处理图像重构变为序列；步骤3，接收预处理图像，获得查询特征；步骤4，接收种级类别标签，输出对应的多粒度文本信息，转化为独热编码向量，作为文本提示向量；步骤5，构建视觉提示池，选择最终视觉提示子集；步骤6，将文本提示池和视觉提示池共同与嵌入特征拼接；步骤7，将拼接结果先后输入编码模块、分类头，输出预测分类结果，再根据预测分类结果对增量学习模型的参数进行优化，并随着增量学习模型学习不同分类任务来更新增量学习模型的参数，引导增量学习模型进行预测。本发明能够实现对鸟类图像进行高精度识别。
-
公开(公告)号：CN117171605A
公开(公告)日：2023-12-05
申请号：CN202311453699.2
申请日：2023-11-03
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
IPC: G06F18/23213 , G01S19/37
Abstract: 本发明公开了一种基于GPS数据的迁徙鸟类轨迹分割方法，其包括：步骤1，获取鸟类个体的GPS数据；步骤2，将GPS数据中不符合条件的数据去除，将剩下的数据按时间依正序排列，每一数据作为一个位点，获得的所有位点构成点集；步骤3，将点集进行聚类，获得多个聚类，再将聚类中的有效类划分成运动类或静止类，计算每一有效类的统计结果；步骤4，根据点集，采用停留点检测算法，获得多个类，再将该类划分成运动类或静止类，计算每一个类的统计结果；步骤5，对比步骤3和步骤4划分出的运动类和静止类的统计结果，选出最终的迁徙鸟类轨迹分割结果。本发明属于时空数据挖掘与处理技术领域，用于获得迁徙鸟类轨迹分割结果。
-
公开(公告)号：CN116805015A
公开(公告)日：2023-09-26
申请号：CN202311075124.1
申请日：2023-08-25
IPC: G06F16/901 , G06F18/23 , G06Q10/047 , G06Q50/26
Abstract: 本发明公开了一种基于GPS跟踪数据的鸟类迁飞路线图论建模方法，其包括：步骤1，考虑鸟类的迁飞行为模式和停歇点的时空分布特征，根据GPS跟踪数据中的轨迹，构建自适应时空聚类模块，自适应时空聚类模块用于将相邻的合并状态段进行合并，并提取出合并状态段，获取候选停留点；步骤2，考虑鸟类迁飞的能量衰减系数，给出候选停留点之间的边的权重，进而建立鸟类迁飞路线的图模型#imgabs0#，V表示图模型G的节点集合，E表示连接图模型G的两个节点的边的集合。本发明用于分析、评估不同鸟类的迁飞路线。本发明属于时空数据的图形挖掘与处理技术领域。
-
公开(公告)号：CN110827338B
公开(公告)日：2022-08-16
申请号：CN201911063001.X
申请日：2019-10-31
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种分区域自适应匹配的光场数据深度重建方法，所述分区域自适应匹配的光场数据深度重建方法包括以下步骤：步骤110，定义中心视图与待匹配视图中的待匹配像素点的距离测度函数；步骤120，为不同区域的待匹配像素点选择不同的匹配窗口，其中，所述不同区域包括纹理区域、平滑区域和边缘遮挡区域；步骤130，统计匹配窗口正确匹配像素点的个数作为窗口的距离测度值，并在所述平滑区域加上平滑因子；步骤140，优化匹配视差，并计算场景深度。本发明能够在四维光场理论下实现高精度的深度重建。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.048 seconds)
