-
公开(公告)号：CN106997380B
公开(公告)日：2019-07-12
申请号：CN201710168022.2
申请日：2017-03-21
Applicant: 北京工业大学
IPC: G06F16/583 , G06F21/60 , G06T1/00
Abstract: 基于DCGAN深度网络的成像光谱图像安全检索方法属于成像光谱图像领域。本发明利用DCGAN深度网络实现对成像光谱图像特征的高度表达，提出一种新的加密域成像光谱图像安全检索方法。首先利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)联合提取成像光谱图像的深度光谱‑空间特征，精准地表征成像光谱图像内容；同时为了保障遥感图像检索过程中的安全性，基于加密后特征相似度不变的准则，采用最小哈希(Min‑Hash)方法对深度特征进行加密，实现对深度特征的保护；最后在不解密的情况下，通过比较最小哈希值相等个数直接对图像特征进行Jaccard相似性距离度量，返回与查询图像相似的图像，在实现检索的同时，保障信息的安全性。
-
公开(公告)号：CN106909924A
公开(公告)日：2017-06-30
申请号：CN201710087670.5
申请日：2017-02-18
Applicant: 北京工业大学
Abstract: 一种基于深度显著性的遥感影像快速检索方法属于计算机视觉领域，具体涉及深度学习、显著性目标检测和图像检索等技术。本发明以遥感影像为研究对象，利用深度学习技术，研究了一种遥感影像的快速检索方法。首先采用全卷积神经网络构建多任务显著性目标检测模型，该模型同时进行显著性检测任务和语义分割任务，在网络预训练过程中学习遥感影像的深度显著性特征。然后改进深度网络结构，加入哈希层微调网络，学习得到遥感影像的二进制哈希码。最后综合利用显著性特征和哈希码进行相似性度量。本发明对于实现遥感影像准确、高效检索切实可行并具有重要应用价值。
-
公开(公告)号：CN106446015A
公开(公告)日：2017-02-22
申请号：CN201610750490.6
申请日：2016-08-29
Applicant: 北京工业大学
Abstract: 本发明公开一种基于用户行为偏好的视频内容访问预测与推荐方法，首先，通过聚类技术实现镜头边缘检测和提取视频的关键帧，然后基于用户评分数据，采用深度学习技术CNN学习视频关键帧的深度视觉特征，并进一步基于深度视觉特征向量来表征视频内容。然后通过多级贝叶斯模型构建用户行为偏好模型。最后基于用户行为偏好模型，采用线性回归技术实现视频内容访问预测与推荐。采用本发明的技术方案，有效提高了个性化视频推荐的准确度。
-
Patent Agency Ranking
公开(公告)号：CN106997380A
公开(公告)日：2017-08-01
申请号：CN201710168022.2
申请日：2017-03-21
Applicant: 北京工业大学
CPC classification number: G06F16/5838 , G06F21/602 , G06T1/0021
Abstract: 基于DCGAN深度网络的成像光谱图像安全检索方法属于成像光谱图像领域。本发明利用DCGAN深度网络实现对成像光谱图像特征的高度表达，提出一种新的加密域成像光谱图像安全检索方法。首先利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)联合提取成像光谱图像的深度光谱‑空间特征，精准地表征成像光谱图像内容；同时为了保障遥感图像检索过程中的安全性，基于加密后特征相似度不变的准则，采用最小哈希(Min‑Hash)方法对深度特征进行加密，实现对深度特征的保护；最后在不解密的情况下，通过比较最小哈希值相等个数直接对图像特征进行Jaccard相似性距离度量，返回与查询图像相似的图像，在实现检索的同时，保障信息的安全性。
-
公开(公告)号：CN106909924B
公开(公告)日：2020-08-28
申请号：CN201710087670.5
申请日：2017-02-18
Applicant: 北京工业大学
Abstract: 一种基于深度显著性的遥感影像快速检索方法属于计算机视觉领域，具体涉及深度学习、显著性目标检测和图像检索等技术。本发明以遥感影像为研究对象，利用深度学习技术，研究了一种遥感影像的快速检索方法。首先采用全卷积神经网络构建多任务显著性目标检测模型，该模型同时进行显著性检测任务和语义分割任务，在网络预训练过程中学习遥感影像的深度显著性特征。然后改进深度网络结构，加入哈希层微调网络，学习得到遥感影像的二进制哈希码。最后综合利用显著性特征和哈希码进行相似性度量。本发明对于实现遥感影像准确、高效检索切实可行并具有重要应用价值。
-
公开(公告)号：CN108647655B
公开(公告)日：2022-07-12
申请号：CN201810465955.2
申请日：2018-05-16
Applicant: 北京工业大学
Abstract: 基于轻型卷积神经网络的低空航拍影像电力线异物检测方法属于计算机视觉领域，研究了一种针对无人机航拍影像中电力线异物的实时检测方法。首先利用卷积神经网络构建轻型电力线检测模型，计算得到航拍影像中电力线的深度特征；然后利用卷积神经网络构建多目标电力线异物检测模型，使用不同长宽的卷积层，利用深度特征计算多尺度目标的预测值；最后利用电力线检测模型过滤没有电力线的视频帧，在检测到电力线的视频上，利用多目标电力线异物检测模型实现低空航拍影像中实时的电力线异物检测。
-
公开(公告)号：CN108764142A
公开(公告)日：2018-11-06
申请号：CN201810530883.5
申请日：2018-05-25
Applicant: 北京工业大学
CPC classification number: G06K9/00657 , G06K9/00771 , G06K9/6256 , G06K9/6269 , G06T7/269 , G06T2207/10016 , G06T2207/30188 , G06T2207/30232
Abstract: 基于3DCNN的无人机影像森林烟雾检测和分类方法属于计算机视觉领域，具体涉及深度学习，目标检测等技术。本发明首先对原始帧序列提取多个通道的时空信息，得到多个通道的初始特征图用于卷积层的特征提取；然后利用不同长宽的卷积层和下采样层对初始特征图进行多尺度特征提取；最后连接各层特征图得到特征向量，组合SVM(Support Vector Machine)分类器，在森林烟雾视频数据集上完成训练和烟雾的检测分类。本发明弥补了模型设计困难，计算量大的缺点，神经网络中不同尺度的卷积层和下采样层可以提取鲁棒的深度场景特征信息，可以适应多角度，多尺度的拍摄场景；其次，对烟雾的动态时空特征具有较好的描述能力。
-
公开(公告)号：CN108647655A
公开(公告)日：2018-10-12
申请号：CN201810465955.2
申请日：2018-05-16
Applicant: 北京工业大学
Abstract: 基于轻型卷积神经网络的低空航拍影像电力线异物检测方法属于计算机视觉领域，研究了一种针对无人机航拍影像中电力线异物的实时检测方法。首先利用卷积神经网络构建轻型电力线检测模型，计算得到航拍影像中电力线的深度特征；然后利用卷积神经网络构建多目标电力线异物检测模型，使用不同长宽的卷积层，利用深度特征计算多尺度目标的预测值；最后利用电力线检测模型过滤没有电力线的视频帧，在检测到电力线的视频上，利用多目标电力线异物检测模型实现低空航拍影像中实时的电力线异物检测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
