-
公开(公告)号：CN112508998B
公开(公告)日：2025-01-03
申请号：CN202011256300.8
申请日：2020-11-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于全局运动的视觉目标对齐方法，为了使冰壶项目运动员的训练更为科技化，能够更好的观察冰壶完整的运动路径。本方法通过分析冰壶运动视频可以获得视频中冰壶的跟踪数据，并且通过计算可以得到相机镜头的运动，用该运动对视频中的场地进行还原处理，进而得到冰壶场地的运动数据。将场地运动数据和冰壶跟踪数据相结合，最后计算得到完整的冰壶运动轨迹，输出可视化结果。通过测试验证了该方法的可行性，具有重要应用价值。
-
公开(公告)号：CN114092994B
公开(公告)日：2024-09-24
申请号：CN202111192064.2
申请日：2021-10-13
Applicant: 北京工业大学
IPC: G06V40/16 , G06V40/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于多视角特征学习的人脸活体检测方法，从“真实+面具”、“真实+视频”等多个视角进行组级分类，训练多个不同视角的特征提取模型用于提取具有辨别力的检测特征，通过二元分类模型进行融合后用于真伪分类。本发明可以缓解现有人脸活体检测方法在扩展攻击类型后鉴别性能出现下降的问题，增强防御攻击的能力，从而提高人脸活体检测的精度。
-
公开(公告)号：CN113920153A
公开(公告)日：2022-01-11
申请号：CN202111076361.0
申请日：2021-09-15
Applicant: 北京工业大学
Abstract: 基于编码‑解码网络的深度运动分离方法属于图像处理领域。从原始混合运动中估计全局运动和局部运动是有必要的。现有的全局运动估计算法无法表达复杂场景下的全部全局运动。同时，体育比赛转播视频等存在静止的记分牌等区域，对局部运动估计造成了影响。本发明提出了一种端到端的全局与局部运动估计网络，利用自动编码器将原始运动编码为代表全部全局运动的低维向量后解码为全局运动场。网络通过混合运动场中全局运动区域的运动值进行弱监督学习。进一步，Attention U‑net将粗糙局部运动中的记分牌等噪声区域的运动值去除，得到纯净的局部运动。在行为识别数据集NCAA，UCF‑101和单应性估计数据集DHE上的实验表明，该方法的全局运动和局部运动估计结果好于现有方法。
-
公开(公告)号：CN112328908A
公开(公告)日：2021-02-05
申请号：CN202011258551.X
申请日：2020-11-11
Applicant: 北京工业大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于协同过滤的个性化推荐方法。随着网络数据的日益激增，用户更希望在海量数据中获得符合自身兴趣的内容，本发明方法通过结合基于用户的协同过滤和基于物品的协同过滤两种技术，来获得既具社会化又具有个性化的推荐结果，在Top‑N任务中表现优异。同时，在处理物品和用户的一阶邻域关系时引入注意力机制，实现了物品和用户的动态表达过程，进一步提升了推荐的准确性。本发明的目的在于充分利用物品和用户的一阶邻域关系，以获得准确和个性化的推荐结果。
-
公开(公告)号：CN107610110B
公开(公告)日：2020-09-25
申请号：CN201710803358.1
申请日：2017-09-08
Applicant: 北京工业大学
Abstract: 一种全局结构与局部信息相结合的跨尺度图像质量评价方法涉及图像处理技术领域。本发明基于人眼感知是由全局到局部的注意力机制，提供一种基于全局结构特征和局部信息特征相结合的算法对不同尺度的图像进行质量评价。本发明首先在不同尺度图像间建立映射关系，基于映射关系分别从全局和局部两方面进行研究，在全局算法中引入多个影响因子，分析图像在尺寸变换过程中引起的视觉差异；在局部算法中，基于像素信息分析图像的细节损失，最后融合全局和局部特征得到图像的质量评判标准。该客观质量评价方法与主观评价方法得到的结果比较一致，而且无须消耗大量的人力、物力，具有一定的应用价值及参考意义。
-
Patent Agency Ranking
公开(公告)号：CN106709453B
公开(公告)日：2020-04-17
申请号：CN201611211395.5
申请日：2016-12-24
Applicant: 北京工业大学
Abstract: 基于深度学习的体育视频关键姿态提取方法应用于体育视频分析领域，具体涉及图像特征提取、图像分割与图像分类。举重视频中背景复杂，且背景区域存在大量的运动信息，使得光流法和背景削减法的结果并不理想；而帧间差分法需要选取合适的阈值，对于大量的举重视频，帧间差分法并不鲁棒。将一段举重视频，通过先用全卷积网络分割出前景，然后用聚类的方法优化分割结果，最后自动的提取出关键姿态的方法，取得了很好的效果。
-
公开(公告)号：CN106886580B
公开(公告)日：2020-01-17
申请号：CN201710059051.5
申请日：2017-01-23
Applicant: 北京工业大学
IPC: G06F16/953
Abstract: 一种基于深度学习的图片情感极性分析方法涉及图像内容理解和大数据分析技术领域。传统方法图片情感分析方法由于模型和特征简单使得最终预测精度不理想。目前使用深度学习的方法在大规模训练集中进行训练，但是训练集的噪音过大，使得最终的性能受限。本发明采用直接从网络中获取数据的方式，从数据规模大。只有在数据准备时需要得到的一个常用词语的情感极性信息可能需要人工标注。之后在整个的图像获取和清洗工作全都可以自动完成，需要的人工成本很低。在数据获取阶段，引入了两次数据清洗过程，可以清除很大一部分图片与标签不一致的噪音。本发明将先验知识用于训练集对训练集进行过滤，使得训练集的噪音减少，并辅以改进的网络结构，使图片情感预测准确率得到提升。
-
公开(公告)号：CN110348364A
公开(公告)日：2019-10-18
申请号：CN201910604999.3
申请日：2019-07-05
Applicant: 北京工业大学
Abstract: 一种无监督聚类与时空域深度网络相结合的篮球视频群体行为识别方法属于篮球视频中的语义事件自动识别领域。该方案首先利用光流估计方法，从连续视频帧中获得运动场属性。然后提取运动特征直方图(MCH)作为运动场表征的描述符。随后，提出了一种基于聚类的运动场标签生成方法。将聚类后生成的标签代替原本定义的组活动标签作为运动场的监督信号来训练CNN模型，可以更有效地表示运动场的特征。最后，将CNN模型的输出特征输入到LSTM结构中进行语义事件识别。此发明对篮球视频数据智能化管理、篮球技战术分析和自动转播等应用奠定了基础。
-
公开(公告)号：CN110309333A
公开(公告)日：2019-10-08
申请号：CN201910450067.8
申请日：2019-05-28
Applicant: 北京工业大学
IPC: G06F16/55 , G06F16/901 , G06N3/04
Abstract: 本发明提出了一种基于余弦度量的深度哈希图像检索方法。面对互联网上庞大的图片数据，为了满足用户的需求，找到一种快速且准确的图像检索方法成为了一个亟待解决的问题。基于余弦度量可以有效减少矢量长度的多样性进而提升检索性能，同时在损失函数中引入类别信息，它与余弦度量约束相结合，有助于共同学习同一网络中的相似性保持，也能充分利用分类信息。采用该方案可以有效的实现大规模图像检索，并且经过实验证明，本方案的性能优于目前现有的图像检索方法，具有很重要的应用价值。
-
公开(公告)号：CN119598034A
公开(公告)日：2025-03-11
申请号：CN202411591587.8
申请日：2024-11-08
Applicant: 北京工业大学
IPC: G06F16/9536 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于层次化意图的用户兴趣解耦的推荐方法。当前细粒度兴趣推荐系统大多数仅从交互中解耦出多种表面的意图因素，忽视了意图间的层次化关系。其次，在意图学习的过程中，大多数研究严重依赖于对交互数据的划分。这种学习范式不能从整体的角度探索潜在的意图，可能加剧数据稀疏并损害推荐性能。本发明为了探索意图之间的层次化关系，设计了一种意图感知兴趣建模层来学习每个意图层级中的多样化的用户/物品表征。然后，堆叠多个兴趣建模层从低层级中提取更加抽象和深入的意图语义以丰富协同过滤信号。此外，为了避免由于划分交互导致的训练效率低并缓解交互稀疏问题，还在每个兴趣建模层中设计了一种自适应意图学习策略。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.027 seconds)
