-
公开(公告)号：CN113435477A
公开(公告)日：2021-09-24
申请号：CN202110614309.X
申请日：2021-06-02
Applicant: 北京理工大学 , 中国人民解放军总医院第一医学中心
Abstract: 本发明涉及一种提高计算机辅助预测应力性骨折系统预测性能的方法，为了克服现有计算机辅助应力性骨折预测系统对特征提取能力不强、噪声数据影响太大等缺点，导致系统性能不佳的技术问题，属于计算机应用技术领域。本方法针对计算机辅助应力性骨折预测系统，通过孤立森林算法实现异常值检测和剔除，然后使用独立成分分析(ICA)技术进行特征提取，之后使用综合少数类过采样技术(SMOTE)进行数据重采样，最后通过支持向量机实现分类，从而大幅度提升系统辅助预测的效果。实验证明，本方法可以有效提高系统的模型准确性和灵敏度，可以将系统的性能提升到78.7％的准确度和82.5％的灵敏度，优于现有技术。
-
公开(公告)号：CN109615016A
公开(公告)日：2019-04-12
申请号：CN201811560431.8
申请日：2018-12-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于金字塔输入增益的卷积神经网络的目标检测方法，属于计算机视觉及目标检测技术领域。所述目标检测方法基于包括特征提取模块和多任务预测模块的卷积神经网络模型PiaNet；所述目标检测方法，包括训练阶段和测试阶段；训练阶段采用两阶段迁移学习策略，包括：步骤(1)数据增强和数据预处理，产生第一阶段训练的训练集、第二阶段训练的训练集和测试集；步骤(2)在二分类网络中进行第一阶段训练；步骤(3)进行第二阶段训练，得到训练后的PiaNet网络；测试阶段即精确检测目标，具体为：将测试集输入到训练后的PiaNet网络，通过多任务损失函数输出检测框位置和分类结果。适用面广泛，且具有很高的鲁棒性。
-
公开(公告)号：CN102129644A
公开(公告)日：2011-07-20
申请号：CN201110054459.6
申请日：2011-03-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种具有受众特性感知与统计功能的智能广告系统，属于计算机视觉技术领域。由摄像头、计算设备和带存储器的电子广告屏组成，其中摄像头负责图像采集，并将采集到的图像信息送入计算设备；计算设备为计算机或者嵌入式微机系统，负责将从采集设备获取的图像进行处理、运算并按照运算结果控制电子广告屏来实现广告内容的存储、显示、播放与切换。本发明结构简单，成本低，操作方便，解决了传统广告牌不考虑当前广告受众的信息而仅进行单向推送的问题；具有的统计功能可以得出该广告牌相对于其他广告牌而言存在的价值，为广告商提供极具参考性的数据；利用了背景建模技术，提高了人脸检测、人脸跟踪的速度和正确率。
-
公开(公告)号：CN1474350A
公开(公告)日：2004-02-11
申请号：CN02125948.8
申请日：2002-08-06
Applicant: 北京理工大学
Abstract: 本发明是一种基于段化规律的汉字笔段提取方法，属于模式识别、人工智能和中文信息处理领域。它将汉字点阵图像中的笔段确定为阶梯型笔段和平行长笔段两种类型，通过汉字点阵图像中行(列)上的连续像素段形成这两种笔段的相应规律进行汉字笔段提取。本发明对于汉字字体及字形变化的适应能力较强，能有效地从印刷体汉字和手写体汉字中提取对应的笔段。通过将汉字的像素级图像转化为以笔段为单位的图像，有利于汉字识别、汉字细化以及汉字字体的自动生成。
-
公开(公告)号：CN104063876A
公开(公告)日：2014-09-24
申请号：CN201410331356.3
申请日：2014-07-11
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明涉及一种交互式图像分割方法，属于计算机应用技术中的数字图像处理技术领域。该方法包括：1)用户通过交互对图像中的目标物体进行圈定；2)利用交互信息选择初始训练数据，并通过学习得到对圈定框内像素点进行分类的分类器；3)利用分类器，构建图像对应的权值图，然后采用最短路径的优化方法计算各像素节点到每个虚拟节点的最短路径，最后以最小带价值为准则，将圈定框内的像素点分为前景或者背景，实现图像分割；4)方法中分类器的学习和最短路径的优化过程是交替迭代进行的，停止条件为分割结果达到稳定或者算法达到预设的最大迭代次数。实验结果表明，通过使用本发明的方法可以获得具有较高分割准确率的分割结果。
-
Patent Agency Ranking
公开(公告)号：CN101789077A
公开(公告)日：2010-07-28
申请号：CN201010110818.0
申请日：2010-02-10
Applicant: 北京理工大学 , 北京中交兴路信息科技有限公司
Abstract: 本发明涉及一种激光引导的视频客流检测方法及设备，方法包括：从客流上方进行垂直激光扫描和视频拍摄，分别获取激光扫描数据和视频图像；对所述激光扫描数据进行分析，得出被激光扫描到的行人的第一坐标；将所述第一坐标转换为所述行人在视频图像中的第二坐标；在所述视频图像中，根据所述第二坐标得出所述行人头部图像的边缘点，并将所述边缘点的集合拟合成椭圆；以及在所述视频图像中对所述椭圆进行跟踪，得出所述行人的运动轨迹。本发明通过激光扫描来引导在视频图像中定位，继而对行人进行视频跟踪，行为分析来进行客流检测。本发明方法不易受到外界环境干扰，算法简单，便于安装维修，适于宽通道的客流检测，提高了客流检测的效率和准确度。
-
公开(公告)号：CN112132816B
公开(公告)日：2022-12-30
申请号：CN202011032728.4
申请日：2020-09-27
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于多任务与感兴趣区域分割引导的目标检测方法，属于计算机视觉及目标检测技术领域。本方法基于全新设计的多任务与感兴趣区域分割引导检测的单一卷积神经网络模型，命名为SDNet，SDNet融合了多任务学习，利用感兴趣区域分割引导检测，设计了基于金字塔式的空洞卷积结构，利于前景目标区域的分割，运用中心点分类和尺度回归进行目标检测，能够有效提高目标检测精度和检测准确率。本方法能够在各种实际应用场景下获得快速、高精度、高可靠的目标检测效果，解决目标中误检率较高的问题，同时保证了召回率。
-
公开(公告)号：CN109615016B
公开(公告)日：2021-06-22
申请号：CN201811560431.8
申请日：2018-12-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于金字塔输入增益的卷积神经网络的目标检测方法，属于计算机视觉及目标检测技术领域。所述目标检测方法基于包括特征提取模块和多任务预测模块的卷积神经网络模型PiaNet；所述目标检测方法，包括训练阶段和测试阶段；训练阶段采用两阶段迁移学习策略，包括：步骤(1)数据增强和数据预处理，产生第一阶段训练的训练集、第二阶段训练的训练集和测试集；步骤(2)在二分类网络中进行第一阶段训练；步骤(3)进行第二阶段训练，得到训练后的PiaNet网络；测试阶段即精确检测目标，具体为：将测试集输入到训练后的PiaNet网络，通过多任务损失函数输出检测框位置和分类结果。适用面广泛，且具有很高的鲁棒性。
-
公开(公告)号：CN110570425A
公开(公告)日：2019-12-13
申请号：CN201910994341.8
申请日：2019-10-18
Applicant: 北京理工大学 , 中国医学科学院肿瘤医院
Abstract: 本发明公开了一种基于深度强化学习算法的肺结节分析方法及装置，所述方法包括构造肺结节分析模型；然后获得待分析图像；将待分析图像数据输入至分析模型中的识别模块，识别模块根据预设征象分类模型给出肺结节的分类结果；根据分类结果确定待分析图像数据的分析结果并输出。本发明实施例所提供的肺结节分析方法通过深度强化学习原理进行肺结节的分析，提高了肺结节分析结果的准确性。
-
公开(公告)号：CN102262642A
公开(公告)日：2011-11-30
申请号：CN201110030471.3
申请日：2011-01-28
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明提供一种图像搜索方法。该方法包括：用户用关键词进行图像搜索，其中，所述关键词表示图像的待检索语义；在搜索到的图像集合中，通过判别学习得到与所述待检索语义相对应的分类器；利用所述分类器来计算所述图像集合中每幅图像与所述待检索语义之间的相关度；以及，按照所述相关度对所述图像集合进行排序，并且将排序后的图像集合返回给用户。实验结果表明，通过使用本发明方法可以有效改善基于文本的图像检索效果。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.015 seconds)
