-
公开(公告)号：CN113792609A
公开(公告)日：2021-12-14
申请号：CN202110955581.4
申请日：2021-08-19
Applicant: 北京理工大学
Abstract: 本发明涉及自动驾驶中通过对齐多频谱跨域特征检测图像异常的方法，所述检测图像异常的方法主要包括以下步骤：步骤1，在始化特征提取器G、多频谱特征融合模块M、分类器C和域判别器D的基础上构建神经网络；步骤2，计算源域中心点μs和目标域的中心点μt；步骤3，获取源域样本与目标域样本的输出；步骤4，计算源域样本模型预测和目标域样本模型预测输出与真实标签的类别损失步骤5，计算对于本批次源域样本模型和目标域样本模型预测输出与真实标签的域对抗损失等；本发明所述检测图像异常的方法通过在跨域的基准测试集上进行了广泛的实验，最终的结果显示所提出的MsRA方法与现有其它先进的AUROC方法相比，在模型的迁移性能上有着显著的提升。
-
公开(公告)号：CN114820698B
公开(公告)日：2025-04-01
申请号：CN202210314674.3
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本发明提供一种大型活动的运动方阵的队形检测方法和装置，所述大型活动的运动方阵的队形检测方法，包括：获取目标环境下的目标运动方阵的目标视频；基于目标视频中的目标视频帧与对角灰度投影标准数组，生成所述目标视频帧对应的抖动因子；在抖动因子低于目标抖动阈值的情况下，基于所述目标视频帧，生成所述目标运动方阵的目标图像。本发明的大型活动的运动方阵的队形检测方法，基于目标视频中的目标视频帧与对角灰度投影标准数组，生成抖动因子，并基于抖动因子对目标视频帧进行筛选，以保留抖动幅度较低的目标视频帧，并对抖动幅度较低的目标视频帧进行处理，生成目标运动方阵的目标图像，有效提高了成像的清晰度，有助于提高检测结果。
-
公开(公告)号：CN113792609B
公开(公告)日：2024-12-06
申请号：CN202110955581.4
申请日：2021-08-19
Applicant: 北京理工大学
IPC: G06V20/56 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及自动驾驶中通过对齐多频谱跨域特征检测图像异常的方法，所述检测图像异常的方法主要包括以下步骤：步骤1，在始化特征提取器G、多频谱特征融合模块M、分类器C和域判别器D的基础上构建神经网络；步骤2，计算源域中心点μs和目标域的中心点μt；步骤3，获取源域样本与目标域样本的输出；步骤4，计算源域样本模型预测和目标域样本模型预测输出与真实标签的类别损失#imgabs0#步骤5，计算对于本批次源域样本模型和目标域样本模型预测输出与真实标签的域对抗损失#imgabs1#等；本发明所述检测图像异常的方法通过在跨域的基准测试集上进行了广泛的实验，最终的结果显示所提出的MsRA方法与现有其它先进的AUROC方法相比，在模型的迁移性能上有着显著的提升。
-
公开(公告)号：CN115393265A
公开(公告)日：2022-11-25
申请号：CN202210796258.1
申请日：2022-07-06
Applicant: 北京理工大学
Abstract: 本发明提出一种基于视觉域自适应学习的跨布匹瑕疵精准检测方法，包括：定义已有的源域布匹图像数据集，定义目标域布匹瑕疵检测数据集；构建瑕疵检测模块；构建特征域自适应模块、前景目标对齐模块、全局特征对齐模块；跨布匹瑕疵精准检测方法的训练：将目标域布匹生产线的布匹图像数据输入训练好的布匹瑕疵检测模型中，对目标域的布匹进行瑕疵检测，获得检测结果。所述检测方法集成的前景目标对齐模块和全局特征对齐模块，实现了对布匹瑕疵检测任务领域偏差的有效修正，大大提升了模型的泛化性，使得瑕疵检测模型在新的布匹类别上拥有更高的检测精准度。
-
Patent Agency Ranking
公开(公告)号：CN114820698A
公开(公告)日：2022-07-29
申请号：CN202210314674.3
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本发明提供一种大型活动的运动方阵的队形检测方法和装置，所述大型活动的运动方阵的队形检测方法，包括：获取目标环境下的目标运动方阵的目标视频；基于目标视频中的目标视频帧与对角灰度投影标准数组，生成所述目标视频帧对应的抖动因子；在抖动因子低于目标抖动阈值的情况下，基于所述目标视频帧，生成所述目标运动方阵的目标图像。本发明的大型活动的运动方阵的队形检测方法，基于目标视频中的目标视频帧与对角灰度投影标准数组，生成抖动因子，并基于抖动因子对目标视频帧进行筛选，以保留抖动幅度较低的目标视频帧，并对抖动幅度较低的目标视频帧进行处理，生成目标运动方阵的目标图像，有效提高了成像的清晰度，有助于提高检测结果。
-
公开(公告)号：CN111711733B
公开(公告)日：2020-11-13
申请号：CN202010828974.4
申请日：2020-08-18
Applicant: 北京理工大学
IPC: H04N5/222 , H04N21/2187 , H04N21/845
Abstract: 本发明涉及一种直播方案仿真设计验证方法，包括以下步骤：S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数；S2、搭建包含直播内容的预演仿真系统；S3、根据步骤S1中得到的摄像机参数在预演仿真系统中生成多个虚拟摄像机；S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出；S5、根据输出视频的效果，修改虚拟摄像机参数，直到获得用户满意的直播视频；S6、输出直播方案。本发明可以辅助用户自动从已有视频中学习摄像方案，通过仿真系统对摄像机方案和导播参数进行验证，并预览直播效果，为电视直播方案的设计提供了技术支持。
-
公开(公告)号：CN111711733A
公开(公告)日：2020-09-25
申请号：CN202010828974.4
申请日：2020-08-18
Applicant: 北京理工大学
IPC: H04N5/222 , H04N21/2187 , H04N21/845
Abstract: 本发明涉及一种直播方案仿真设计验证方法，包括以下步骤：S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数；S2、搭建包含直播内容的预演仿真系统；S3、根据步骤S1中得到的摄像机参数在预演仿真系统中生成多个虚拟摄像机；S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出；S5、根据输出视频的效果，修改虚拟摄像机参数，直到获得用户满意的直播视频；S6、输出直播方案。本发明可以辅助用户自动从已有视频中学习摄像方案，通过仿真系统对摄像机方案和导播参数进行验证，并预览直播效果，为电视直播方案的设计提供了技术支持。
-
公开(公告)号：CN119762414A
公开(公告)日：2025-04-04
申请号：CN202411051820.3
申请日：2024-08-01
Applicant: 北京理工大学
IPC: G06T7/00 , G06V10/25 , G06V10/42 , G06V10/54 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/094 , G06N3/096 , G01N21/89 , G01N21/88
Abstract: 本发明涉及一种基于跨布匹纹理特征增强的断经断纬检测模型及检测方法，所述检测模型包括:布匹图像纹理增强模块、纹理特征联合注意力模块和瑕疵类别原型对抗模块；所述检测方法包括：步骤1.采集源域布匹瑕疵图像数据集DS和目标域布匹瑕疵图像数据集DT，对域特征提取器VA和增强域特征提取器VB分别进行参数初始化；步骤2.随机采样一个源域布匹图像样本#imgabs0#和一个目标域布匹图像样本#imgabs1#等步骤；本发明所具有的优越效果在于：通过整合源域和目标域图片的细节纹理知识，解决了传统目标检测模型在面对分布偏移时性能下降的问题，创新的跨域检测框架框架设计使得模型能够更好地适应新的数据分布，提高了检测的准确性和泛化能力。
-
公开(公告)号：CN119130905A
公开(公告)日：2024-12-13
申请号：CN202411051792.5
申请日：2024-08-01
Applicant: 北京理工大学
IPC: G06T7/00 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G01N21/88
Abstract: 本发明涉及高频特征约束与边缘熵最小化的布匹瑕疵检测方法，所述检测方法包括：步骤1.采集无瑕疵异常的布匹训练图片数据集，并对超参数进行初始化、对模型参数进行初始化和微调；步骤2.随机采样一个图像样本x，经过特征编码器得到向量量化的图像特征，通过异常生成器生成瑕疵噪声并添加到图像的原始特征中，将带有异常的特征分别输入图像重建解码器和图像还原解码器，分别重建出去异常和带有异常的图像等步骤；本发明所述检测方法具有的优越技术效果在于：通过引入高频特征约束模块和边缘熵最小化模块，显著提高了布匹瑕疵异常检测的精准度；高频特征约束模块利用离散傅里叶变换，将真实图像和重建图像转换为频域表示。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
