-
公开(公告)号：CN114202472B
公开(公告)日：2025-03-28
申请号：CN202111388971.4
申请日：2021-11-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种高精度水下成像方法和装置，其中，该方法包括：构建场景辐射子网络，输入为采集的水下失真图像，输出为场景辐射图；从水下失真图像估计透射率图和背景光图，根据水下成像公式将场景辐射图、透射率图和背景光图合成模拟水下失真图像；基于水下失真图像，构建先验判别子网络，输入为场景辐射图，输出水下图像降质程度；基于水下图像降质程度，优化场景辐射子网络参数，以输出优化后的高精度场景辐射图。本发明针对利用深度学习解决水下成像问题时面临的水下图像没有真值的问题，避免了对于真值图的依赖，结合水下成像模型，利用一张水下失真图像恢复出清晰、高对比度以及颜色校正的水下图像。
-
公开(公告)号：CN114202475B
公开(公告)日：2024-11-01
申请号：CN202111406567.5
申请日：2021-11-24
Applicant: 北京理工大学
IPC: G06T5/90 , G06T7/00 , G06T5/60 , G06N3/0464
Abstract: 本申请提出了一种自适应图像增强方法和系统，涉及计算机视觉技术领域，其中，该方法包括：对降质图像进行预增强，得到预增强图像；构建深度转换网络，以降质图像、预增强图像作为输入，输出增强图像组；使用无参考评价标准对输出的增强图像组分别进行评价，获得图像质量最高的增强图像。采用上述方案的本申请能够自适应地增强不同降质过程与降质程度的降质图像，泛化性强，增强质量高。
-
公开(公告)号：CN114202475A
公开(公告)日：2022-03-18
申请号：CN202111406567.5
申请日：2021-11-24
Applicant: 北京理工大学
Abstract: 本申请提出了一种自适应图像增强方法和系统，涉及计算机视觉技术领域，其中，该方法包括：对降质图像进行预增强，得到预增强图像；构建深度转换网络，以降质图像、预增强图像作为输入，输出增强图像组；使用无参考评价标准对输出的增强图像组分别进行评价，获得图像质量最高的增强图像。采用上述方案的本申请能够自适应地增强不同降质过程与降质程度的降质图像，泛化性强，增强质量高。
-
公开(公告)号：CN117076936B
公开(公告)日：2024-12-17
申请号：CN202311332723.7
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F18/214 , G06F18/213 , G06F17/16 , G06F18/22 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/08 , G06F18/10
Abstract: 本发明涉及一种基于多头注意力模型的时序数据异常检测方法，属于计算机数据库异常检测技术领域。本发明搭建了一种基于多头注意力模型的用于时序数据异常检测的网络框架，该框架可以对多源时序数据进行处理，具有鲁棒性和较好的泛化能力，且可以实现更快的网络训练、更准确的异常样本检测。引入了频域分析模块，以充分利用时序数据的频域信息。通过将输入序列与输出序列进行频域分析，可以使模型获得有效的序列信息。通过衡量两项频域分析结果之间的距离，可以监督网络生成更精确的输出序列，从而获得更精确的异常判断阈值，实现更准确的异常检测。本发明在时序数据的特征提取能力、异常样本的检测准确率方面均具有明显优势。
-
公开(公告)号：CN116681994A
公开(公告)日：2023-09-01
申请号：CN202310655119.1
申请日：2023-06-05
Applicant: 北京理工大学
IPC: G06V10/88 , G06V10/60 , G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习中差分特征感知的红外可见光目标检测方法，包括：基于由KL和JS散度组成的融合散度损失函数，用非共享的特征提取网络分别提取差分的红外特征和可见光特征；使用IR‑Attention模块和RGB‑Attention模块分别对提取到的红外特征和可见光特征进行再提取，更加关注红外特征图和可见光特征图中的有效信息；使用F‑Attention模块对再提取到的差分的双模特征进行融合，保留双模特征的共性的同时追求其更多的差异信息；使用RPN对融合的双模特征进行回归与分类，完成目标检测。本发明的优点是：能够使特征提取网络产生对抗，尽可能多得提取双模独特信息，并且基于多种注意力机制的特征融合网络可以全面地融合互补的差分双模特征，从而提高模型的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN116520259A
公开(公告)日：2023-08-01
申请号：CN202310196160.7
申请日：2023-03-03
Applicant: 北京理工大学
Abstract: 本发明属于雷达抗干扰技术领域，公开了基于变分分解的脉冲多普勒雷达抗扫频式干扰方法，包括S1、将脉冲多普勒雷达接收到的信号与本振信号进行混频和模数转换，得到数字化的中频信号；S2、通过变分分解的方法提取回波脉冲串分量和扫频干扰中频分量；S3、滤除扫频干扰中频分量，保留回波脉冲串分量；S4、将回波脉冲串分量进行全相干解调，恢复出原始信号；本发明通过MCP和二阶变分惩罚项提取回波脉冲串分量和扫频中频分量，保留脉冲串分量，滤除扫频中频分量，提高雷达的抗干扰性能。解决脉冲多普勒雷达在扫频式干扰下，雷达接受信道被干扰信号饱和，目标的回波信号被淹没在干扰中，导致雷达虚警或漏警的问题。
-
公开(公告)号：CN114202472A
公开(公告)日：2022-03-18
申请号：CN202111388971.4
申请日：2021-11-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种高精度水下成像方法和装置，其中，该方法包括：构建场景辐射子网络，输入为采集的水下失真图像，输出为场景辐射图；从水下失真图像估计透射率图和背景光图，根据水下成像公式将场景辐射图、透射率图和背景光图合成模拟水下失真图像；基于水下失真图像，构建先验判别子网络，输入为场景辐射图，输出水下图像降质程度；基于水下图像降质程度，优化场景辐射子网络参数，以输出优化后的高精度场景辐射图。本发明针对利用深度学习解决水下成像问题时面临的水下图像没有真值的问题，避免了对于真值图的依赖，结合水下成像模型，利用一张水下失真图像恢复出清晰、高对比度以及颜色校正的水下图像。
-
公开(公告)号：CN112581298A
公开(公告)日：2021-03-30
申请号：CN202011355882.5
申请日：2020-11-26
Applicant: 北京理工大学
IPC: G06Q50/00 , G06N3/08 , G06N3/04 , G06F16/906
Abstract: 本发明涉及一种基于LSTM的社交网络演化分类方法，属于社交网络分类技术领域。包括：步骤1：对收集的数据并划分交叠时间窗口，得到连续的各个时间窗口的静态网络快照；步骤2：使用Louvain方法对每一个时间窗口的静态网络快照进行社区发现，再进行社区提取，得到静态网络快照中的社区构成及节点特征；步骤3：基于GED方法识别相邻时间窗口的社区之间的演化关系，提取包含该社区不同时间窗口内的社区结构和发生的演化类型的社区历史信息的演化路径；步骤4：提取描述社区演化的特征集，使用LSTM方法来进行演化分类。所述方法使相邻时间窗口的社交网络拓扑结构相似性大大增加；为后续的分析提供更充足的样本；比传统机器学习的方法具有时间记忆的优势。
-
公开(公告)号：CN117076936A
公开(公告)日：2023-11-17
申请号：CN202311332723.7
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F18/214 , G06F18/213 , G06F17/16 , G06F18/22 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/08 , G06F18/10
Abstract: 本发明涉及一种基于多头注意力模型的时序数据异常检测方法，属于计算机数据库异常检测技术领域。本发明搭建了一种基于多头注意力模型的用于时序数据异常检测的网络框架，该框架可以对多源时序数据进行处理，具有鲁棒性和较好的泛化能力，且可以实现更快的网络训练、更准确的异常样本检测。引入了频域分析模块，以充分利用时序数据的频域信息。通过将输入序列与输出序列进行频域分析，可以使模型获得有效的序列信息。通过衡量两项频域分析结果之间的距离，可以监督网络生成更精确的输出序列，从而获得更精确的异常判断阈值，实现更准确的异常检测。本发明在时序数据的特征提取能力、异常样本的检测准确率方面均具有明显优势。
-
公开(公告)号：CN115099389A
公开(公告)日：2022-09-23
申请号：CN202210622995.X
申请日：2022-06-02
Applicant: 北京理工大学
IPC: G06N3/04 , G01N23/207
Abstract: 本发明提出一种基于复数神经网络的非训练相位重建方法及装置，其中方法包括，S1、获取目标的采集数据；S2、构建复数神经网络，复数神经网络的输入是采集数据，输出是目标场景的幅值图像和相位图像；S3、使用复数神经网络作为生成器，输入采集数据，输出重建的幅值图像与相位图像；使用重建的幅值图像与相位图像根据物理成像模型计算得到仿真采集数据；通过最小化仿真采集数据与采集数据的差异来更新网络参数；S4、重复进行S3，使得网络参数更新收敛，输出最终的目标的幅值图像和相位图像。本发明解决了传统实数神经网络缺乏实部与虚部间信息交互、对复数信号表征能力弱的问题，并且无需额外训练样本，对数据依赖性低。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
