-
公开(公告)号:CN116258719B
公开(公告)日:2023-07-18
申请号:CN202310541855.4
申请日:2023-05-15
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于多模态数据融合的浮选泡沫图像分割方法和装置,包括:收集并预处理泡沫浮选过程中多模态数据,包括二维RGB图像数据和三维点云数据;将预处理后的多模态数据分别输入图像特征初步提取模块和柱体特征提取网络,进行泡沫图像特征的初步提取和泡沫点云柱体特征提取;将初步提取的泡沫图像特征和泡沫点云柱体特征输入跨模态交互融合模块,进行多模态特征的融合;将融合特征输入图像分割主干网络,进行频域分离编码和注意力增强解码,并构建密集跃层连接进行多尺度特征信息融合交互,预测得到像素级类别,并使用后处理模块得到泡沫实例级分割结果。本发明可以有效地从浮选泡沫图像中分割出泡沫实例。
-
公开(公告)号:CN116385996B
公开(公告)日:2023-10-10
申请号:CN202310655312.5
申请日:2023-06-05
Applicant: 北京科技大学
IPC: G06V20/56 , G06V20/00 , G06V10/80 , G06V10/82 , G06V10/96 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/098 , G06V10/77
Abstract: 本发明公开一种基于三维矩阵相机的多任务处理方法和装置,包括:使用三维矩阵相机收集并预处理街景多模态数据,得到RGB图片数据、三维点云数据以及两者的对应关系;通过图片对应关系融合模块和点云对应关系融合模块,将对应关系分别与图片和点云进行融合;将融合了对应关系的图片数据和点云数据输入4个阶段的编码层,每个编码层包括图片特征下采样模块和图片特征提取模块、点云特征下采样模块和点云特征提取模块、对称注意力融合模块和通道空间门控模块,得到各阶段编码层的融合特征输出、最后阶段的图片特征输出和点云特征输出,这些特征输出用于后续多任务处理。本发明可以增强多模态数据的互补性和一致性,提高模型的整体性能。
-
公开(公告)号:CN116385996A
公开(公告)日:2023-07-04
申请号:CN202310655312.5
申请日:2023-06-05
Applicant: 北京科技大学
IPC: G06V20/56 , G06V20/00 , G06V10/80 , G06V10/82 , G06V10/96 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/098 , G06V10/77
Abstract: 本发明公开一种基于三维矩阵相机的多任务处理方法和装置,包括:使用三维矩阵相机收集并预处理街景多模态数据,得到RGB图片数据、三维点云数据以及两者的对应关系;通过图片对应关系融合模块和点云对应关系融合模块,将对应关系分别与图片和点云进行融合;将融合了对应关系的图片数据和点云数据输入4个阶段的编码层,每个编码层包括图片特征下采样模块和图片特征提取模块、点云特征下采样模块和点云特征提取模块、对称注意力融合模块和通道空间门控模块,得到各阶段编码层的融合特征输出、最后阶段的图片特征输出和点云特征输出,这些特征输出用于后续多任务处理。本发明可以增强多模态数据的互补性和一致性,提高模型的整体性能。
-
公开(公告)号:CN116184843A
公开(公告)日:2023-05-30
申请号:CN202310491589.9
申请日:2023-05-05
Applicant: 北京科技大学
IPC: G05B13/04 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于多模态时序信息的浮选控制参数预测方法和系统,包括:收集并预处理泡沫浮选流程中多模态数据,包括视频数据、音频数据和传感器数据;将预处理后的多模态数据分别输入图片特征提取模块、音频特征提取模块和数据特征提取模块,提取泡沫图片特征、泡沫声音特征和泡沫数据特征;将泡沫图片特征、泡沫声音特征和泡沫数据特征输入多模态特征融合模块,进行多模态特征的融合;将融合后的多模态特征输入时序特征融合模块,将连续时间单位的特征进行融合;将进行了时序特征融合的多模态特征输入执行器参数预测模块,得到最终的执行器浮选控制参数输出。本发明实现了执行器浮选控制参数的准确预测。
-
公开(公告)号:CN116258719A
公开(公告)日:2023-06-13
申请号:CN202310541855.4
申请日:2023-05-15
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于多模态数据融合的浮选泡沫图像分割方法和装置,包括:收集并预处理泡沫浮选过程中多模态数据,包括二维RGB图像数据和三维点云数据;将预处理后的多模态数据分别输入图像特征初步提取模块和柱体特征提取网络,进行泡沫图像特征的初步提取和泡沫点云柱体特征提取;将初步提取的泡沫图像特征和泡沫点云柱体特征输入跨模态交互融合模块,进行多模态特征的融合;将融合特征输入图像分割主干网络,进行频域分离编码和注意力增强解码,并构建密集跃层连接进行多尺度特征信息融合交互,预测得到像素级类别,并使用后处理模块得到泡沫实例级分割结果。本发明可以有效地从浮选泡沫图像中分割出泡沫实例。
-
公开(公告)号:CN116184843B
公开(公告)日:2023-07-18
申请号:CN202310491589.9
申请日:2023-05-05
Applicant: 北京科技大学
IPC: G05B13/04 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于多模态时序信息的浮选控制参数预测方法和系统,包括:收集并预处理泡沫浮选流程中多模态数据,包括视频数据、音频数据和传感器数据;将预处理后的多模态数据分别输入图片特征提取模块、音频特征提取模块和数据特征提取模块,提取泡沫图片特征、泡沫声音特征和泡沫数据特征;将泡沫图片特征、泡沫声音特征和泡沫数据特征输入多模态特征融合模块,进行多模态特征的融合;将融合后的多模态特征输入时序特征融合模块,将连续时间单位的特征进行融合;将进行了时序特征融合的多模态特征输入执行器参数预测模块,得到最终的执行器浮选控制参数输出。本发明实现了执行器浮选控制参数的准确预测。
-
公开(公告)号:CN116385455A
公开(公告)日:2023-07-04
申请号:CN202310577993.8
申请日:2023-05-22
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于梯度场标签的浮选泡沫图像实例分割方法和装置,包括:S1、采集浮选泡沫图像,进行泡沫实例层级的掩膜标注;S2、将所述掩膜标注转化成能够利用梯度强度拟合泡沫空间分布的梯度场标签;S3、将所述泡沫图像输入泡沫实例分割网络模型,预测出所述浮选泡沫图像的梯度图,所述泡沫实例分割网络模型的训练学习,利用所述梯度场标签替代所述掩膜标注进行监督;S4、将预测出的梯度图转化成实例掩膜,得到实例层级的分割结果。本发明可以有效地直接将泡沫分割成不同的泡沫实例。
-
公开(公告)号:CN116385455B
公开(公告)日:2024-01-26
申请号:CN202310577993.8
申请日:2023-05-22
Applicant: 北京科技大学
Abstract: 本发明涉及浮选技术领域,尤其涉及一种基于梯度场标签的浮选泡沫图像实例分割方法和装置,包括:S1、采集浮选泡沫图像,进行泡沫实例层级的掩膜标注;S2、将所述掩膜标注转化成能够利用梯度强度拟合泡沫空间分布的梯度场标签;S3、将所述泡沫图像输入泡沫实例分割网络模型,预测出所述浮选泡沫图像的梯度图,所述泡沫实例分割网络模型的训练学习,利用所述梯度场标签替代所述掩膜标注进行监督;S4、将预测出的梯度图转化成实例掩膜,得到实例层级的分割结果。本发明可以有效地直接将泡沫分割成不同的泡沫实例。(56)对比文件CN 115471660 A,2022.12.13US 2009220137 A1,2009.09.03US 2010080430 A1,2010.04.01Li S 等.Diversity regularizedspatiotemporal attention for video-basedperson re-identification《.2018 IEEE/CVFConference on Computer Vision and PatternRecognition.Salt Lake City》.2018,第369页.张然;赵凤群.考虑分数阶梯度的雾天图像增强偏微分方程模型.计算机辅助设计与图形学学报.2018,(09),第57-65页.张超;都玉莹;韩成;白烨.融合多线索信息的数字图像抠图方法研究.计算机工程与应用.2018,(17),第174-179+190页.周开军;阳春华;牟学民;桂卫华.一种基于图像特征提取的浮选回收率预测算法.高技术通讯.2009,(09),第81-87页.
-
-
-
-
-
-
-