-
公开(公告)号：CN118227985A
公开(公告)日：2024-06-21
申请号：CN202410215959.0
申请日：2024-02-27
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/09
Abstract: 本发明提供一种基于马尔科夫扩散方式的新能源负荷数据重建方法和系统，包括：获取待重建新能源负荷数据，包括存在缺失异常值的目标数据，以及对应的影响目标数据的时序数据和静态数据；输入多时空尺度同步图神经网络，输出带有时空尺度特征的待重建新能源负荷数据；输入影响因素协变量特征融合模块，输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据；对缺失异常部分加噪，将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据，使用基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪，输出缺失异常部分的重建值。本发明能对新能源负荷数据的缺失异常部分进行高效准确地重建。
-
公开(公告)号：CN118227985B
公开(公告)日：2024-10-22
申请号：CN202410215959.0
申请日：2024-02-27
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/09
Abstract: 本发明提供一种基于马尔科夫扩散方式的新能源负荷数据重建方法和系统，包括：获取待重建新能源负荷数据，包括存在缺失异常值的目标数据，以及对应的影响目标数据的时序数据和静态数据；输入多时空尺度同步图神经网络，输出带有时空尺度特征的待重建新能源负荷数据；输入影响因素协变量特征融合模块，输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据；对缺失异常部分加噪，将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据，使用基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪，输出缺失异常部分的重建值。本发明能对新能源负荷数据的缺失异常部分进行高效准确地重建。
-
公开(公告)号：CN119370519B
公开(公告)日：2025-04-04
申请号：CN202510000364.8
申请日：2025-01-02
Applicant: 北京科技大学
Abstract: 本发明公开一种智能视觉感知的多变量自适应皮带纠偏控制方法和系统，所述方法包括：S1、通过智能视觉感知总模块检测皮带实际位置；S2、将检测的皮带实际位置和皮带位置设定值进行比较，获得位置偏差，将所述位置偏差输入PI控制器得到准确的位置偏差控制输出；S3、将所述位置偏差控制输出和通过状态观测器观测纠偏电机的电流得到的皮带偏移量进行比较，获得实际纠偏量，并进而获得输入控制律；S4、将所述输入控制律输入状态空间模型，获得所述纠偏电机的纠偏信号；S5、根据所述纠偏信号输出电机电流，通过转矩系数计算得到所述纠偏电机的转矩，以驱动皮带纠偏装置对皮带进行纠偏。本发明，可以对皮带进行高效准确地纠偏。
-
公开(公告)号：CN118229594A
公开(公告)日：2024-06-21
申请号：CN202410521046.1
申请日：2024-04-28
Applicant: 北京科技大学
Abstract: 本发明提供一种针对不完美校正图像的AD‑Census立体匹配方法，包括：步骤1，用已经标定的双目视觉系统采集左、右相机图像并进行立体校正，等待立体匹配处理；步骤2，对于某一视差d条件下的左图像素p，分别计算对应右图纵向移动范围r内多个AD以及Census代价值并选择最优代价；步骤3，在步骤2视差条件下，基于权重对AD和Census代价值进行融合形成r个融合代价数组；步骤4，采用自适应构建十字交叉臂代价聚合以及四路径扫描线优化的代价聚合；步骤5，采用结合一元二次曲线拟合的WTA策略计算视差图；步骤6，在视差后处理过程中使用一致性检测、视差填充和中值滤波的方法对视差图进行优化。
-
公开(公告)号：CN111274892A
公开(公告)日：2020-06-12
申请号：CN202010037761.X
申请日：2020-01-14
Applicant: 北京科技大学
Abstract: 本发明提供一种鲁棒的遥感影像变化检测方法及系统，该方法包括：将Flownet网络中的通道结构加入到Deeplab网络中，构建出Flow-Deeplab网络；生成训练数据集，利用训练数据集对Flow-Deeplab网络进行训练并优化，得到训练好的Flow-Deeplab网络；利用训练好的Flow-Deeplab网络对待检测遥感图像进行变化检测，根据Flow-Deeplab网络的输出得到遥感图像的变化区域。本发明的Flow-Deeplab网络可以实现双时相的遥感影像变化自动检测，并通过加入双重注意力机制可分别从空间维度和通道维度上的提取语义特征。
-
Patent Agency Ranking
公开(公告)号：CN119942061A
公开(公告)日：2025-05-06
申请号：CN202411841865.0
申请日：2024-12-13
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F16/583 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于自适应典型样本学习技术的跨场景皮带缺陷识别方法及装置，涉及缺陷检测技术领域。该方法包括：构建支持图像数据集以及查询图像数据集；将支持图像数据集以及查询图像数据集输入缺陷识别基础模型，获得第一支持图像特征以及第一查询图像特征；将第一支持图像特征以及第一查询图像特征输入原型自适应模块进行特征增强；根据支持图像数据集、查询图像数据集和检测缺陷图像数据集构建损失函数；对原型自适应模型进行优化，获得优化原型自适应模型；根据待识别皮带图像数据集，基于缺陷识别基础模型以及优化原型自适应模型进行皮带缺陷识别。本发明是一种基于典型样本学习的仅需少量标注的高效且准确的跨场景皮带缺陷识别方法。
-
公开(公告)号：CN119478423B
公开(公告)日：2025-05-02
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
公开(公告)号：CN118552878B
公开(公告)日：2025-04-18
申请号：CN202410820785.0
申请日：2024-06-24
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/82 , G06F18/213 , G06F18/22 , G06N3/0895 , G06F123/02
Abstract: 本发明公开一种基于跨模态对齐的弱监督扒渣终点判断方法和系统，包括：接入当前扒渣现场摄像头，将实时视频流数据输入训练完成的视频数据处理器；视频数据处理器以每一当前帧为基准，将包括当前帧在内向前共若干帧数据进行切割打包，输出当前帧的实时视频片段，作为训练完成的跨模态特征提取器的视频模态输入，同时以当前钢种文本编号和“非终点”文本作为跨模态特征提取器的文本模态输入；跨模态特征提取器提取视频片段特征和文本特征，将提取的视频片段特征和文本特征输入特征比对决策模块进行特征比对，最终输出当前帧是否为对应当前钢种扒渣终点的判断结果。本发明可以对扒渣终点进行准确判断。
-
公开(公告)号：CN119741558A
公开(公告)日：2025-04-01
申请号：CN202510241315.3
申请日：2025-03-03
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06F17/16
Abstract: 本发明提供一种融合曼巴与切比雪夫图卷积的高光谱图像分类方法，涉及高光谱图像检测技术领域。所述方法包括：收集高光谱图像数据集，并进行预处理，将每张图像以每个像素点为中心划分为预定数量的图像块；将图像块输入异构空间卷积块进行处理，获得具有不同感受野的输出数据；将输出数据分为两个分支，其中一个分支通过波段选择增强双向曼巴分支进行处理，获取空间特征与光谱特征的长程依赖关系，得到第一输出；另一个分支输入重参数化切比雪夫图卷积分支进行处理，获取不同像素之间的相似关系，得到第二输出；对第一输出和第二输出进行融合，得到双分支融合特征，输入分类器中得到最终分类结果。本发明能够提升分类精度，并降低计算成本。
-
公开(公告)号：CN119600648A
公开(公告)日：2025-03-11
申请号：CN202411637433.8
申请日：2024-11-15
Applicant: 北京科技大学
Abstract: 本发明公开一种基于3D牙齿点云多特征融合的身份识别方法和系统，包括：采集待识别身份的3D牙齿点云；将待识别身份的3D牙齿点云和身份数据库中每个已注册身份的3D牙齿点云输入训练完成的牙齿多特征融合的身份识别主干网络，输出得到待识别身份的3D牙齿点云和每个已注册身份的3D牙齿点云之间的配准结果；这个主干网络，包括：颜色特征提取模块、结构特征提取模块、特征融合模块、局部采样特征提取模块、特征聚合模块、粗对应预测模块、点云解码模块、精对应预测模块、预测配准模块；将与待识别身份的3D牙齿点云进行最佳配准的已注册身份的3D牙齿点云的身份信息，作为待识别身份的3D牙齿点云的身份标识。本发明可以基于3D牙齿点云进行身份识别。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.054 seconds)
