-
公开(公告)号：CN117011306B
公开(公告)日：2025-05-16
申请号：CN202310609850.0
申请日：2023-05-26
Applicant: 北京邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于池化Transformer的多任务全心脏CT分割方法，包括，获取全心脏CT图像训练数据集；构建全心脏CT图像分割模型，其中全心脏CT图像分割模型包括3D transformer编码器和3D卷积神经网络解码器，采用3D池化注意力机制计算图像块与图像块之间的关系；将全心脏CT图像训练数据集输入全心脏CT图像分割模型进行训练，得到完成的全心脏CT图像分割模型；其中分割损失函数由Dice损失函数和加权交叉熵损失函数组成；将测试数据集中的图像输入训练完成的全心脏CT图像分割模型，获取图像分割结果。通过本发明提出的方法，可以准确高效的进行心脏分割。
-
公开(公告)号：CN119885861A
公开(公告)日：2025-04-25
申请号：CN202411929169.5
申请日：2024-12-25
Applicant: 国网湖北省电力有限公司信息通信公司 , 北京邮电大学 , 国网湖北省电力有限公司
Abstract: 本申请提出了一种基于高斯泼溅的电网设备CAD图纸三维重建方法，包括：对三视图草图进行噪声过滤与虚线去除，得到过滤后的草图；对过滤后的草图进行掩码提取，得到掩码图像，并对与掩码图像相对应的草图内部区域进行着色，得到上色的参考草图；以三视图相对位置关系为先验进行相机位姿定位，计算相机参数，实现在三维空间中定位三视图草图；通过相机参数和掩码图像构建视觉外壳，通过视觉外壳初始化3D高斯；对3D高斯进行优化，在优化过程中，将3D高斯渲染成2D草图，并将其与上色的参考草图计算损失，并通过梯度反传优化3D高斯；将重建的3D高斯曲面进行可视化展示，呈现3D CAD模型。采用上述方案的本发明实现了从CAD草图到3D CAD模型的稀疏视图重建。
-
公开(公告)号：CN119763142A
公开(公告)日：2025-04-04
申请号：CN202411611497.0
申请日：2024-11-12
Applicant: 北京邮电大学 , 国网湖北省电力有限公司信息通信公司
Inventor： 孙华梅 , 周正 , 尹建芹 , 胡莉娜 , 徐宁 , 汤弋 , 叶露 , 孙俊 , 陈璞 , 周德坤 , 张曦 , 朱兆宇 , 柯宏宇 , 代静 , 周亮 , 舒蔚君 , 曾言 , 刘小丽 , 郭文凯
IPC: G06V30/422 , G06V10/82 , G06V30/19 , G06V30/14 , G06V10/26 , G06V10/74 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本申请提出了一种面向机器人服务的CAD图纸智能分析方法，包括：获取原始图元数据集；对原始图元数据集中的图元图像进行文本检测，获得文本检测结果，包括文本位置和文本标签；基于文本检测结果对原始图元数据集中的图元图像进行预处理，并对预处理后的图像进行图元检测，得到图像检测结果，包括图像位置和图元图像；基于文本位置和图像位置将文本标签和图元图像进行配对，并进一步构建图元数据集；对图元数据集中的图元图像进行数据增强，并进一步对目标检测模型进行训练，得到训练后的目标检测模型；对待检测的图元图像进行数据增强，并输入训练后的目标检测模型中，输出图元检测结果。采用上述方案的本发明具有较强的图元识别能力。
-
公开(公告)号：CN116935492B
公开(公告)日：2025-03-25
申请号：CN202310987468.3
申请日：2023-08-07
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/774 , G06V10/40
Abstract: 本发明提出一种基于图关系交互学习的人体动作预测方法，包括，获取训练数据集，所述训练数据集包括人体动作序列；构建图关系交互学习网络，其中，图关系交互学习网络采用双支路对称残差图卷积网络GCN结构，双支路GCN之间的连接类型包括数据流和参数流；通过训练数据集对图关系交互学习模型进行训练，其中，训练采用平均每关节位置误差损失和平均每关节速度误差损失加权结合的损失函数；获取待预测数据，将待预测数据输入训练完成的图关系交互学习网络，获取人体动作预测结果。本发明实现了更精确的人体动作预测。
-
公开(公告)号：CN118053207A
公开(公告)日：2024-05-17
申请号：CN202410262076.5
申请日：2024-03-07
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/26 , G06V20/70 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/045 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种利用图像线索进行3D人体姿势估计的方法，包括，基于Human3.6M和MPI‑INF‑3DHP构建图像训练数据集；构建3D人体姿势估计模型，所述模型包括：特征提取单元，增强单元，自适应特征转换单元；根据所述图像训练数据集对所述3D人体姿势估计模型进行训练，得到训练完成的3D人体姿势估计模型；获取裁剪图像，将所述裁剪图像输入训练完成的3D人体姿势估计模型，进行3D人体姿势估计。通过本发明提出的方法显着提高了单帧3D姿态估计的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111553276B
公开(公告)日：2023-06-20
申请号：CN202010349928.6
申请日：2020-04-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于自适应特征选择与信号趋势去除的动作计数方法，根据提取的深度特征使用主成分分析方法降维，并利用周期特征自适应的选择特征，确定代表特征；将代表特征使用多项式回归的方法拟合，去除信号趋势项；对去除信号趋势项后的代表特征，检测耦合动作；根据视频重复动作周期信号的峰值完成重复动作计数任务。本发明实现简单灵活，并取得了相当的检测效果。
-
公开(公告)号：CN110826502A
公开(公告)日：2020-02-21
申请号：CN201911088199.7
申请日：2019-11-08
Applicant: 北京邮电大学
Abstract: 本发明公开了基于伪图像序列演化的三维姿态预测方法，具体步骤包括如下：步骤一：输入关节点坐标序列；步骤二：将关节点坐标序列变换为图像序列，并对人体进行划分，同时将所述图像序列转换得到伪图像序列；步骤三：构建序列到序列模型，将历史姿态的伪图像序列预测未来的姿态序列；步骤四：输出未来的姿态序列的关节点坐标序列。本发明提供了基于伪图像序列演化的三维姿态预测方法，（1）新的骨架表示，将姿态预测问题建模为视频预测问题；（2）一个新的结构PISEP2，该结构以非递归的方式预测所有未来的帧，能够有效地避免误差累积和提高计算效率。
-
公开(公告)号：CN119942638A
公开(公告)日：2025-05-06
申请号：CN202411949509.0
申请日：2024-12-27
Applicant: 北京邮电大学
IPC: G06V40/20 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/70 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请提出一种基于Mamba的实时2D关键点检测方法及装置，涉及二维关键点检测领域，其中，方法包括：通过基于卷积神经网络的Stem网络接收输入图像，并提取初始姿态特征，获得初步特征；利用基于逐块递归特征提取模型的编码器处理所述初始特征，输出多级姿态特征，其中，所述编码器包括多个阶段，每个阶段都由上下文建模模块、二维选择性扫描模块和归一化层组成；使用解码器将所述编码器输出的多级姿态特征上采样为关键点热图，每个关键点的热图表示目标实例的关键点位置。本申请通过基于Mamba的轻量化网络结构设计，解决了传统方法中难以兼顾关键点检测实时性与高精度的技术问题，显著提升了关键点检测的实时性能和检测精度。
-
公开(公告)号：CN119474656A
公开(公告)日：2025-02-18
申请号：CN202411361578.X
申请日：2024-09-27
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司
Inventor： 高欣 , 李强伟 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 王一帆 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 尹建芹 , 徐萌 , 冯云 , 赵英杰 , 于秀丽
IPC: G06F18/10 , G01R35/04 , G06F18/214 , G06F18/2411 , G06F18/2413 , G06F18/241 , G06F18/20 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N7/01 , G06N20/20
Abstract: 本发明公开了一种双路约束扩散模型的电能表故障检测方法及装置。其中，方法包括：获取待测电能表的多变量数据；将多变量数据输入至预先训练的故障检测模型中，输出待测电能表的检测结果，检测结果包括故障和正常，并且故障检测模型的训练过程为：基于数据标签和样本分布方法对原始少数类样本数据集以及原始多数类样本数据集进行去噪处理，获取少数类有效样本数据集以及多数类样本数据集；利用预先训练的基于双路判别器约束的扩散模型对少数类有效样本数据集进行样本扩散，生成少数类样本数据集；利用少数类样本数据集、所述少数类有效样本数据集以及多数类样本数据集训练预先构建的分类模型，生成故障检测模型。
-
公开(公告)号：CN118447084A
公开(公告)日：2024-08-06
申请号：CN202410271051.1
申请日：2024-03-11
Applicant: 北京邮电大学
IPC: G06T7/73 , G06V10/764 , G06T17/00 , G06N5/04 , G06N5/025
Abstract: 本发明公开了一种3D视觉定位方法，属于3D视觉技术领域，其包括以下步骤：S1、三维场景图构建：从视觉场景中提取对象O的输入点云,构建一个从语义到实例的分层场景图；S2、具身视角观测体系：在3D空间中推理与文本指令相符的具身视角；S3、具身视角推理图构建：根据输入语言U和3D场景图利用LLMs进行联合推理,获得查询物体的类别、属性以及具身视角等信息；S4、具身视角推理：根据视角下的情景，在Graph上进行深度优先搜索,筛选目标对象。本发明通过引入ViewInfer3D,这是一种新颖的3D视觉定位方法,利用大型语言模型(LLMs)作为协调定位过程的中心代理。我们提出的3D场景图与LLM相结合的方式推理方式,减少了LLMs处理的token数量和推理难度并有利于发现隐含视角。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
