-
Patent Agency Ranking
公开(公告)号：CN119206247A
公开(公告)日：2024-12-27
申请号：CN202411219907.7
申请日：2024-09-02
Applicant: 北京邮电大学
IPC: G06V10/44 , G06V10/46 , G06V10/75 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于深度学习的多光谱图像局部特征提取方法及系统，属于多光谱图像处理技术领域，获取待处理的一对多光谱图像；利用光谱选择网络将获取的一对多光谱图像提取浅层特征；利用特征提取网络对浅层特征进行处理，生成图中的每个像素点的特征向量；其中，在训练阶段使用提出的损失函数训练，在推理阶段根据匹配需要提取描述子；其中，采用最邻近算法对已有描述子进行粗匹配，并使用RANSAC方法进行过滤，得到最终的匹配结果。本发明根据特征自适应激活神经网络通道的光谱选择网络，可以同时接受多个来自不同光谱的图像进行训练，同时设计包含更多负样本的对比损失函数以提取多光谱图像特征。
-
公开(公告)号：CN116012621A
公开(公告)日：2023-04-25
申请号：CN202211662975.1
申请日：2022-12-23
Applicant: 北京邮电大学
Abstract: 本发明提供了一种旋转不变的多光谱图像的描述子匹配方法。该方法包括：提取输入的多光谱图像的特征点，根据所述特征点使用log‑Gabor滤波器的相位一致性计算后，获得所述多光谱图像的一阶MIM层，在所述一阶MIM层的基础上获取两个二阶MIM层，所述多光谱图像包括匹配图和待匹配图；分别对应各个特征点在所述两个二阶MIM层上分别构建两个描述子，分别对两个描述子进行旋转，得到匹配图的描述子集合和待匹配图的描述子集合；对所述匹配图的描述子集合和所述待匹配图的描述子集合进行匹配处理，获取所述匹配图和待匹配图的描述子的匹配结果。本发明采用离散旋转角度的方法，将旋转度数离散成几个值，构建圆环形式的描述子解决旋转的多光谱图像的匹配问题。
-
公开(公告)号：CN110288028B
公开(公告)日：2021-11-02
申请号：CN201910565445.7
申请日：2019-06-27
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种心电检测方法、系统、设备及计算机可读存储介质，包括：构建综合分类器模型；获取心电数据中的多个特征；将所述多个特征输入所述综合分类器模型，以使所述综合分类器模型对所述多个特征进行至少一次数据维度的转换，并对所述心电数据进行分类。本发明实施例对于心电数据的特征具有更强的分类能力，以及对于心电数据中的正常类型与各类患病类型都具有很好的检测效果，不会因为某类患病类型的心电数据样本量较少而影响其检测与分类的准确率。
-
公开(公告)号：CN113139896A
公开(公告)日：2021-07-20
申请号：CN202010052220.4
申请日：2020-01-17
Abstract: 本申请公开了一种基于超分辨重建的目标检测系统及方法。该系统包括：数据采集模块，被配置为采集待检测的图像数据；超分辨率重建模块，被配置为接收所述数据采集模块所采集的图像数据，并对所述图像数据进行超分辨率重建处理；目标检测模块，被配置为对经过超分辨率重建处理的所述图像数据进行目标检测；以及划分和融合模块，被配置为将经过目标检测的所述图像数据裁剪为多个子图像数据，并将各个所述子图像数据的检测结果映射至组合后的图像数据中以进行坐标融合，从而得到目标检测结果。
-
公开(公告)号：CN110288028A
公开(公告)日：2019-09-27
申请号：CN201910565445.7
申请日：2019-06-27
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种心电检测方法、系统、设备及计算机可读存储介质，包括：构建综合分类器模型；获取心电数据中的多个特征；将所述多个特征输入所述综合分类器模型，以使所述综合分类器模型对所述多个特征进行至少一次数据维度的转换，并对所述心电数据进行分类。本发明实施例对于心电数据的特征具有更强的分类能力，以及对于心电数据中的正常类型与各类患病类型都具有很好的检测效果，不会因为某类患病类型的心电数据样本量较少而影响其检测与分类的准确率。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
