-
公开(公告)号：CN113762150A
公开(公告)日：2021-12-07
申请号：CN202111044335.X
申请日：2021-09-07
Applicant: 北京工商大学
Abstract: 本发明提供了一种尾矿库特征分析及模型构建方法及系统。该方案包括通过遥感摄像进行尾矿区数据获取；对尾矿区数据进行数据预处理，生成尾矿基础分析数据；对尾矿基础分析数据进行数据驱动的尾矿库结构重要度分析，获得第一数据特征；对尾矿基础分析数据进行尾矿库结构光谱特征分析，获得第二数据特征；对尾矿基础分析数据进行尾矿库结构空间特征分析，获得第三数据特征；根据第一数据特征、第二数据特征、第三数据特征构建尾矿区结构特征，设置尾矿区识别模型。该方案采用构建本体论概念模型，解决了尾矿库概念和影像表现存在语义鸿沟，通过遥感数据建立了关于尾矿库的概念，获得正确的尾矿库的先验知识。
-
公开(公告)号：CN118864494A
公开(公告)日：2024-10-29
申请号：CN202410873276.4
申请日：2024-07-01
Applicant: 北京工商大学
IPC: G06T7/11 , G06N3/0464
Abstract: 本发明实施例公开了一种多期相CT图像分割方法、电子设备和存储介质。其中，方法包括：获取肝脏的多期相CT图像；利用多支路编码器，分别从各期相的CT图像中提取肝脏病区的特征，分别得到各期相的多尺度初始特征图；利用多个跨相位特征融合模块，分别对各期相在同一尺度下的初始特征图进行融合和交互，得到各尺度下的交互特征；利用解码器对各尺度下的交互特征进行联合解码，预测病区的分割结果。本实施例提高分割准确度。
-
公开(公告)号：CN118115745A
公开(公告)日：2024-05-31
申请号：CN202311655901.X
申请日：2023-12-05
Applicant: 北京工商大学
IPC: G06V10/40 , G01N21/84 , G01N21/25 , G06V10/50 , G06V10/56 , G06V10/82 , G06V20/40 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公布了一种基于街景视频的空气污染物浓度预测方法，通过对街景视频进行图像特征选择，选取得到图像中出现频率高的色调特征，构建基于深度学习的污染物浓度预测神经网络模型并以色调频率值作为模型的输入，对街景视频实现基于深度学习的污染物浓度预测。采用本发明提供的技术方案，可大大降低计算成本，提升污染物浓度预测的效果。
-
公开(公告)号：CN117274671A
公开(公告)日：2023-12-22
申请号：CN202311125755.X
申请日：2023-09-01
Applicant: 北京工商大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公布了一种基于ConvNeXt网络的气溶胶新粒子形成事件自动识别方法，基于ConvNeXt网络构建气溶胶新粒子形成事件识别模型，自动对气溶胶新粒子形成事件进行分类，提升气溶胶新粒子形成事件分类精度，属于气溶胶新粒子检测技术领域。本发明通过数据集处理以及基于ConvNeXt网络搭建识别模型和评价，实现了新粒子形成事件的高效准确分类，能够满足大气科学技术领域中对新粒子形成事件识别准确率的需求。
-
公开(公告)号：CN113762153A
公开(公告)日：2021-12-07
申请号：CN202111045901.9
申请日：2021-09-07
Applicant: 北京工商大学
Abstract: 本发明提供了一种基于遥感数据的新型尾矿库检测方法及系统。该方案包括设置目标检测网络，根据网络的批次大小确定骨干网络；选择多光谱数据作为训练样本和验证样本，高分辨率卫星融合影像作为测试样本；添加多尺度目标图片，所述多尺度目标图片包括不同尺度的单目标图片，以及不同尺度关系的多目标图片；评估网络对不同尺度的尾矿库的检测准确率；根据具体任务和数据的情况，选择设置损失函数和优化算法；获取检测结果，所述检测结果包括四种组成结构。该方案通过设置进行尾矿库检测流程，有效评估高效网络与高精度网络间的具体差异，提供尾矿库遥感自动识别的检测网络的选择。
-
Patent Agency Ranking
公开(公告)号：CN113762150B
公开(公告)日：2024-04-02
申请号：CN202111044335.X
申请日：2021-09-07
Applicant: 北京工商大学
Abstract: 本发明提供了一种尾矿库特征分析及模型构建方法及系统。该方案包括通过遥感摄像进行尾矿区数据获取；对尾矿区数据进行数据预处理，生成尾矿基础分析数据；对尾矿基础分析数据进行数据驱动的尾矿库结构重要度分析，获得第一数据特征；对尾矿基础分析数据进行尾矿库结构光谱特征分析，获得第二数据特征；对尾矿基础分析数据进行尾矿库结构空间特征分析，获得第三数据特征；根据第一数据特征、第二数据特征、第三数据特征构建尾矿区结构特征，设置尾矿区识别模型。该方案采用构建本体论概念模型，解决了尾矿库概念和影像表现存在语义鸿沟，通过遥感数据建立了关于尾矿库的概念，获得正确的尾矿库的先验知识。
-
公开(公告)号：CN116721294A
公开(公告)日：2023-09-08
申请号：CN202310689428.0
申请日：2023-06-12
Applicant: 北京工商大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/42 , G06V10/44
Abstract: 本发明公开了一种基于层次细粒度分类的图像分类方法，涉及细粒度分类、深度学习技术等。本发明方法包括：对少量标注的样本标签进行处理，获取适用于YOLOv5算法的文本标签；建立基于YOLOv5算法的检测器，检测图像中的目标，剔除面积小于预设值的目标框以及重叠的目标框；以目标框为中心从图像中裁剪固定大小的子图像，子图像包含所识别目标的上下文关系，对子图像输入细粒度分类网络，提取子图像的大中小三种粒度的局部特征和全局特征，进行特征融合后进行细粒度类别分类。本发明实现更全面地利用关键信息和局部特征来提高分类性能，从而能更加准确地捕捉图像中的细节和差异，提高图像细类别的分类性能。
-
公开(公告)号：CN112163599B
公开(公告)日：2023-09-01
申请号：CN202010932190.6
申请日：2020-09-08
Applicant: 北京工商大学
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度多层次融合的图像分类方法，通过对输入图像进行尺度变换，将多尺度图像作为输入，能够提取图像的全局和局部特征，形成对图像目标的全面描述，然后对图像的多个尺度的描述特征进行多层次的融合，得到最终的分类识别结果，即从多尺度图像描述和多层次信息融合方面出发，有效提高了卷积神经网络图像分类器的分类性能。
-
公开(公告)号：CN113762153B
公开(公告)日：2024-04-02
申请号：CN202111045901.9
申请日：2021-09-07
Applicant: 北京工商大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于遥感数据的新型尾矿库检测方法及系统。该方案包括设置目标检测网络，根据网络的批次大小确定骨干网络；选择多光谱数据作为训练样本和验证样本，高分辨率卫星融合影像作为测试样本；添加多尺度目标图片，所述多尺度目标图片包括不同尺度的单目标图片，以及不同尺度关系的多目标图片；评估网络对不同尺度的尾矿库的检测准确率；根据具体任务和数据的情况，选择设置损失函数和优化算法；获取检测结果，所述检测结果包括四种组成结构。该方案通过设置进行尾矿库检测流程，有效评估高效网络与高精度网络间的具体差异，提供尾矿库遥感自动识别的检测网络的选择。
-
公开(公告)号：CN116958541A
公开(公告)日：2023-10-27
申请号：CN202310689398.3
申请日：2023-06-12
Applicant: 北京工商大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于全尺度跳跃连接U型结构的图像分割方法，涉及图像分割、深度学习等。本发明方法包括：将医学图像进行块分割，将分割得到的块特征输入到基于的Swin Transformer模块的编码器中进行下采样，通过下采样的方式抽取全局信息。将下采样后的特征输入到基于的Swin Transformer模块的解码器中进行上采样，通过上采样将特征图的分辨率恢复到输入分辨率，同时通过全尺度跳跃连接将每一个下采样块的输出传送给解码器中的每一个上采样块进行合并拼接，最终输出像素级分割预测。本发明方法通过全尺度跳跃连接，使分割模型捕获了全尺度下的细粒度语义和粗粒度语义，再融合Swin Transformer结构，改善了卷积的归纳偏置问题，有效提高了医学影像的语义分割性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
