-
公开(公告)号：CN114299111B
公开(公告)日：2022-11-04
申请号：CN202111574193.8
申请日：2021-12-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于半监督孪生网络的红外弱小目标跟踪方法，首先根据目标位置获取目标图像和搜寻区域图像，接着将搜寻区域图像输入至滤波网络进行编解码操作得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，再将目标图像和滤波图像输入至特征提取网络提取特征并分别计算自注意力和交叉注意力，最后对各自分支的两种注意力融合后将两个分支的最终输出进行相关性计算，得到目标在当前帧的准确位置。本发明所提出的红外弱小目标跟踪方法，使用半监督的方式训练滤波网络，能够有效抑制红外图像中的背景噪声；充分利用目标图像和搜寻区域的注意力信息，在满足实时性要求的基础上显著的提高了对红外弱小目标的跟踪精度。
-
公开(公告)号：CN113505822A
公开(公告)日：2021-10-15
申请号：CN202110742056.4
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于表面肌电信号的多尺度信息融合上肢动作分类方法，涉及智能假肢手控制技术领域，将多通道表面肌电信号采集模块采集的原始表面肌电信号分别进行时频域分析和表面肌电信号图像升维处理，使用卷积神经网络建立多尺度信息融合网络模型，映射多通道表面肌电信号与手部动作模式的关系，完成上肢动作分类。本发明通过结合时频域分析与深度学习网络的优势，融合多尺度肌电信号特征信息，采用高维度卷积神经网络进行训练，深度挖掘表面肌电信号不同特征类型间的隐含信息，建立表面肌电信号与手部动作模式间的非线性关系，完成上肢动作分类，实现智能仿生手手部动作模式的控制。
-
公开(公告)号：CN113450278A
公开(公告)日：2021-09-28
申请号：CN202110742059.8
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于跨域协同学习的图像去雨方法，构建基于多尺度注意力残差模块的双分支图像去雨网络，通过面向合成领域的跨域协同学习策略，减少不同合成领域雨纹信息分布差异对于双分支图像去雨模型去雨效果的影响，通过面向真实领域的跨域学习策略，降低真实领域和合成领域雨纹信息分布差异对于双分支图像去雨模型去雨表现的影响。本发明提高了图像去雨模型对于不同领域样本雨纹信息的学习能力，减少了不同领域雨纹信息分布差异对于图像去雨模型去雨表现的影响，增强了图像去雨模型的鲁棒性和泛化能力。
-
公开(公告)号：CN107911575A
公开(公告)日：2018-04-13
申请号：CN201711063790.8
申请日：2017-11-02
Applicant: 中国矿业大学
Abstract: 本发明公开了一种高精度低功耗多相机同步触发系统，包括电源模块，所述电源模块的输出端分别与显示模块、控制模块、NXP kinetis L25微控制器、调理电路的输入端电连接，所述NXP kinetis L25微控制器的输出端分别与显示模块、调理电路的输入端电连接，所述控制模块的输出端与NXP kinetis L25微控制器输入端电连接，所述NXP kinetis L25微控制器与SWD调试模块双向连接；所述的电源模块为该装置的电源提供部分，负责为微控制器、显示模块、控制模块、调理电路等提供合适的电压。本发明所采用普通微控制器实现多相机同步触发系统，同步精度高，运行功耗低，成本低廉，易于实现，在复杂环境具有较强抗干扰能力，能够适用于工业现场及野外环境。
-
公开(公告)号：CN118691993B
公开(公告)日：2025-02-28
申请号：CN202410828881.X
申请日：2024-06-25
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/096 , G06N3/045
Abstract: 本发明公开了一种基于跨层级特征蒸馏的航拍图像目标检测方法，包括：提取预训练教师网络掩码图和学生网络掩码图，基于预训练教师网络掩码图和学生网络掩码图构建查询模块，基于查询模块对不同尺度的目标进行跨层级特征蒸馏，利用预训练教师网络的多层特征信息来指导学生网络的单层特征信息，增强预训练教师网络和学生网络间的语义信息匹配度。本发明提出基于查询模块的跨层级特征蒸馏的策略，通过查询模块在对应尺度上做损失，可以让学生网络更好地学习到来自预训练教师网络的知识，同时在不增加网络参数量的前提下，能够提高学生网络的检测性能，在星载平台的部署上具有一定优势。
-
Patent Agency Ranking
公开(公告)号：CN115761735B
公开(公告)日：2025-02-14
申请号：CN202211432700.9
申请日：2022-11-16
Applicant: 中国矿业大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/762 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法，包括以下步骤：选取GTA5数据集构建源域，选取Cityscapes数据集构建目标域；输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型；基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略；构建自适应伪标签纠正策略得到最终伪标签作为监督，训练半监督语义分割模型；输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签，解决了确认偏见问题，缓解了类别不平衡问题，克服了全卷积的缺点，提高了该模型在目标域上的语义分割效果。
-
公开(公告)号：CN119131632A
公开(公告)日：2024-12-13
申请号：CN202411254438.2
申请日：2024-09-09
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种基于分类‑定位双分支交互蒸馏的航拍图像目标检测方法，包括预训练教师网络、学生网络、交互蒸馏区域选择模块、自适应生成蒸馏模块，通过构建交互蒸馏区域选择模块，使预训练教师网络和学生网络检测头的知识相互指导，动态选择出最优的蒸馏区域；在学生网络检测头分类分支集成自适应生成蒸馏模块，通过对其分类分支的输出特征层进行掩码，使其自适应地重建预训练教师网络的输出特征层，进一步增强了学生网络的学习能力；最后，引入KL散度损失来对蒸馏区域进行约束。本发明实现了预训练教师网络和学生网络蒸馏过程中分类和定位两个任务之间的交互，在低参数量的同时，有效提升了学生网络的检测精度和速度。
-
公开(公告)号：CN119131631A
公开(公告)日：2024-12-13
申请号：CN202411254436.3
申请日：2024-09-09
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/52 , G06V10/28 , G06N3/045 , G06N3/096 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于双重特征关系蒸馏的航拍图像目标检测方法，首先构建特征解耦关系蒸馏模块，将所有多尺度特征解耦为目标特征和非目标特征，进而分别蒸馏目标特征间的关系和非目标特征间的关系，促使学生网络理解不同特征间的关联性，再构建局部逐像素关系蒸馏模块，采用分块学习的策略，利用图卷积计算每个块特征图间的内部关系，使网络更专注于学习和捕捉局部逐像素的关系，从而显著提高网络对局部细节的感知和表达能力。本发明全面地考虑了中间特征的关系，通过解耦操作和分块学习，使得学生网络能够更好地理解和学习教师网络中丰富的特征关系表示，有效提高了学生网络的检测性能，实现了航拍图像目标检测模型的轻量化。
-
公开(公告)号：CN118968062A
公开(公告)日：2024-11-15
申请号：CN202411014786.2
申请日：2024-07-26
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于交叉伪监督的域适应语义分割方法，步骤包括：选取SYNTHIA和Cityscapes数据集构建源域和目标域；使用真实标签对源域图像进行双模型交叉自监督训练，得到预训练模型；在目标域训练集中加载预训练模型，使用伪标签进行交叉伪监督训练，构建交叉伪监督双语义分割模型；提取目标域特征，设计注意力调制机制并引入注意力调制损失和熵一致性损失，优化模型；在目标域验证集上验证模型性能，保存最优参数。本发明通过综合考虑模型的“确定性”差异，利用注意力调制和熵一致性损失，提高了模型的泛化能力和鲁棒性，适应不同领域或环境下的语义分割任务。
-
公开(公告)号：CN117853856A
公开(公告)日：2024-04-09
申请号：CN202410031296.7
申请日：2024-01-09
Applicant: 中国矿业大学
IPC: G06V10/80 , G06V10/774 , G06N3/0464 , G06V10/82 , G06N3/045 , G06V10/44 , G06V10/42
Abstract: 本发明公开了一种基于多模态图像融合的微光夜视场景理解方法，属于人工智能技术，根据层级多模态特征信息的特点，构建不同特征校准和特征聚合模块以增强多模态特征信息的联合表示学习；构建跨模态全局特征描述模块以减少模态间的信息差异，实现多模态特征信息的校准；构建多模态交错稀疏自注意力模块来保证浅层网络层中多模态空间特征信息的聚合；构建对称金字塔池化交叉注意力模块与多模态跨通道通信模块用于聚合深层特征的空间层信息和通道层信息。本发明能够充分利用多模态特征信息互补优势，避免单一模态信息导致微光夜视场景理解能力不足，能够在夜间城市道路自动驾驶和地下空间暗弱无人导航系统中应用。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.024 seconds)
