-
公开(公告)号：CN107507250B
公开(公告)日：2020-08-21
申请号：CN201710406983.2
申请日：2017-06-02
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的面色舌色图像颜色校正方法涉及数字图像处理方法。算法主要包括离线部分和在线部分。离线部分由训练数据采集、颜色校正卷积神经网络网络框架搭建和训练组成，在线部分则是图像颜色校正和颜色校正效果评价。CNN模仿人类的认知过程，即从局部特征到全局特征的逐层抽象。将卷积神经网络应用于颜色校正中，可以获得较为理想的颜色重现效果。本发明通过采用深度卷积神经网络方法，对稳定光学环境中采集到的人脸面色和舌色进行颜色校正，重现在相同光学环境中目标对象真是呈现的颜色信息。
-
公开(公告)号：CN111275637A
公开(公告)日：2020-06-12
申请号：CN202010040751.1
申请日：2020-01-15
Applicant: 北京工业大学
Abstract: 一种基于注意力模型的非均匀运动模糊图像自适应复原方法属于数字图像/视频信号处理领域。本发明设计了一个结合注意力机制的条件生成对抗网络。生成网络为一个编解码结构，编码阶段采用密集连接网络提取特征，提高特征利用率，加强特征的传播，并加入视觉注意力机制，使网络对于不同的输入图像能够自适应地调解网络参数，动态去除图像模糊。本发明可以从非均匀运动模糊图像中有效复原出清晰图像。该技术在目标跟踪、交通检测、军事侦察等领域具有广泛的应用前景。
-
公开(公告)号：CN111159871A
公开(公告)日：2020-05-15
申请号：CN201911338574.9
申请日：2019-12-23
Applicant: 北京工业大学
IPC: G06F30/20 , G06F111/10 , G06F119/04
Abstract: 本发明公开了一种基于路径曲线积分的多轴循环计数方法，在 应变空间中定义一种相对于起点的曲线积分Yt，首先找出原始载荷块中对应最大Yt值的点，以该点为分界点将载荷重排序，然后再计算各点的Yt值，将起点和Yt值最大的点之间的历程计为一个反复，对没有计数的历程和Yt值出现转折的历程执行类似的步骤，利用递归算法计出所有半循环。该方法不依赖于疲劳损伤模型，克服了等效应变计数方法遗漏谷值符号的问题，能退化到单轴雨流计数，计数过程不涉及材料常数，算法简单，易于计算机编程，工程实用性强。
-
公开(公告)号：CN110728694A
公开(公告)日：2020-01-24
申请号：CN201910956780.X
申请日：2019-10-10
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于持续学习的长时视觉目标跟踪方法，该方法包括网络模型设计、模型初始化、在线跟踪和模型更新。针对长时视觉目标跟踪设计了深度神经网络结构，经过模型初始化获得初始化网络模型，然后利用初始化网络模型进行在线跟踪，在跟踪过程中利用持续学习的方法进行长时或短时模型更新，适应目标在跟踪过程中的各种变化。本发明把传统视觉目标跟踪的模型在线更新过程转换为持续学习的过程，从视频的所有历史数据整体建立目标的完整外观描述，有效提升了长时视觉跟踪的鲁棒性。本发明所述的方法可为智能视频监控、人机交互、视觉导航等应用需求提供长时视觉目标跟踪的有效解决方案。
-
公开(公告)号：CN107330889B
公开(公告)日：2019-11-15
申请号：CN201710562784.0
申请日：2017-07-11
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的中医舌色苔色自动分析方法属于计算机视觉领域和中医舌诊领域，具体涉及深度学习、图像处理等技术。该方法可以有效提高舌色苔色自动分析的准确度和鲁棒性。本发明分类准确度高。与传统的“特征提取+分类器”方案相比，卷积神经网络是一种端到端的结构，特征提取与分类两个过程在同一框架下完成，避免了对特征和分类器选择的依赖。在分类精度上比传统方法具有明显优势，可以满足实际应用需求。
-
Patent Agency Ranking
公开(公告)号：CN110210551A
公开(公告)日：2019-09-06
申请号：CN201910452144.3
申请日：2019-05-28
Applicant: 北京工业大学
Abstract: 一种基于自适应主体敏感的视觉目标跟踪方法属于计算机视觉技术领域，包括整体流程、离线部分和在线部分。整体流程：设计了目标跟踪的流程，并设计了网络结构；将该网络各阶段特征图调整成自适应尺寸，完成孪生网络端到端跟踪过程；离线部分包括6个步骤：训练样本库生成；前向跟踪训练；反向传播梯度计算；梯度损失项计算；目标模板图像掩膜生成；网络模型训练及模型获取。在线部分包括3个步骤：模型更新；在线跟踪；定位目标区域。模型更新包括前向跟踪、反向传播梯度计算、梯度损失项计算、目标模板图像掩膜生成；在线跟踪包括前向跟踪得到相似性矩阵，计算当前跟踪结果置信度，回归目标区域。该方法能够更好地适应外观变化的目标稳健跟踪。
-
公开(公告)号：CN108564049A
公开(公告)日：2018-09-21
申请号：CN201810363828.1
申请日：2018-04-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习的快速人脸检测识别方法，该方法包括离线网络搭建部分和在线流程设计部分。对于离线网络搭建部分，本发明设计的网络结构针对不同的尺度人脸分别训练检测器，区别于现有方法中在进行人脸检测时采用单一尺度的模板网络，并采用构建图像金字塔以多任务的方式训练和运行尺度特定的检测器。对于在线流程设计部分，设计使用FIFO的list的数据结构思想建立实时人脸特征缓冲池结构，将过程中最耗时的实时特征提取部分移到整个过程的最前端，以身份证读卡器对于身份证的检测作为触发点，并提出建立结果匹配映射表的方法，在三个方面进行创新，有效节省整个过程的时间，实现快速的人脸检测识别，得出人证是否合一的准确判断。
-
公开(公告)号：CN107516312A
公开(公告)日：2017-12-26
申请号：CN201710692254.8
申请日：2017-08-14
Applicant: 北京工业大学
Abstract: 一种应用浅层神经网络进行中医面色自动分类的方法属于计算机视觉领域。设计的浅层网络层数共有5层，采用三种不同的层结构，分别为输入层、特征提取层、输出层。输入层由一个卷积层和修正线性单元组成；特征提取层由3层网络组成，前两层的每层都由一个卷积层和ReLU激活函数组成，在卷积层和ReLU之间都有一个批归一化，并在特征提取层的第二个ReLU后面加入池化层，特征提取层的第三层是一个全连接层，后接一个修正线性单元ReLU；输出层由全连接层组成，后加一个softmax分类器。本发明在分类精度上有明显优势，对缩放、平移、旋转等畸变具有不变性，有很强的鲁棒性，能够有效的提高分类精度，将深度学习的理论应用于中医面诊客观化研究。
-
公开(公告)号：CN107330889A
公开(公告)日：2017-11-07
申请号：CN201710562784.0
申请日：2017-07-11
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的中医舌色苔色自动分析方法属于计算机视觉领域和中医舌诊领域，具体涉及深度学习、图像处理等技术。该方法可以有效提高舌色苔色自动分析的准确度和鲁棒性。本发明分类准确度高。与传统的“特征提取+分类器”方案相比，卷积神经网络是一种端到端的结构，特征提取与分类两个过程在同一框架下完成，避免了对特征和分类器选择的依赖。在分类精度上比传统方法具有明显优势，可以满足实际应用需求。
-
公开(公告)号：CN1972046A
公开(公告)日：2007-05-30
申请号：CN200610114667.X
申请日：2006-11-21
Applicant: 北京工业大学
Abstract: 大功率半导体激光器偏振耦合装置及其方法属于激光领域。大功率半导体激光器因为其光束质量差而限制了其在工业领域的应用。本发明装置包括两个输出功率相同并且发散角相同的大功率半导体激光器即半导体激光阵列I(1)和半导体激光阵列II(4)，半波片(2)插入半导体激光阵列I(1)和偏振分光棱镜(3)之间；半波片(2)与半导体激光阵列I(1)发出的激光方向垂直；从半波片(2)出射的寻常光和半导体激光阵列II(4)输出的激光耦合器件分别垂直入射偏振分光棱镜(3)两个相邻入射面。本发明解决了以前采用TALBOT腔方案不能实现1000瓦以上输出的问题以及光纤耦合方案结构复杂不利于工程化的问题，更易于操作和实现工业化应用。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.048 seconds)
