-
公开(公告)号：CN119206789A
公开(公告)日：2024-12-27
申请号：CN202411368901.6
申请日：2024-09-29
Applicant: 北京林业大学
IPC: G06V40/10 , G06V10/44 , G06N3/0464 , G06N3/094 , G06N3/048 , G06V10/764 , G06V10/82 , G06N3/096
Abstract: 本发明提出一种基于融合感知对抗网络的野生动物图像跨域识别方法，属于图像识别技术领域；本发明包括如下内容：采用ResNet50作为主干网络提取图像底层特征，实现模型获取图像特征的语义信息；采用对抗学习策略，实现模型对域不变特征的提取；在全连接层之间引入最大均值差异约束，扩展对抗网络在复杂背景下提取域不变特征能力；通过两层域适应策略提取域不变特征，增强模型的正迁移，实现野生动物图像的跨域识别；相较于现有技术，本发明有效提升了野生动物大规模图像数据的处理效率以及不同环境下野生动物图像的识别准确率。
-
公开(公告)号：CN119107505A
公开(公告)日：2024-12-10
申请号：CN202411256150.9
申请日：2024-09-09
Applicant: 北京林业大学
IPC: G06V10/764 , G06V40/10 , G06V10/82 , G06V20/52 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于改进开集域适应的野生动物监测图像跨域识别方法，属于图像识别技术领域；本发明所提出的方法包括如下内容：引入基于对抗学习的开集域适应方法，训练一个弱分类器将目标域的未知类样本识别，为未知类建立伪决策边界；其次，通过对抗学习，对齐源域和目标域已知类别的特征分布，实现已知类别的识别；最后，引入中心损失，对源域的已知类别的类内变化之间建立联系，提高决策边界的判别能力，帮助模型正确分类已知类别，同时提高模型对于未知类别的识别能力。
-
公开(公告)号：CN117612537B
公开(公告)日：2024-06-07
申请号：CN202311591080.8
申请日：2023-11-27
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于云边协同控制的鸟鸣声智能监测系统，涉及语音识别技术领域。本发明与之前的鸟鸣声处理系统相比，改进了缺少对鸟鸣声信息的有效利用；边缘侧识别结果并不充分可靠；鸟鸣声采集缺乏针对性；未能构建可持续优化的智能识别系统的问题，通过以融合增量学习的云端训练+边缘推理的智能边缘数据分析技术为核心，以智能移动设备为边缘设备基础，以移动通信技术为信息通道，连接高性能的云端智能服务器，形成具有持续学习能力的云边协同鸟鸣声监测模式。实现野外鸟鸣声采集的远程上传和自动识别，构建开放、精准识别和持续进化的云边协同鸟类鸣声监测系统。
-
公开(公告)号：CN117612537A
公开(公告)日：2024-02-27
申请号：CN202311591080.8
申请日：2023-11-27
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于云边协同控制的鸟鸣声智能监测系统，涉及语音识别技术领域。本发明与之前的鸟鸣声处理系统相比，改进了缺少对鸟鸣声信息的有效利用；边缘侧识别结果并不充分可靠；鸟鸣声采集缺乏针对性；未能构建可持续优化的智能识别系统的问题，通过以融合增量学习的云端训练+边缘推理的智能边缘数据分析技术为核心，以智能移动设备为边缘设备基础，以移动通信技术为信息通道，连接高性能的云端智能服务器，形成具有持续学习能力的云边协同鸟鸣声监测模式。实现野外鸟鸣声采集的远程上传和自动识别，构建开放、精准识别和持续进化的云边协同鸟类鸣声监测系统。
-
公开(公告)号：CN117095297A
公开(公告)日：2023-11-21
申请号：CN202311165265.2
申请日：2023-09-11
Applicant: 北京林业大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06Q50/26 , G06V10/774 , G06N3/084
Abstract: 本发明涉及森林火灾烟雾检测技术领域，特别是指一种基于深度卷积对抗域对齐的林火烟雾图像识别方法，包括，预先构建联合对抗学习及域对齐特征网络；获取林火烟雾图像数据，根据所述林火烟雾图像数据构建林火烟雾图像数据集；用联合对抗学习及域对齐特征网络中的特征提取网络对所述林火烟雾图像数据集进行特征提取，将提取后的特征同时被送入联合对抗学习及域对齐特征网络中的标签分类器进行图像分类和对抗特征自适应网络进行域判别；最后，对分类损失和域判别损失进行高效的联合优化。本发明解决了识别准确度和域偏移两个挑战，提高模型在不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测的效率和性能。
-
Patent Agency Ranking
公开(公告)号：CN112419202B
公开(公告)日：2023-09-26
申请号：CN202011442143.X
申请日：2020-12-11
Applicant: 北京林业大学
IPC: G06T5/00 , G06T7/11 , G06F16/27 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种基于大数据及深度学习的野生动物图像自动识别系统，以野生动物监测图像数据库为主体，结合超分辨率图像恢复技术及野生动物自动识别算法实现对野生动物数据的处理及分析，并通过数据可视化搭建系统的前端界面。具体的，野生动物监测图像数据库用于野生动物图像及相关信息的存储管理，超分辨率图像恢复技术用于低质量压缩图像的恢复重建，自动识别算法是通过深度学习实现野生动物图像的自动识别与监测分析，从而实现图像的分类处理以及无效图像的剔除。本发明可以实现野生动物图像的高效分类存储以及对野生动物数据的自动分析与可视化展示，提高野生动物图像管理智能化水平。
-
公开(公告)号：CN116663635A
公开(公告)日：2023-08-29
申请号：CN202310466097.4
申请日：2023-04-27
Applicant: 北京林业大学
IPC: G06N3/08 , G06N3/0464 , G06N3/0442 , G06V10/776 , G06V10/82 , G06V10/764 , G06V10/774 , G06V40/10
Abstract: 本发明涉及一种野生动物监测图像分类的神经网络自动设计方法，包括，S1，动物边界的框定，生成代理数据集，输入目标像素高度、宽度，动物区域坐标；S2，训练并验证采样网络，验证了搜索用工作站与边缘设备间的“强延迟单调性”；S3，以代理数据集为基础，开展基于低轮数训练的神经网络结构搜索，以工作站为边缘设备的代理设备，测量网络推理时间；S4，基于近似准确率与近似推理时间，计算分段损失函数，并优化算法；S5，根据应用需求遴选网络。本发明通过不断的计算、优化算法、最终得到的网络数据相较于其余网络数据有最高的平均准确率以及最低的显存占用率。
-
公开(公告)号：CN116228969A
公开(公告)日：2023-06-06
申请号：CN202310019011.3
申请日：2023-01-06
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于多传感器融合的林区定位与三维重建方法及系统。该系统由单目相机、惯性测量单元和单线激光雷达组成，将单线激光雷达采集到的位于极坐标系下的二维激光数据，投影至雷达坐标系下生成三维激光点；继而通过螺旋线修正模型消除运动畸变误差，再结合单目视觉与惯性测量单元融合的全局定位信息，转换至世界坐标系下，生成位于关键帧处的三维点云数据；随后采用点云稠密化模型补齐帧间缺失的点云数据，得到林区初始点云；最后利用融合点云数据改进的校正优化算法，检测回还，消除累计误差，生成全局一致的林区三维点云地图。本发明可以获取林区树木的生长以及分布情况并在林区资源的保护中发挥着至关重要的作用。
-
公开(公告)号：CN116189018A
公开(公告)日：2023-05-30
申请号：CN202310021725.8
申请日：2023-01-06
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种野外航拍牛群计数方法、设备、系统及存储介质，方法包括：对野外航拍视频进行预处理；使用YOLOv4目标检测模型对预处理后的野外航拍视频进行特征检测与提取，获取每帧图像中的牛群识别数量和每头牛的个体特征，个体特征包括位置特征、属性特征和得分特征；将前后帧图像中每头牛的位置特征和属性特征输入SuperGlue特征匹配模型中，获取前后帧图像中牛群的特征对应关系及后帧图像中牛群与前帧图像中牛群的重合数量；根据第i帧图像中的牛群识别数量、第i‑1帧图像中的牛群识别数量和对应的重合数量，计算得到第i帧图像中的牛群统计数量，i为正整数，i≥2。本方法实现了帧与帧之间的牛群目标的准确匹配和牛群计数。
-
公开(公告)号：CN116127112A
公开(公告)日：2023-05-16
申请号：CN202310019821.9
申请日：2023-01-06
Applicant: 北京林业大学
IPC: G06F16/535 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种野生动物监测图像误触发图像筛选方法及存储介质，方法包括：获取相机拍摄的监测图像，构建训练集；使用所述训练集对网络模型进行训练，得到图像筛选模型；从待筛选相机拍摄的所有图像中获取一张空拍图像作为参考图像，剩余的图像作为待筛选图像；将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果。本发明以基于三元组损失度量学习的误触发图像判别技术为主体，可以判别红外触发相机的误触发图像进而将其过滤，最终实现红外触发相机野生动物监测图像原始数据中无效数据过滤的自动化，避免了海量监测数据的人工筛选，有助于促进野生动物保护工作的智能化和信息化。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.026 seconds)
