-
公开(公告)号：CN110487664B
公开(公告)日：2024-04-12
申请号：CN201910655218.3
申请日：2019-07-19
申请人： 中国矿业大学
摘要： 本发明中公开了一种基于死空间压力换算的煤层瓦斯参数检测装置，包括，模拟室和模拟调节器；模拟室内设有取样器；取样器固定端的排气管通过第一导管与第一三通管一端连接，且排气管上设有排气阀；取样器设置在质量检测器的称量托盘上；第一三通管剩余两端分别连接压力表和第二导管连接，第二导管与第二三通管一端连接，第二三通管剩余的两端分别与穿过模拟室的交换气管和真空气管连接；第二导管、交换气管和真空气管上分别设有第一气阀、第二气阀和第三气阀。有益效果实现了煤层瓦斯压力与煤层瓦斯含量的精确测量与计算，有利于矿井的安全措施的实施。有利于估算瓦斯含量，从而确定瓦斯的产量。有利于减少人工的成本以及时间的投入。
-
公开(公告)号：CN117237190B
公开(公告)日：2024-03-15
申请号：CN202311194024.0
申请日：2023-09-15
申请人： 中国矿业大学
IPC分类号： G06T3/4053 , G06V10/80 , G06T5/70 , G06T11/00 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开用于边缘移动设备的轻量化图像超分辨率重建系统及方法，属于图像超分辨率重建技术领域；包括输入模块、浅层特征提取层、多个堆叠蒸馏特征融合像素注意块模块、特征聚合模块、重建模块和输出模块；浅层特征提取层对低分辨率图像提取浅层特征；多个堆叠蒸馏特征融合像素注意块模块是m个以链的方式进行堆叠的DFFPA块，对浅层特征逐步细化提取深层特征；特征聚合模块聚合m个DFFPA块和浅层特征提取层的特征；重建模块经过卷积层和像素重排进行图像重建，得到超分辨率图像；本发明能够减少冗余信息，更加高效地提取图像中的高频信息，通过在像素级别上对不同尺度的特征进行加权融合，网络能够提供更优质的超分辨率重建结果。
-
公开(公告)号：CN115496787A
公开(公告)日：2022-12-20
申请号：CN202211171962.4
申请日：2022-09-26
申请人： 中国矿业大学
摘要： 本发明是面向可穿戴智能装备视觉增强现实的单目深度估计方法，属于图像处理技术领域，采用图像活跃度度量来分割图像特征，基于图像轮廓的多向分布，将输入图片分割为高阶特征和低阶特征，将高阶特征和低阶特征进行特征融合并送入共同的解码器来提升网络对于不同特征的感受强度；其次,基于递归网络的深度相似性损失，针对网络估计出的深度图，采用递归网络的方式将其重建后递归送入相同结构的深度估计网络，通过光度损失来约束一阶网络和二阶网络输入图像的相似性，通过深度相似性损失来约束一阶网络和二阶网络输出深度图的相似性，来弥补光度损失在面对低纹理区域时约束性较差的缺陷；深度一致性损失采用风格矩阵的余弦相似度来进行相似性度量。
-
公开(公告)号：CN115423857A
公开(公告)日：2022-12-02
申请号：CN202211242648.0
申请日：2022-10-11
申请人： 中国矿业大学
IPC分类号： G06T7/50 , G06T7/13 , G06T7/90 , G06V10/74 , G06V10/762
摘要： 本发明公开了一种用于可穿戴头盔的单目图像深度估计方法，涉及图像处理技术领域，包括如下步骤：以矿井图像序列作为训练数据，建立进行单目深度估计的深度卷积神经网络模型的训练模型，并从卷积神经网络的平面系数解码器中计算出能预测井下图像深度图的平面系数；基于所述平面系数预测出初始井下图像深度图，根据曼哈顿结构法向检测得到预测法向量，从而与对齐法线相似性约束；通过共平面法向深度约束估计，提取初始预测深度和平面差异求得的深度图，利用两者风格矩阵进行余弦相似度约束。本发明基于能预测井下图像深度图的平面系数间接再预测出深度图，打破了传统的生成初始深度图的方法，且使训练约束的起点高，有效提升了后期深度估计效果。
-
公开(公告)号：CN114647760A
公开(公告)日：2022-06-21
申请号：CN202210037094.4
申请日：2022-01-13
申请人： 中国矿业大学
IPC分类号： G06F16/783 , G06F16/75 , G06T5/00 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法，在保证模型实时性的同时，提高小模型检索精度，在精度和效率之间尽可能达到平衡；设置伽马校正模块，通过对图像的局部调整，实现对光照不均匀鲁棒性，提高细节可辨度，避免高频噪声，普适性强；建立自温故机制，允许神经网络的局部自我监督，不断反思、调整学习参数，充分学习到图像深层语义信息，实现神经网络快速收敛，提高检索精度；采用知识传导机制，提升模型精度、降低模型时延，压缩网络参数，最终得到一个性能强和精度高的学生模型；通过传导机制将浅特征知识作为学习目标，采用VAE变分自编码模型重构深度特征，以此生成学习结果，将学习结果与目标进行度量，完成学习任务。
-
公开(公告)号：CN115330874A
公开(公告)日：2022-11-11
申请号：CN202211070202.4
申请日：2022-09-02
申请人： 中国矿业大学
摘要： 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN113724167A
公开(公告)日：2021-11-30
申请号：CN202111031131.2
申请日：2021-09-03
申请人： 中国矿业大学
IPC分类号： G06T5/00
摘要： 本发明为一种高清视频信息的自适应采集及图像处理方法，方法包括如下步骤：a.对滤波的初始窗口尺寸提前进行计算；b.判断窗口是否达到最大值，对于部分异常噪声点进判断，改进噪声点的检测，对初始窗口尺寸进行更改；c.对窗口达到最大值后，仍无法处理的噪声引入均值滤波器；基于传统的自适应中值滤波算法，在其中加入对初始窗口尺寸提前进行计算、对于部分异常噪声点进判断，改进噪声点的检测标准同时结合部分均值滤波技术完善滤波效果，本方法使得滤波效果满足图像的实时性要求，通过确定最佳窗口尺寸，尽量减少像素点重复排序问题，有效地将高频细节与噪声区分开。
-
公开(公告)号：CN114647760B
公开(公告)日：2024-09-24
申请号：CN202210037094.4
申请日：2022-01-13
申请人： 中国矿业大学
IPC分类号： G06F16/783 , G06F16/75 , G06T5/90 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法，在保证模型实时性的同时，提高小模型检索精度，在精度和效率之间尽可能达到平衡；设置伽马校正模块，通过对图像的局部调整，实现对光照不均匀鲁棒性，提高细节可辨度，避免高频噪声，普适性强；建立自温故机制，允许神经网络的局部自我监督，不断反思、调整学习参数，充分学习到图像深层语义信息，实现神经网络快速收敛，提高检索精度；采用知识传导机制，提升模型精度、降低模型时延，压缩网络参数，最终得到一个性能强和精度高的学生模型；通过传导机制将浅特征知识作为学习目标，采用VAE变分自编码模型重构深度特征，以此生成学习结果，将学习结果与目标进行度量，完成学习任务。
-
公开(公告)号：CN117237190A
公开(公告)日：2023-12-15
申请号：CN202311194024.0
申请日：2023-09-15
申请人： 中国矿业大学
摘要： 本发明公开用于边缘移动设备的轻量化图像超分辨率重建系统及方法，属于图像超分辨率重建技术领域；包括输入模块、浅层特征提取层、多个堆叠蒸馏特征融合像素注意块模块、特征聚合模块、重建模块和输出模块；浅层特征提取层对低分辨率图像提取浅层特征；多个堆叠蒸馏特征融合像素注意块模块是m个以链的方式进行堆叠的DFFPA块，对浅层特征逐步细化提取深层特征；特征聚合模块聚合m个DFFPA块和浅层特征提取层的特征；重建模块经过卷积层和像素重排进行图像重建，得到超分辨率图像；本发明能够减少冗余信息，更加高效地提取图像中的高频信息，通过在像素级别上对不同尺度的特征进行加权融合，网络能够提供更优质的超分辨率重建结果。
-
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
申请人： 中国矿业大学
IPC分类号： G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
摘要： 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.023 秒)
