公开(公告)号：CN115272167A

公开(公告)日：2022-11-01

申请号：CN202210545711.1

申请日：2022-05-19

Applicant: 北京科技大学 ,  北京科技大学顺德研究生院

Inventor： 马博渊 ,  赵基淮 ,  班晓娟 ,  王笑琨

IPC: G06T7/00 ,  G06T7/33 ,  G06T5/50

Abstract: 本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。

公开(公告)号：CN118447040A

公开(公告)日：2024-08-06

申请号：CN202410450720.1

申请日：2024-04-15

Applicant: 北京科技大学 ,  北京科技大学顺德创新学院

Inventor： 班晓娟 ,  尚善蒲 ,  马博渊 ,  刘楚妮

IPC: G06T7/12 ,  G06T7/187 ,  G06T7/194 ,  G06N3/08

Abstract: 本发明公开了一种基于骨架感知和拓扑错误识别的边缘图像分割方法及装置，属于图像处理技术领域，该方法包括：获取待分割图像及其标注图和预测图；利用标注图，筛选出预测图中的假阳结果和假阴结果；计算标注图和预测图的骨架信息；利用骨架信息从假阳结果和假阴结果中提取拓扑关键像素；构建边界矫正项损失，以对拓扑关键像素和非拓扑关键像素施加不同的惩罚；将边界矫正项损失与类别损失结合作为损失函数，对图像分割模型进行训练，优化图像分割模型的参数。本发明可解决现有技术中难以定位拓扑关键像素的问题，并通过在损失函数中增加拓扑关键像素的权值，提高了边界分割的准确性。

公开(公告)号：CN118013809B

公开(公告)日：2024-11-19

申请号：CN202410102321.6

申请日：2024-01-24

Applicant: 北京科技大学

Inventor： 王笑琨 ,  王千伟 ,  班晓娟 ,  徐衍睿 ,  张雅斓 ,  郭宇 ,  李若兰

IPC: G06F30/25 ,  G06F30/28 ,  G06T13/60 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明涉及计算流体动力学领域，特别是指一种实时气液耦合仿真方法及装置，方法包括：获取待仿真的气液耦合系统；对气液耦合系统进行离散化处理，得到粒子；其中，粒子包括气体粒子、液体粒子以及边界粒子；根据液体粒子、边界粒子、纳维‑斯托克斯方程以及基于位置的动力学方法，建立液体动力学模型；根据气体粒子，建立气体动力学模型，根据液体动力学模型以及气体动力学模型，得到实时气液耦合仿真结果。本发明能有效提升气液耦合仿真的实时性能和仿真的高度真实感，适用于大规模需要实时多相流动态模拟的任务。

公开(公告)号：CN117960396A

公开(公告)日：2024-05-03

申请号：CN202311744476.1

申请日：2023-12-18

Applicant: 北京科技大学 ,  赞比亚中色非洲矿业有限责任公司

Inventor： 班晓娟 ,  谭靖 ,  姚高辉 ,  李潇睿 ,  袁兆麟 ,  刘先春 ,  秦帅 ,  李小松

IPC: B03D1/14 ,  G06N3/0499 ,  G06N3/092

Abstract: 本发明涉及矿物浮选技术领域，特别是指一种基于物理信息强化学习的浮选多槽联动控制方法及装置，方法包括：获取待控制的多浮选槽系统的关键物理参数；将关键物理参数输入到训练好的物理信息预测网络，得到物理信息预测网络的输出特征，根据输出特征以及关键物理参数，得到物理信息状态表示；根据物理信息状态表示，构建多浮选槽系统中每个浮选槽的深度Q网络；根据每个浮选槽的深度Q网络，构建多浮选槽间的多智能体强化学习协同控制策略，得到浮选多槽联动控制结果。本发明中，不同浮选槽之间的具体连接关系，被直接输入到多智能体系统的控制中，实现精准的浮选槽间联动控制。提供了一种有效、精确和自适应的方式来优化浮选多槽的控制过程。

公开(公告)号：CN117593522A

公开(公告)日：2024-02-23

申请号：CN202311462401.4

申请日：2023-11-03

Applicant: 北京科技大学顺德创新学院

Inventor： 班晓娟 ,  陈湧锋 ,  马博渊 ,  刘楚妮

IPC: G06V10/26 ,  G06V10/28 ,  G06V10/44 ,  G06V10/46 ,  G06T5/80 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于拓扑关键错误识别的边缘矫正损失的图像分割方法，包括：获取标注好的金相图像数据集；利用所述金相图像数据集对预设的基于机器学习算法的图像分割模型进行训练；其中，在对基于机器学习算法的图像分割模型进行训练时，通过计算基于拓扑关键错误识别的边缘矫正损失项，将所述边缘矫正损失项与损失函数相加，获得损失值，并根据所述损失值实现所述图像分割模型的参数的优化；利用训练好的图像分割模型对待分割的金相图像进行分割，得到分割结果。本发明方案可降低图像分割应用中的分割错误率。

公开(公告)号：CN112241940B

公开(公告)日：2023-12-19

申请号：CN202011036730.9

申请日：2020-09-28

Applicant: 北京科技大学

Inventor： 班晓娟 ,  郑智予 ,  印象 ,  马博渊 ,  黄海友

IPC: G06F7/544

Abstract: 本发明公开了一种多张多聚焦图像融合方法，属于图像处理和人工智能技术领域。包括：用图像特征提取算法提取待融合图像集中所有图像的特征，并选择任意二张图像的特征作为第一级基线特征和第二级基线特征；采用图像特征融合算法分别将第一级基线特征与待融合图像集中其余图像的特征进行特征融合，并形成多张聚焦水平图；采用矫正算法，基于第一级基线特征和第二级基线特征形成的聚焦水平图，矫正其余聚焦水平图，并将矫正后的多张聚焦水平图拼合成聚焦水平集；采用决策算法将聚焦水平集换算成决策图；采用图像像素融合算法，基于决策图，将待融合图像集中的所有图像融合成最终的单张融合结果。采用本发明，可以提高多张多聚焦图像融合的效率。

公开(公告)号：CN117056590A

公开(公告)日：2023-11-14

申请号：CN202310889756.5

申请日：2023-07-20

Applicant: 北京科技大学

Inventor： 姚超 ,  李昌晟 ,  班晓娟 ,  刘泓君 ,  庄源 ,  费行健 ,  于明鑫

IPC: G06F16/9535 ,  G06V40/20 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于交互意图感知的野外意外伤救治方案推荐方法及系统，涉及人机交互技术领域。包括：手势识别模块对获取的输入图像进行识别，得到手势分类结果；伤情识别模块对手势分类结果进行识别，得到伤情识别结果；救治方案推荐模块根据伤情识别结果进行救治方案推荐；其中，救治方案推荐模块包括基于用户的协同过滤算法网络以及基于救治方案的协同过滤算法网络。本发明通过基于交互意图感知的多模态手势识别算法与基于协同过滤的推荐算法实现野外意外伤救治方案推荐系统，通过交互方式来快速、准确地了解伤患情况，提供针对性的救治建议，对于保障人们在野外场景下的安全和健康具有极为重要的现实意义和实践价值。

公开(公告)号：CN117034724A

公开(公告)日：2023-11-10

申请号：CN202310927403.X

申请日：2023-07-26

Applicant: 北京科技大学

Inventor： 班晓娟 ,  周湘洋 ,  刘斯诺 ,  王笑琨 ,  曾浩恺

IPC: G06F30/25 ,  G06F30/28 ,  G06T17/00 ,  G06F113/08 ,  G06F111/04 ,  G06F119/14

Abstract: 本发明公开了一种目标驱动控制流体模拟方法及系统，所述方法包括：对待模拟的目标进行三维建模，得到目标模型；对目标模型进行采样，将目标模型采样成在空间中均匀分布的点；其中，在对目标模型进行采样时，根据目标模型的整体均匀程度，将目标模型分为不同类型的模型，并针对不同类型的模型采用不同的采样方式；将采样得到的点作为控制流体的点，放置到流体的环境中，并基于采样方式对采样得到的点施加多种约束，通过多种约束驱动流体形成目标的形状。本发明的方案按照目标驱动控制流体的方法驱动流体生成目标，可视化流体驱动的环境，通过基于位置的不可压缩约束模型模拟驱动产生动力学交互，可以为影视、辅助医疗实现一个直观的流体流动过程。

公开(公告)号：CN116681934A

公开(公告)日：2023-09-01

申请号：CN202310631202.5

申请日：2023-05-30

Applicant: 北京科技大学

Inventor： 班晓娟 ,  郭灿城 ,  马博渊

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于多分支网络的图像分析方法及系统，涉及智慧医疗技术领域。包括：获取多任务数据及标注；构建多分支图像识别网络模型，该模型包括特征提取主分支、关键点提取分支、图像分割分支和目标检测分支；利用形态感知损失函数训练所述多分支图像识别网络模型。该方法相对于先进行目标检测再进行图像分割或关键点识别的两阶段网络，具有更快的运算速度，即在不增加网络个数以及大量识别时间的情况下，使用单个神经网络完成对多个视觉识别任务的分析，且不会对识别结果造成准确度上的损失。

公开(公告)号：CN111784595B

公开(公告)日：2023-08-29

申请号：CN202010525632.5

申请日：2020-06-10

Applicant: 北京科技大学 ,  中国人民解放军总医院海南医院

Inventor： 班晓娟 ,  白广栋 ,  姜淑芳 ,  马博渊 ,  王宇 ,  杨星

IPC: G06T5/00 ,  G06N3/04 ,  G06N20/00

Abstract: 本发明提供一种基于历史记录的动态标签平滑加权损失方法及装置，属于图像处理技术领域。所述方法包括：S1，为每个图像分别建立一个固定长度的历史队列，其中，历史队列中的初始值为相应图像真实的标签类别；S2，在机器学习模型每次迭代训练时，根据历史队列计算相应的图像属于真实类别和属于其他类别的权重，并将得到的权重与交叉熵函数相结合计算损失，以优化所述机器学习模型；S3，在每次迭代训练完成后，利用所述机器学习模型预测到的每个图像所属的类别更新相应的历史队列并返回S2继续迭代，直至训练完成。采用本发明，能够解决分类任务中因各类别间存在相似性而导致机器学习模型识别准确率低的问题。