-
公开(公告)号:CN110263868A
公开(公告)日:2019-09-20
申请号:CN201910553727.5
申请日:2019-06-24
申请人: 北京航空航天大学
摘要: 本申请提供了一种基于SuperPoint特征的图像分类网络。该所述基于SuperPoint特征的图像分类网络包括编码层、解码层和全连接层,所述编码层,用于对输入的待分类图像进行编码,输出目标特征图,并将所述目标特征图输入至所述解码层;所述解码层,用于对输入的所述目标特征图进行特征描述,得到所述待分类图像的特征描述子,并将所述特征描述子输入所述全连接层;所述全连接层,用于对输入的所述特征描述子进行分类,得到所述待分类图像的分类结果。本申请能够实现在减少训练参数的前提下实现复杂图像的分类的技术效果。
-
公开(公告)号:CN114154576A
公开(公告)日:2022-03-08
申请号:CN202111471191.6
申请日:2021-12-03
申请人: 北京航空航天大学
摘要: 本发明公开了一种基于混合监督的特征选择模型训练方法及系统,涉及计算机视觉技术领域,本发明使用图像语义信息和图像特征的注意力信息对特征选择模型的训练提供混合监督作用。基于该训练方法训练特征选择模型,进而将该模型用于图像检索,能够准确地检索出数据库中与输入的检索图像相匹配的历史图像。本发明的训练方法结合了语义信息和注意力信息进行混合优化,优化方法更易收敛,适用于不同特征的特征选择模型,模型预测的准确性更好。
-
公开(公告)号:CN110245639B
公开(公告)日:2021-03-02
申请号:CN201910539934.5
申请日:2019-06-21
申请人: 北京航空航天大学
摘要: 本申请提供了一种基于特征匹配的词袋生成方法及装置,其中,该方法包括:获取针对目标环境进行拍摄的二维图像视频流,其中,目标环境为目标设备在进行同时定位与建图SLAM时构建的地图所对应的环境;利用特征提取算法,提取二维图像视频流中各图像帧的目标特征关键点的特征描述子,其中,提取的二维图像视频流中每个图像帧的目标特征关键点的数量至少为一个;按照二维图像视频流中各图像帧的先后顺序,对二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点;将各叶子节点和叶子节点的数量作为输入参数,输入到文本聚类模型中,以构建出词袋,通过上述方法,有利于降低得到词袋所消耗的时长。
-
公开(公告)号:CN111904407A
公开(公告)日:2020-11-10
申请号:CN202010963025.7
申请日:2020-09-14
申请人: 北京航空航天大学
摘要: 本申请提供了一种心率信号处理装置及心率检测装置,心率信号处理装置包括:信号预处理模块和心率计算模块;心率计算模块包括:第一预设数量的延时电路、单脉冲产生电路、设定定时时间的定时电路和计数电路;其中,第一预设数量与定时时间满足预设数学关系;信号预处理模块对传感器采集的PPG信号进行预设处理,得到方波信号,并通过心率计算模块中的延时电路对方波信号的延时处理,得到多路相位各异的方波信号;心率计算模块通过单脉冲产生电路将多路方波信号转换为多路脉冲信号,并通过计数电路统计定时电路对应的定时时间内的脉冲信号数量,得到心率值。本申请能够在降低成本的同时实现快速心率检测。
-
公开(公告)号:CN110245639A
公开(公告)日:2019-09-17
申请号:CN201910539934.5
申请日:2019-06-21
申请人: 北京航空航天大学
摘要: 本申请提供了一种基于特征匹配的词袋生成方法及装置,其中,该方法包括:获取针对目标环境进行拍摄的二维图像视频流,其中,目标环境为目标设备在进行同时定位与建图SLAM时构建的地图所对应的环境;利用特征提取算法,提取二维图像视频流中各图像帧的目标特征关键点的特征描述子,其中,提取的二维图像视频流中每个图像帧的目标特征关键点的数量至少为一个;按照二维图像视频流中各图像帧的先后顺序,对二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点;将各叶子节点和叶子节点的数量作为输入参数,输入到文本聚类模型中,以构建出词袋,通过上述方法,有利于降低得到词袋所消耗的时长。
-
公开(公告)号:CN114168783B
公开(公告)日:2024-07-02
申请号:CN202111471189.9
申请日:2021-12-03
申请人: 北京航空航天大学
IPC分类号: G06F16/583 , G06F16/55 , G06N3/0464 , G06N3/08 , G06T7/73 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82
摘要: 本发明公开了一种基于记忆库机制的多场景位姿回归方法及系统,涉及深度学习技术领域。具体步骤包括如下:将图像输入至训练好的位姿回归模型中,得到所述图像的描述特征和定位特征;根据所述描述特征从记忆库中检索相关场景中的记忆特征;利用所述记忆特征增强处理所述定位特征,得到第一特征;将所述第一特征输入至位姿估计网络中,得到当前图像的相机位姿。本发明提出了一种模拟人类记忆机制的多场景位姿回归模型,利用记忆库分辨并记忆各场景的特征信息,实现在多个场景下准确定位。
-
公开(公告)号:CN114154576B
公开(公告)日:2024-07-02
申请号:CN202111471191.6
申请日:2021-12-03
申请人: 北京航空航天大学
IPC分类号: G06V10/774 , G06V10/75 , G06V10/40 , G06V20/52 , G06V10/26 , G06N3/0464 , G06V10/82 , G06N3/09
摘要: 本发明公开了一种基于混合监督的特征选择模型训练方法及系统,涉及计算机视觉技术领域,本发明使用图像语义信息和图像特征的注意力信息对特征选择模型的训练提供混合监督作用。基于该训练方法训练特征选择模型,进而将该模型用于图像检索,能够准确地检索出数据库中与输入的检索图像相匹配的历史图像。本发明的训练方法结合了语义信息和注意力信息进行混合优化,优化方法更易收敛,适用于不同特征的特征选择模型,模型预测的准确性更好。
-
公开(公告)号:CN114168783A
公开(公告)日:2022-03-11
申请号:CN202111471189.9
申请日:2021-12-03
申请人: 北京航空航天大学
IPC分类号: G06F16/583 , G06F16/55 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/73 , G06V10/774 , G06V10/764
摘要: 本发明公开了一种基于记忆库机制的多场景位姿回归方法及系统,涉及深度学习技术领域。具体步骤包括如下:将图像输入至训练好的位姿回归模型中,得到所述图像的描述特征和定位特征;根据所述描述特征从记忆库中检索相关场景中的记忆特征;利用所述记忆特征增强处理所述定位特征,得到第一特征;将所述第一特征输入至位姿估计网络中,得到当前图像的相机位姿。本发明提出了一种模拟人类记忆机制的多场景位姿回归模型,利用记忆库分辨并记忆各场景的特征信息,实现在多个场景下准确定位。
-
-
-
-
-
-
-