-
公开(公告)号：CN109272013B
公开(公告)日：2021-09-14
申请号：CN201810879213.4
申请日：2018-08-03
申请人： 天津大学 , 中国电子技术标准化研究院
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于学习的相似性度量方法，包括：给定立体模型的视图，筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系；利用立体模型数据，从每个立体模型中提取空间结构圆形描述符，并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性；选定合适的学习框架，生成初始的学习权重，将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入，通过联合学习框架来学习两种图的最优组合权重，从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。本发明通过提取视图特征信息和立体模型空间结构信息，使得对立体模型的描述更加全面，在相似度量化方面更加准确和科学。
-
公开(公告)号：CN109272013A
公开(公告)日：2019-01-25
申请号：CN201810879213.4
申请日：2018-08-03
申请人： 天津大学 , 中国电子技术标准化研究院
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于学习的相似性度量方法，包括：给定立体模型的视图，筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系；利用立体模型数据，从每个立体模型中提取空间结构圆形描述符，并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性；选定合适的学习框架，生成初始的学习权重，将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入，通过联合学习框架来学习两种图的最优组合权重，从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。本发明通过提取视图特征信息和立体模型空间结构信息，使得对立体模型的描述更加全面，在相似度量化方面更加准确和科学。
-
公开(公告)号：CN109308486A
公开(公告)日：2019-02-05
申请号：CN201810879184.1
申请日：2018-08-03
申请人： 天津大学 , 中国电子技术标准化研究院
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于深度学习的多源图像融合和特征提取算法，包括：将数据库中的每个三维模型置于一个虚拟的正十二面体中，将虚拟相机安置在正十二面体的均匀分布的二十个顶点上，从三维空间的视点中对原始物体进行虚拟拍照，得到单个目标的二十个视图，构成多视图模型数据库；将多视图模型数据库按照7：2：1的比例划分为训练集、测试集和验证集，利用视图姿态标签这一隐变量重新定义损失函数，通过反向传播算法最小化损失函数；在最小化损失函数后，神经网络最后一层通过softmax级联输出单个目标的多个视图，在候选视图姿态标签的约束下所属类别的得分。本发明避免了对特征所处空间的依赖，提高了目标分类的精度。
-
公开(公告)号：CN116821783A
公开(公告)日：2023-09-29
申请号：CN202310467493.9
申请日：2023-04-27
申请人： 天津大学
IPC分类号： G06F18/241 , G06F18/25 , G06F18/21 , G06N3/0442 , G06N3/0464 , G05B23/02
摘要： 本发明公开一种故障检测方法、系统、设备及介质，涉及工业故障分析领域；所述方法，包括：获取目标设备的运行数据；采用设定滑动窗口将运行数据划分为多个目标窗口数据；将多个目标窗口数据输入至故障诊断分类模型中，得到目标设备的故障信息；其中，多层卷积神经网络对多个目标窗口数据进行特征提取，得到各个目标窗口数据对应的目标特征信息数据；多层级双向长短时记忆网络对各个目标特征信息数据进行时序计算，得到多个目标时序特征数据；训练后的分类器对各个目标时序特征数据分别进行注意力机制计算，得到目标的融合特征数据，并根据目标的融合特征数据输出目标设备的故障信息；本发明能够实现故障的准确检测。
-
公开(公告)号：CN116304990A
公开(公告)日：2023-06-23
申请号：CN202310368312.7
申请日：2023-04-09
申请人： 天津大学
IPC分类号： G06F18/25 , G06F18/24 , G06N3/0442 , G06N3/084
摘要： 本发明公开了一种基于时空融合的缺失值鲁棒的故障诊断方法及装置，方法包括：基于时空融合的故障诊断模型，利用数据中的时序关联和传感器间的空间关联信息，使用深度自动编码机进行特征提取，获得使信号重构误差最小的特征提取模型；获取时序序列的时空关联特性，使用对时序关联有记忆能力的长短时神经网络细胞结构，使得所述特征提取模型具有对时空关联进行融合分析的能力；基于融合后的特征提取模型进行故障的检测与分析。装置包括：处理器和存储器。本发明能同时提取传感器网络时序数据广泛存在的时间和空间关联，挖掘出更为鲁棒的主要数据表征，并对这些表征进行分类，本发明可应对传感器网络中常见的缺失值问题对故障诊断系统稳定性的影响。
-
公开(公告)号：CN111325243B
公开(公告)日：2023-06-16
申请号：CN202010079031.6
申请日：2020-02-03
申请人： 天津大学
IPC分类号： G06V20/70 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于区域注意力学习机制的视觉关系检测方法，所述方法包括：获取三元组图结构，并将其聚合邻节点后的特征进行组合，作为第二图结构的节点，依据等概率边进行连接，构成第二图结构；将第二图结构节点特征与对应三元组实体对象节点的特征进行组合，组合后作为视觉注意力机制同时融合两个实体对象所提取的内部区域视觉特征，将其作为三元组中相应实体对象节点进行下一次消息传播时的视觉特征；在一定消息传播次数之后，输出的三元组节点特征和第二图结构的节点特征进行视觉特征组合，以此综合推理对象组之间的谓词。本发明能够识别在不同视觉关系下实体对象所关注的内部区域，从而来提高视觉关系检测的精度。
-
公开(公告)号：CN110069656B
公开(公告)日：2023-03-31
申请号：CN201910240153.6
申请日：2019-03-28
申请人： 天津大学
IPC分类号： G06F16/583 , G06F16/56 , G06N3/0475 , G06N3/048 , G06N3/094
摘要： 本发明公开了一种基于生成对抗网络的二维图片检索三维模型的方法，所述方法包括:将输入的三维模型通过主成分分析进行矫正，将矫正之后的三维模型转化为12张三维模型视角图；利用soft‑attention机制从三维模型视角图中选取特征视图，将选取的特征视图通过对抗网络来转换其模态到真实图片对应的模态，使得模型的特征视图和真实图片具有相同的特征空间；选定欧几里得距离度量方式，进行三维模型相似性度量及检索。本发明将在不同特征空间中的三维模型的特征视图和真实图片转移到同一特征空间下，使得在相似性度量时更加准确和科学。
-
公开(公告)号：CN107194950B
公开(公告)日：2020-06-12
申请号：CN201710287811.8
申请日：2017-04-26
申请人： 天津大学
摘要： 一种基于慢特征分析的多人跟踪方法，包括：采用基于部分的可变形模型方法检测视频中每帧出现的人；获取视频中人的运动轨迹的特征向量；将提取的特征向量作为输入，采用增量慢特征分析方法训练每个轨迹片段的个体传递函数，通过个体传递函数提取每个轨迹片段的慢特征；采用图匹配方法计算轨迹片段间的匹配分数，得到不同轨迹之间的相似性，其中相似性最大的为最佳匹配的轨迹片段，利用最佳匹配轨迹片段更新个体传递函数；重复上述过程，直至测试视频结束；将最佳匹配轨迹片段融合，得到每个跟踪对象的一个轨迹。本发明避免了变化的场景和对象遮挡对轨迹生成可靠性的负面影响，提高了跟踪精度，降低了计算的复杂度。
-
公开(公告)号：CN107066559B
公开(公告)日：2019-12-27
申请号：CN201710201079.8
申请日：2017-03-30
申请人： 天津大学
IPC分类号： G06F16/583 , G06K9/62
摘要： 本发明公开了一种基于深度学习的三维模型检索方法，包括：将任意类型图片与特征提取器逐通道卷积，对卷积结果取绝对值进行矫正，并进行局部对比度归一化，对每张图片进行平均池化，得到每张图片的单层卷积神经网络结果；对卷积神经网络输出低阶特征以预设尺寸进行分块，每块聚合成一个父向量，最终将输出矩阵聚合成一个向量；每幅图片用多特征表示，将多特征串联，作为图片输出特征；对提取的输出特征采用基于视图的三维模型检索算法，对被查模型和已有模型进行匹配，计算被查模型和已有模型的相似度进行排序，得到最终的检索结果。本发明避免了采集图像特征时对特定类型图像依赖，消除了不同图像对人工设计特征限制，提高了多视图目标检索精度。
-
公开(公告)号：CN106934755B
公开(公告)日：2019-09-20
申请号：CN201710129096.5
申请日：2017-03-06
申请人： 天津大学
IPC分类号： G06T1/00
摘要： 本发明公开了一种基于m序列的图像加解密方法，所述图像加解密方法包括以下步骤；通过序列的初始状态与本原多项式构造出与各子带大小相同的m序列作为密钥序列；采用基于比特平面的加密算法和基于不重要比特平面的加密算法，按照分辨率渐进的顺序对各子带进行加密，实现对数字图像的完全加密和保留轮廓信息的选择性加密；采用基于比特平面的解密算法和基于不重要比特平面的解密算法对加密后的图像进行解密，通过小波逆变换重建原始图像。本发明采用m序列作为密钥序列，使得算法结构简单，易于实现；所提出的方法具有很强的适应性，可以用于处理灰度图像的加解密问题。
-
-
-
-
-
-
-
-
-
搜索结果
95 条记录 (耗时 0.041 秒)
