-
公开(公告)号：CN120014246A
公开(公告)日：2025-05-16
申请号：CN202510242469.4
申请日：2025-03-03
Applicant: 石家庄铁道大学
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于Transformer的多视角图像目标检测方法，涉及图像处理方法技术领域。所述方法包括如下步骤：首先，对输入的左相机的图像和右相机的图像通过主干网络提取多尺度特征，主干网络之间参数共享；随后，将提取的图像多尺度特征输入到多视角图像目标检测模块之中进行处理，多视角图像目标检测模块包括两大部分：混合编码器模块和特征查询模块，依次进行编码操作以生成图像特征序列，以及特征查询对序列进行筛选，生成更具有语义信息的新图像特征序列；最后，通过基于Transformer的解码器以及检测头，用于进行解码操作和最终预测，得到多视角下的图像检测结果。所述方法能够得到更为丰富精细的图像特征序列，更多的关注高尺度特征，并更好地开展检测。
-
公开(公告)号：CN119722741A
公开(公告)日：2025-03-28
申请号：CN202411840657.9
申请日：2024-12-13
Applicant: 石家庄铁道大学 , 石家庄步沐电子有限公司
Abstract: 本发明公开了一种基于轨迹引导的多目标跟踪方法，所述方法包括如下步骤：通过目标检测器对视频帧进行检测，获取目标人物的外观信息和位置信息，同时保留高置信度检测框和低置信度检测框，初始化轨迹；根据轨迹位置信息对下一帧中目标人物位置进行预测，卡尔曼滤波器预测阶段使用校正后的状态向量和协方差矩阵；根据运动相似性、外观相似性和速度方向计算代价矩阵将高置信度检测框与所有目标候选框进行第一次匹配，之后利用运动相似性和速度方向计算代价矩阵将未匹配的目标候选框和低置信度检测框之间执行第二次匹配；对匹配结果进行统一管理，输出目标轨迹信息。本发明能够实现端到端的多目标跟踪算法，提升跟踪的实时率和准确率。
-
公开(公告)号：CN115830643A
公开(公告)日：2023-03-21
申请号：CN202310130976.X
申请日：2023-02-17
Applicant: 石家庄铁道大学
Abstract: 本发明公开了一种姿势引导对齐的轻量行人重识别方法，所述方法包括以下步骤：使用主干网络和显著区域提取聚焦行人图像关键区域进行特征增强并得到全局特征；使用姿势估计算法进行行人图像的关键点检测并获取关键点局部特征；通过特征聚合模块对关键点局部特征进行聚合和对齐，并使用全局特征进行特征弥补；通过交叉图匹配模块，对输入行人图像的特征进行匹配，得到图像相互匹配的区域，并将得到的特征计算相似度；构建损失函数，对网络参数进行迭代优化；进行相似性度量，输出匹配列表。本发明高效地提取了行人图像的鲁棒的特征，有效的解决了特征非对齐问题，在保持模型参数量的同时达到了优异的行人重识别性能。
-
公开(公告)号：CN119919616A
公开(公告)日：2025-05-02
申请号：CN202510217683.4
申请日：2025-02-26
Applicant: 石家庄铁道大学
IPC: G06T19/20 , G06N3/042 , G06N3/045 , G06N3/0464 , G06T3/4038 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于图卷积的级联细化三维点云补全方法，涉及图像处理方法技术领域。所述方法包括如下步骤：首先，在粗点云生成模块中采用双路径结构提取残缺点云#imgabs0#的全局特征和局部特征，经处理后生成融合特征；其次，利用全连接层对融合特征进行预测，输出粗点云#imgabs1#；再次，将融合特征和粗点云#imgabs2#输入到细化点云生成模块进行特征拼接，对拼接后的特征进行处理得到精细的完整点云#imgabs3#。所述方法能够有效生成细节丰富且分布均匀的完整点云，提升了补全效果的精度和真实性。
-
公开(公告)号：CN119693862A
公开(公告)日：2025-03-25
申请号：CN202510209492.3
申请日：2025-02-25
Applicant: 石家庄铁道大学
IPC: G06V20/40 , G06V10/74 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开了一种基于对比学习和注意驱动对抗网络的无监督视频摘要生成方法。所述方法包括：读取视频帧序列，并利用特征提取器提取帧级视觉特征；将帧级视觉特征输入视频摘要生成模型，通过模型生成每个帧的重要性得分向量；构建目标函数，优化帧选择器的选择准确性，并结合生成对抗网络的判别器，迭代优化模型参数，使得视频摘要生成模型能够从无标签视频中有效学习帧的重要性和时序特征；最后，利用上述训练得到的视频摘要生成模型，根据重要性预测得分，选择出最具代表性的帧，并生成最终的视频摘要。所提方法可以有效地捕获视频关键帧的多样性和代表性，并且建模视频序列中长距离时间依赖。
-
Patent Agency Ranking
公开(公告)号：CN116681729B
公开(公告)日：2024-01-26
申请号：CN202310704417.5
申请日：2023-06-14
Applicant: 石家庄铁道大学 , 北京理工大学唐山研究院 , 石家庄三胖科技有限公司
Abstract: 所述方法能够在严重遮挡情况下实现多目标跟本发明公开了一种基于轨迹预测的抗遮挡 踪。多目标跟踪方法，涉及图像处理方法技术领域。所述方法包括如下步骤：通过轨迹预测得到目标预测框，进行一般场景下多目标跟踪，作为第一次关联匹配；若第一次关联匹配得分达到预设的阈值，则完成本次跟踪任务；若第一次关联匹配得分未达到预设的阈值，则再进行第二次关联匹配；第二次关联匹配用于针对严重遮挡及完全遮挡的情况，通过使用基于邻边图关系的二次多目标跟踪方法进行关联匹配；若两次关联匹配均未
-
公开(公告)号：CN116934972A
公开(公告)日：2023-10-24
申请号：CN202310925356.5
申请日：2023-07-26
Applicant: 石家庄铁道大学
IPC: G06T17/00 , G06N3/08 , G06N3/0464
Abstract: 本发明为一种基于双流网络的三维人体重建，属于图像处理技术领域，提取图片特征网络，将图像I作为网络的输入，以残差网络作为特征提取器，将图像I转换为图像特征A；三维关节点预测网络，从图像I中选择与与SMPL参数位置相似的二位关节点J2D，通过全连接层，将二位关节点J2D与全连接层输出合并为三维关节点J3D；迭代回归网络，输入图像特征A、三维关节点J3D及SMPL模板形状参数β0、姿势参数θ0和初始相机参数C0，用三个全连接网络连接W0，生成对应维度的三个分量用形状参数β0、姿势参数θ0和初始相机参数C0逐位相加得到第一阶段输出形状参数β1、姿势参数θ1和初始相机参数C1，以此类推，得到β3、姿势参数θ3和初始相机参数C3，应用本方法可以降低误差，具有更好的预测效果。
-
公开(公告)号：CN114662652A
公开(公告)日：2022-06-24
申请号：CN202210155520.4
申请日：2022-02-21
Applicant: 石家庄铁道大学
IPC: G06N3/04 , G06N3/08 , G06F16/951
Abstract: 本发明公开一种基于多模态信息学习的专家推荐方法，爬取网络专家信息数据和项目信息数据，并整理现有专家库中的专家信息数据；构建专家评审异构图和专家属性异构图；bert模型对专家的文本信息进行学习，图神经网络对专家的属性异构图进行学习，搭建自注意力推荐模型对专家历史评审序列进行学习，将学习到的嵌入输入融合层得到专家信息嵌入，得到预训练模型；用预训练模型提取专家信息嵌入，对项目信息编码获得项目信息嵌入，将获得的专家属性表示与项目信息表示输入多层感知机对模型训练，得到专家与项目的推荐分数。本发明将丰富的语义和属性信息充分融入到专家的嵌入和模型参数中，提升专家推荐的准确率。
-
公开(公告)号：CN119476933A
公开(公告)日：2025-02-18
申请号：CN202411493191.X
申请日：2024-10-24
Applicant: 石家庄铁道大学 , 中国国家铁路集团有限公司 , 中国铁路建设管理有限公司
IPC: G06Q10/0635 , G06Q50/08 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种基于可控度的铁路隧道施工安全风险管控综合预警方法，包括以下步骤：构建铁路隧道施工安全风险管控综合预警平台；铁路隧道施工安全风险管控综合预警平台包括基于监控量测的施工安全风险状态评估模块、基于隐患排查的安全风险管控水平评估模块以及基于关联分析的安全风险管控综合预警评估模块。本发明在风险辨识和风险评估的基础上，着眼提高安全风险管控水平的视角，在对施工现场安全管理工作常态运行数据进行采集基础上，构建了基于风险可控度的安全风险综合预警决策模型，及时发现施工安全风险管理中的问题和不足并预警，从根本上消除安全隐患、预防事故发生，为制定更有针对性的风险分级管控方案提供决策支持。
-
公开(公告)号：CN116934972B
公开(公告)日：2024-09-17
申请号：CN202310925356.5
申请日：2023-07-26
Applicant: 石家庄铁道大学
IPC: G06T17/00 , G06N3/08 , G06N3/0464
Abstract: 本发明为一种基于双流网络的三维人体重建，属于图像处理技术领域，提取图片特征网络，将图像I作为网络的输入，以残差网络作为特征提取器，将图像I转换为图像特征A；三维关节点预测网络，从图像I中选择与与SMPL参数位置相似的二位关节点J2D，通过全连接层，将二位关节点J2D与全连接层输出合并为三维关节点J3D；迭代回归网络，输入图像特征A、三维关节点J3D及SMPL模板形状参数β0、姿势参数θ0和初始相机参数C0，用三个全连接网络连接W0，生成对应维度的三个分量用形状参数β0、姿势参数θ0和初始相机参数C0逐位相加得到第一阶段输出形状参数β1、姿势参数θ1和初始相机参数C1，以此类推，得到β3、姿势参数θ3和初始相机参数C3，应用本方法可以降低误差，具有更好的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.036 seconds)
