-
公开(公告)号：CN118171000A
公开(公告)日：2024-06-11
申请号：CN202410280679.8
申请日：2024-03-12
Applicant: 中北大学 , 山西文旅集团信息技术有限公司
IPC: G06F16/9537 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种融合人群移动轨迹和时空‑类别的POI推荐方法，属于大数据分析技术领域。针对不能有效建模用户共同轨迹、对时空特征的挖掘不够充分的问题，依据大批量用户的运动轨迹，构建整个区域的轨迹图，通过提出的门控图卷积神经网络对共同轨迹进行建模，同时将用户签到序列中的时空和类别信息进行多维度的特征融合，并利用自注意力机制捕获用户偏好，从而为用户提供准确的下一个POI推荐。
-
公开(公告)号：CN117635488A
公开(公告)日：2024-03-01
申请号：CN202311604390.9
申请日：2023-11-28
Applicant: 中北大学
IPC: G06T5/77 , G06T5/60 , G06V20/64 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合通道剪枝和通道注意力的轻量型点云补全方法，属于计算机视觉技术领域。针对现有网络对点云局部信息的忽视和推理时间过长的问题。为了提高网络推理效率，采用一种高效的一次性通道剪枝技术提高网络的补全效率；在特征提取阶段网络加入通道注意力模块，将加权特征与全局特征拼接，通过两层多维特征信息提取，得到最终的特征向量；将特征向量传入双解码器结构中，分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值；将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集上进行实验，实验结果表明在补全缺失车辆信息的实时性上有着显著的提升，并且在补全精度上也有不错的表现。
-
公开(公告)号：CN117541795A
公开(公告)日：2024-02-09
申请号：CN202311694184.1
申请日：2023-12-12
Applicant: 中北大学
Abstract: 本发明公开了一种注意力机制结合双图卷积的点云分割网络，属于计算机视觉技术领域。针对动态图卷积局部特征表征不足、全局信息利用不充分的问题，通过在动态图的基础上，利用K近邻算法通过点云的几何距离构造静态图，将动态图与静态图结合为双图结构，弥补动态图几何位置关系利用不充分的缺陷；使用边卷积提取双图结构的边特征，利用注意力池化结合最大池化与平均池化操作，进一步增强局部特征的捕获能力；其次引入通道注意力模块和空间自注意力模块改善全局特征表征能力，提升网络语义分割精度。
-
公开(公告)号：CN116313134A
公开(公告)日：2023-06-23
申请号：CN202211566248.5
申请日：2022-12-07
Applicant: 中北大学
Abstract: 本发明属于流行病监测技术领域，具体涉及一种基于百度指数与机器学习的流感趋势预测方法。针对现有流感预测方法仅使用历史时间序列信息进行预测，而忽略了相邻区域的空间相关性和不同时间段的时间相关性的影响，并且流感预测方法多集中于使用多元线性回归方法进行预测等问题，本发明首先试图挖掘与流行性感冒相关的重要关键词，对关键词进行初筛，并通过分析各关键词与流感样病例数的时滞相关性，对关键词进一步过滤；其次，基于确定的不同类型关键词和ILI％，通过考虑相邻地区间流感传播的影响，构建流感预测模型；最后，选用XGBoost方法对所建模型进行预测，得到符合南方地区的流感预测模型。
-
公开(公告)号：CN113822933A
公开(公告)日：2021-12-21
申请号：CN202111056444.3
申请日：2021-09-09
Applicant: 中北大学
Abstract: 本发明属于机器人视觉技术领域，具体涉及一种基于ResNeXt的智能机器人抓取方法。为克服现有抓取技术不能在检测速度和精度取得平衡的缺点，本发明生成真值图时，将标注按角度分类，高斯化的抓取质量图，构建的深度学习网络模型包括两次下采样、堆叠多次ResNeXt组成的的瓶颈层、两次上采样和并行的卷积构成的输出，得到输出后与对应真值图一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将拍摄到的深度图像输入到训练好的深度网络模型得到像素级预测输出，将像素级预测输出转换至机器人坐标抓取，利用机器人操作系统执行抓取。
-
Patent Agency Ranking
公开(公告)号：CN108628455B
公开(公告)日：2021-10-15
申请号：CN201810454070.2
申请日：2018-05-14
Applicant: 中北大学
IPC: G06F3/01 , G06F3/0488 , G06K9/00
Abstract: 本发明属于虚拟沙画绘制方法技术领域，具体涉及一种基于触摸屏手势识别的虚拟沙画绘制方法。本发明主要为解决真实沙画绘制受限于经费，师资力量、设备等因素，目前沙画表演的教学与介绍多为小规模的培训班模式，培训学习费用较为昂贵，且由于需要专业的绘制设备，导致难于练习，相较于传统绘画，其参与门槛较高，推广较为困难的问题。本发明利用PQ Labs G4S触摸屏获取触摸位置信息，分析接触类沙画绘制手势，构建图形结构描述手势特征，采用图嵌入方法将其描述为特征向量进而对触摸手势进行分类识别，同时结合Unity3D强大的渲染功能，以像素模拟沙粒构建沙画绘制笔刷，最终实现虚拟沙画的绘制。
-
公开(公告)号：CN112907602A
公开(公告)日：2021-06-04
申请号：CN202110121359.4
申请日：2021-01-28
Applicant: 中北大学
Abstract: 本发明公开了一种基于改进K‑近邻算法的三维场景点云分割方法，属于机器视觉技术领域。为优化局部特征提取网络，提高点云模型的分割精度，在深度神经网络PointNet基础上，结合改进K‑近邻算法的局部特征提取方法，将加入局部特征提取方法的神经网络命名为PointNet‑KNN。本发明以点的k邻域特征代替单个点特征作为输入进行特征提取，通过调节局部特征提取的网络深度，增强了局部邻域点与点之间的相互关联。在K‑近邻算法的改进上，本发明对局部邻域划分区域，将其划分为k个圆形邻域，根据局部邻域样本数据分布密度的差异计算待测点对于k个圆形邻域的加权分类情况，从而对待测点精准分类，最后将改进的K‑近邻算法应用于PointNet‑KNN点云分割网络具有更高的分割精度。
-
公开(公告)号：CN119649453A
公开(公告)日：2025-03-18
申请号：CN202411716074.5
申请日：2024-11-27
Applicant: 中北大学
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种结合多尺度特征和双向时间的人群异常行为检测方法，属于计算机视觉技术领域。针对现有方法仅利用卷积神经网络提取单一尺度特征时，会造成不同尺度特征提取不足，同时，忽略了对反向时间信息有效提取的问题，通过在编码器中加入全局跨通道特征提取模块提取全局上下文特征，在编码器与解码器之间加入结合双分支操作的多尺度特征融合模块提取不同尺度下视频帧的局部空间信息和全局语义表示，并将其进行有效结合，同时加入双向卷积长短时记忆模块，充分利用正向和逆向时间信息以提高检测性能，提高网络整体检测精度，广泛适用于视频中的人群异常行为检测。
-
公开(公告)号：CN116088495A
公开(公告)日：2023-05-09
申请号：CN202211416730.0
申请日：2022-11-14
Applicant: 中北大学
IPC: G05D1/02
Abstract: 本发明属于强化学习领域，具体涉及一种室内移动机器人强化学习导航方法，为解决在复杂环境复杂奖励的情况下，智能体导航中的样本利用率低以及导航成功率不高的问题，本发明在D3QN算法基础上，引入优势后见经验回放算法和分层强化学习结构。首先，通过比较不同轨迹点的优势函数来选择新目标点，拥有最大优势函数的轨迹点作为新目标点，根据新目标点，对轨迹样本重新标记并存入经验池中。然后，在分层强化学习的结构下，训练智能体在复杂的环境下学习，顶层智能体负责学习大范围的路径规划，底层智能体负责导航到子目标，最后实现到总目标点的导航。
-
公开(公告)号：CN114332172A
公开(公告)日：2022-04-12
申请号：CN202111198375.X
申请日：2021-10-14
Applicant: 中北大学
IPC: G06T7/33 , G06T17/20 , G06K9/62 , G06V10/46 , G06V10/74 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种基于协方差矩阵改进的激光点云配准方法，属于图形学三维重建技术领域。本发明通过采用张量投票与ISS相结合的关键点提取方法，使其具有一定的抗噪性，同时可剔除部分边界点降低误匹配率。特征描述符的构建需要充分包含点云的邻域信息，且不易受平移旋转的影响，具有鲁棒性。协方差矩阵描述子是一种可以充分描述邻域信息的描述子，角度量不受平移旋转的影响，是构建特征描述向量的极佳选择。本发明结合特征直方图中三维坐标系的建立方法，构建一个包含角度量与曲率信息的协方差矩阵，特征匹配使用双向最近距离法，降低误匹配率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.029 seconds)
