-
公开(公告)号:CN105430406A
公开(公告)日:2016-03-23
申请号:CN201510883301.8
申请日:2015-12-04
Applicant: 中国矿业大学
IPC: H04N19/30
CPC classification number: H04N19/51
Abstract: 本发明提供一种分布式视频编码框架,包括:基本视点、增强视点、Wyner‐Ziv编码器、Wyner‐Ziv解码器、第一帧内编码器、第一帧内解码器、时间边信息生成模块、第二帧内编码器、第二帧内解码器、空间边信息生成模块、融合模块、重构模块;其中,基本视点、增强视点为采集设备,Wyner‐Ziv编码器与解码器、第一帧内编码器与解码器、第二帧内编码器与解码器分别对第一Wyner‐Ziv帧、第一关键帧、第二关键帧编码与解码;时间边信息生成模块、空间边信息生成模块分别生成时间边信息帧、空间边信息帧;融合模块对时间边信息帧与空间边信息帧进行融合后,由重构模块进行图像重建。本发明能适应恶劣复杂的环境,具有较高的容错性与普遍适用性,可广泛应用于矿业领域。
-
公开(公告)号:CN105376681A
公开(公告)日:2016-03-02
申请号:CN201510831552.1
申请日:2015-11-24
Applicant: 中国矿业大学 , 徐州大德电子设备有限公司
Abstract: 本发明公开了一种平面线圈驱动式薄膜型扬声器,属于电声换能器技术领域。包括设于外壳(12)上端面的平面螺旋线圈(1),与平面螺旋线圈连接的线圈电极对引线(5),以及紧密嵌入在外壳内的硅基片(4);硅基片内部嵌有永磁圆环(6),硅基片上表面镀有逆磁致伸缩效应薄膜(3),下表面镀有正磁致伸缩效应薄膜(10);硅基片通过耦合器(9)与音膜(7)连接,耦合器竖直通过设于外壳内的导向环(11)。本平面线圈驱动式薄膜型扬声器频响快、能量传输密度高、带载能力强、应变大,可以显著提高扬声器的稳定性、灵敏度、保真度和音质;同时显著减小了扬声器的体积,便于集成化且;具备良好的介电性能和高频绝缘性,工作性能稳定。
-
公开(公告)号:CN104954791A
公开(公告)日:2015-09-30
申请号:CN201510378629.4
申请日:2015-07-01
Applicant: 中国矿业大学
IPC: H04N19/132 , H04N19/186 , H04N19/17
CPC classification number: H04N19/132
Abstract: 本发明涉及一种矿井无线分布式视频编码中的关键帧实时选取方法,其步骤:构建帧间特性的增量变化曲线:获取视频序列,并提取图像的全局特征和局部特征;采用图像的颜色特征作为衡量图像全局特征的指标;采用特征点作为图像局部特征;根据图像的全局特征和局部特征计算图像综合特征相似度;根据图像综合特征相似度构建帧间特征差增量变化曲线:以帧号为横坐标,以图像帧间的综合特征相似度的累加值为纵坐标,绘制图像帧间特征差增量变化曲线;得到帧间特征差增量变化曲线后,利用关键帧实时选取算法,实现关键帧快速的自适应选取。本发明能实现快速、低复杂度的反映监控图像内容动态变化,有效解决了矿井无线分布式视频编码中的关键帧实时选取问题。
-
公开(公告)号:CN119671855A
公开(公告)日:2025-03-21
申请号:CN202411809637.5
申请日:2024-12-10
Applicant: 中国矿业大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了用于井下移动设备的轻量化图像超分辨率重建系统及方法,属于图像重建技术领域;包括:浅层特征提取模块、深层特征提取模块、特征聚合模块以及图像重建模块;深层特征提取模块包括高频增强蒸馏块,高频增强蒸馏块包括特征细化模块、多尺度信息蒸馏模块和信息融合模块;特征细化模块包括三个串联的高频增强残差块。本发明采用信息蒸馏架构,在特征提取主干中采用双路分支结构,对输入特征进行通道分割,降低计算量,利用全局特征提取和高频增强分支提升网络对细节信息的捕获能力,高效地提取深层信息;采用多尺度信息蒸馏方法,对特征提取主干细化后的特征进行多尺度高频信息蒸馏,并利用混合特征增强块融合蒸馏后的多尺度高频信息。
-
公开(公告)号:CN118781016B
公开(公告)日:2025-03-14
申请号:CN202410877834.4
申请日:2024-07-02
Applicant: 中国矿业大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于图像去雾技术领域,提出一种矿井尘雾环境下自适应图像去雾增强方法及系统。首先建立包括图像分级预处理模块、自适应处理模块和优化模块的图像处理模型;将通过图像分级预处理模块处理之后的图像输入自适应处理模块;通过图像优化模块对经过自适应处理模块处理之后的图像进一步优化;输出优化之后的图像。本发明在实际运用中可以对矿井尘雾环境下图像的精确、高效和稳定去雾,显著提升了图像质量和煤矿安全隐患识别的能力。
-
公开(公告)号:CN119205568A
公开(公告)日:2024-12-27
申请号:CN202411360043.0
申请日:2024-09-27
Applicant: 中国矿业大学
IPC: G06T5/73 , G06T5/60 , G06T7/00 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/0455 , G06N3/0895 , G06N3/042
Abstract: 一种矿井机载视频图像的去运动模糊方法及系统,步骤:构建基于卷积神经网络的面向真实场景的盲图像质量评价模块,并借助所述模块提取图像中与质量相关的质量特征;构建基于码本的特征预测模块,通过矢量编码的方式预训练一个包含高质量特征码本的特征预测网络,基于模糊图像的质量特征进行预测编码,从而获得图像的高质量先验知识;将获得的高质量先验知识经维度对齐后嵌入到去模糊模块编码特征中,经解码器解码后获得恢复后的清晰图像。系统包括图像采集模块、盲图像质量评价模块、特征预测模块和去模糊模块。本发明能够快速处理图像视频流失真、有效适应矿井下环境,提高后续图像处理和分析准确性,提高矿区作业的安全性和效率。
-
公开(公告)号:CN117475474B
公开(公告)日:2024-10-15
申请号:CN202311418003.2
申请日:2023-10-30
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/80 , G06V10/82 , G06V10/10 , G06V10/762 , G06N3/0464 , G06N3/09
Abstract: 一种用于智能安防的跨模态行人重识别系统及方法,系统包括图像预处理模块、图像获取模块、网络构建模块、网络训练模块和指标评估模块;方法包括:特征提取;构建图卷积神经进行特征融合;多级特征聚合机制;损失函数优化。本发明通过提出多样化嵌入拓展模块,通过多分支卷积生成结构,基于局部异构聚合图卷积网络的方法,利用图结构关系对提取到的局部关键点特征进行信息融合的方法,提取更多高层次特征信息;对损失函数进一步优化,提出中心引导对挖掘损失和正交损失,其以端到端的方式去除冗余,提供了更简单优化的网络结构,减弱了行人图像在可见光模态和红外模态下存在的差异,减少噪声的产生,极大提高了行人图像在图像库中检索的效率。
-
公开(公告)号:CN114647760B
公开(公告)日:2024-09-24
申请号:CN202210037094.4
申请日:2022-01-13
Applicant: 中国矿业大学
IPC: G06F16/783 , G06F16/75 , G06T5/90 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法,在保证模型实时性的同时,提高小模型检索精度,在精度和效率之间尽可能达到平衡;设置伽马校正模块,通过对图像的局部调整,实现对光照不均匀鲁棒性,提高细节可辨度,避免高频噪声,普适性强;建立自温故机制,允许神经网络的局部自我监督,不断反思、调整学习参数,充分学习到图像深层语义信息,实现神经网络快速收敛,提高检索精度;采用知识传导机制,提升模型精度、降低模型时延,压缩网络参数,最终得到一个性能强和精度高的学生模型;通过传导机制将浅特征知识作为学习目标,采用VAE变分自编码模型重构深度特征,以此生成学习结果,将学习结果与目标进行度量,完成学习任务。
-
公开(公告)号:CN118262241A
公开(公告)日:2024-06-28
申请号:CN202410430557.2
申请日:2024-04-11
Applicant: 中国矿业大学
IPC: G06V20/10 , G06V20/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开一种基于信息共享的无人矿卡目标识别方法,包括数据集采集与处理、智能识别模型搭建、图片特征信息提取、信息共享模型训练和检测步骤,本发明从真实煤矿作业场景采集样本,结合The AutoMine dataset露天煤矿自动驾驶数据集,重新定义标签类别,提出一种信息共享的学习模型。为融合信息共享和深度学习,构建一个深度卷积神经网络,分析了如何将信息共享用于网络模型训练,针对了在煤矿复杂场景下,无人矿卡自主作业艰难的问题,提出了融合双通道注意力机制的主干网络和残差结构,实现了煤矿复杂场景下图像的智能识别,促进了煤矿智能化无人矿卡自主作业技术的发展和应用。
-
公开(公告)号:CN117173024B
公开(公告)日:2024-04-16
申请号:CN202311213700.4
申请日:2023-09-20
Applicant: 中国矿业大学
IPC: G06T3/4069 , G06T3/4046 , G06T3/4007 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于图像超分辨率重建技术领域,涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法;浅层特征输入到深层特征提取模块,深层特征提取模块由N个信息蒸馏块堆叠组成;层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成,并通过1×1卷积层来降低维度以减少计算量和参数量,然后输入到3×3卷积层,并引入长跳跃连接,输出融合结果作为上采样及重建模块的输入;得到高分辨率图像;以信息蒸馏网络为框架,引入增强型自校准卷积可以有效地平衡好计算效率和网络性能,更满足现实应用的需求;层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重,在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
-
-
-
-
-
-
-
-