-
公开(公告)号：CN116363712A
公开(公告)日：2023-06-30
申请号：CN202310277981.3
申请日：2023-03-21
Applicant: 中国矿业大学
IPC: G06V40/14 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0475
Abstract: 本发明公开了一种基于模态信息度评估策略的掌纹掌静脉识别方法，涉及生物识别技术领域。本发明创新性的提出了对每个样本的每个模态进行不确定性估计，自适应的动态融合，使模型能够在复杂多变场景下保证识别的可靠性和稳定性，从而可靠地融合多模态特征，实验结果表明，这种方法能够解决信息冗余和噪声影响等问题，提高识别的准确度和可靠性，能在模态质量动态变化时获得更加稳定的结果，使得认证和识别过程更加精准，使匹配更接近理想。
-
公开(公告)号：CN113450278A
公开(公告)日：2021-09-28
申请号：CN202110742059.8
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于跨域协同学习的图像去雨方法，构建基于多尺度注意力残差模块的双分支图像去雨网络，通过面向合成领域的跨域协同学习策略，减少不同合成领域雨纹信息分布差异对于双分支图像去雨模型去雨效果的影响，通过面向真实领域的跨域学习策略，降低真实领域和合成领域雨纹信息分布差异对于双分支图像去雨模型去雨表现的影响。本发明提高了图像去雨模型对于不同领域样本雨纹信息的学习能力，减少了不同领域雨纹信息分布差异对于图像去雨模型去雨表现的影响，增强了图像去雨模型的鲁棒性和泛化能力。
-
公开(公告)号：CN108875566B
公开(公告)日：2019-12-06
申请号：CN201810413552.3
申请日：2018-05-03
Applicant: 中国矿业大学
IPC: G06K9/00
Abstract: 本发明公开了一种多模态阵列式生物特征采集系统，包括：壳体；采集面板，所述采集面板设置于所述壳体上；多个采集模块，所述多个采集模块阵列式排布于所述采集面板之下；主控制器，所述主控制器分别与每个所述采集模块相连，所述主控制器用于控制所述多个采集模块对所述采集面板上相应位置处的静脉信息、掌纹与指纹信息进行采集。根据本发明的系统，不仅能够通过同一设备实现对多种生物特征的采集，简化采集设备与采集过程，还能够保证不同部位生物特征的采集效果相近，从而提高采集质量。
-
公开(公告)号：CN108875566A
公开(公告)日：2018-11-23
申请号：CN201810413552.3
申请日：2018-05-03
Applicant: 中国矿业大学
IPC: G06K9/00
Abstract: 本发明公开了一种多模态阵列式生物特征采集系统，包括：壳体；采集面板，所述采集面板设置于所述壳体上；多个采集模块，所述多个采集模块阵列式排布于所述采集面板之下；主控制器，所述主控制器分别与每个所述采集模块相连，所述主控制器用于控制所述多个采集模块对所述采集面板上相应位置处的静脉信息、掌纹与指纹信息进行采集。根据本发明的系统，不仅能够通过同一设备实现对多种生物特征的采集，简化采集设备与采集过程，还能够保证不同部位生物特征的采集效果相近，从而提高采集质量。
-
公开(公告)号：CN107911575A
公开(公告)日：2018-04-13
申请号：CN201711063790.8
申请日：2017-11-02
Applicant: 中国矿业大学
Abstract: 本发明公开了一种高精度低功耗多相机同步触发系统，包括电源模块，所述电源模块的输出端分别与显示模块、控制模块、NXP kinetis L25微控制器、调理电路的输入端电连接，所述NXP kinetis L25微控制器的输出端分别与显示模块、调理电路的输入端电连接，所述控制模块的输出端与NXP kinetis L25微控制器输入端电连接，所述NXP kinetis L25微控制器与SWD调试模块双向连接；所述的电源模块为该装置的电源提供部分，负责为微控制器、显示模块、控制模块、调理电路等提供合适的电压。本发明所采用普通微控制器实现多相机同步触发系统，同步精度高，运行功耗低，成本低廉，易于实现，在复杂环境具有较强抗干扰能力，能够适用于工业现场及野外环境。
-
Patent Agency Ranking
公开(公告)号：CN119810934A
公开(公告)日：2025-04-11
申请号：CN202411767667.4
申请日：2024-12-04
Applicant: 中国矿业大学
IPC: G06V40/70 , G06V40/12 , G06V10/80 , G06V10/776 , G06N3/045 , G06V10/82 , G06N3/0495 , G06N3/0464
Abstract: 本发明公开了一种基于联合渐进稀疏的轻量级双模态生物特征识别方法，主要包括以下步骤：选取掌纹和掌静脉图像构建双模态数据集，采用MobileNetV1作为双分支网络提取特征，并通过联合渐进稀疏策略减少模型参数冗余，提升计算效率；使用双重通道注意力特征融合模块有效整合特征信息，形成统一的特征表示，构建轻量级双分支模型；引入生物特征结构一致性损失函数和细节纹理损失函数对模型进行精细优化，确保高效、准确的身份识别，并通过验证集评估保存最佳模型参数。本发明有效提升了识别的效率、准确性和可靠性，同时实现了模型的轻量化设计，使其更适用于资源受限的应用场景，满足现代生物特征识别技术对性能和资源的双重要求。
-
公开(公告)号：CN115761735B
公开(公告)日：2025-02-14
申请号：CN202211432700.9
申请日：2022-11-16
Applicant: 中国矿业大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/762 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法，包括以下步骤：选取GTA5数据集构建源域，选取Cityscapes数据集构建目标域；输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型；基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略；构建自适应伪标签纠正策略得到最终伪标签作为监督，训练半监督语义分割模型；输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签，解决了确认偏见问题，缓解了类别不平衡问题，克服了全卷积的缺点，提高了该模型在目标域上的语义分割效果。
-
公开(公告)号：CN118968062A
公开(公告)日：2024-11-15
申请号：CN202411014786.2
申请日：2024-07-26
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于交叉伪监督的域适应语义分割方法，步骤包括：选取SYNTHIA和Cityscapes数据集构建源域和目标域；使用真实标签对源域图像进行双模型交叉自监督训练，得到预训练模型；在目标域训练集中加载预训练模型，使用伪标签进行交叉伪监督训练，构建交叉伪监督双语义分割模型；提取目标域特征，设计注意力调制机制并引入注意力调制损失和熵一致性损失，优化模型；在目标域验证集上验证模型性能，保存最优参数。本发明通过综合考虑模型的“确定性”差异，利用注意力调制和熵一致性损失，提高了模型的泛化能力和鲁棒性，适应不同领域或环境下的语义分割任务。
-
公开(公告)号：CN115761735A
公开(公告)日：2023-03-07
申请号：CN202211432700.9
申请日：2022-11-16
Applicant: 中国矿业大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/762 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法，包括以下步骤：选取GTA5数据集构建源域，选取Cityscapes数据集构建目标域；输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型；基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略；构建自适应伪标签纠正策略得到最终伪标签作为监督，训练半监督语义分割模型；输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签，解决了确认偏见问题，缓解了类别不平衡问题，克服了全卷积的缺点，提高了该模型在目标域上的语义分割效果。
-
公开(公告)号：CN114677306A
公开(公告)日：2022-06-28
申请号：CN202210319123.6
申请日：2022-03-29
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于边缘信息引导的上下文聚合图像去雨方法，旨在解决现阶段去雨方法忽略图像本身的纹理信息以及边缘信息的问题，其新颖之处在于设计了一个多尺度信息网络，其中包括了用于获取粗调图像去雨信息的上分支图像去雨网络和用于获取图像边缘信息的下分支边缘信息检测网络，且包括了上下文聚合模块，此模块用于聚合处理上下文信息，并利用聚合处理后的信息对粗调图像去雨信息进行引导，增强上分支图像去雨网络对图像细节信息的表征能力。实验结果表明该方法在完成图像去雨的同时使图像获得更加丰富的纹理信息和边缘信息。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.041 seconds)
