-
公开(公告)号：CN103413275B
公开(公告)日：2016-05-18
申请号：CN201310320161.4
申请日：2013-07-26
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 基于梯度零范数最小化的Retinex夜间图像增强方法属于夜间彩色图像处理技术领域，其特征在于，是一种基于改进的中心环绕的Retinex算法的、同时通过最小化梯度幅值的零范数达到平滑图像的单幅夜间彩色图像增强方法，其中：引入x,y两个方向的辅助变量来控制两幅图像的相似度，引入平滑项的自适应参数作为迭代变量，以便在其达到设定的最大值时实现梯度幅值的零范数最小化，得到估计的照度图像，再通过直方图压缩且换算后得到反射图像，再将经过Gamma校正后的反射图像、原图像亮度分量相融合后，得到增强后的反射图像。本发明在增强图像的同时有效地抑制了噪声，减少了图像失真，对图像细节的恢复和对比度的增强取得了较好效果。
-
公开(公告)号：CN103413275A
公开(公告)日：2013-11-27
申请号：CN201310320161.4
申请日：2013-07-26
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 基于梯度零范数最小化的Retinex夜间图像增强方法属于夜间彩色图像处理技术领域，其特征在于，是一种基于改进的中心环绕的Retinex算法的、同时通过最小化梯度幅值的零范数达到平滑图像的单幅夜间彩色图像增强方法，其中：引入x,y两个方向的辅助变量来控制两幅图像的相似度，引入平滑项的自适应参数作为迭代变量，以便在其达到设定的最大值时实现梯度幅值的零范数最小化，得到估计的照度图像，再通过直方图压缩且换算后得到反射图像，再将经过Gamma校正后的反射图像、原图像亮度分量相融合后，得到增强后的反射图像。本发明在增强图像的同时有效地抑制了噪声，减少了图像失真，对图像细节的恢复和对比度的增强取得了较好效果。
-
公开(公告)号：CN114372090B
公开(公告)日：2024-05-24
申请号：CN202111662826.0
申请日：2021-12-31
Applicant: 北京工业大学
IPC: G06F16/2457 , G06F16/2458
Abstract: 本发明公开了大数据环境下用户阅读行为分析与预测系统，包括：文本数据相关分析单元、用户数据相关分析单元、数据异常分析单元和用户行为预测单元；大数据环境下用户阅读行为分析与预测系统分为用户数据存储层、用户数据处理层、用户数据分析和建模层、服务层以及展示层。用户数据处理层包括源数据采集、源数据清洗、数据存储、数据管理和维护。用户数据分析和建模层包括文本数据相关分析、用户数据相关分析、数据异常分析和用户行为预测的代码。服务层包括数据服务、行为服务、用户服务、画像服务、预测服务。展示层主要负责统计分析的结果的展示在界面上。本系统有利于代码可维护性、可读性、灵活性，有益于系统管理和维护。
-
公开(公告)号：CN114463840A
公开(公告)日：2022-05-10
申请号：CN202111669207.4
申请日：2021-12-31
Applicant: 北京工业大学
Abstract: 本发明公开了基于骨架的移位图卷积网络人体行为识别方法，利用移位图卷积减少了模型的参数并对模块进行密集残差连接，具体步骤如下：步骤一、人体骨架提取；步骤二、建立网络模型；由9层移位图卷积模块构成，模块之间利用密集残差连接相连。步骤三、模型学习；将人体骨架数据送入构建好的网络模型中开始训练。经过移位图卷积模块后输出特征，最后通过softmax分类器进行分类。本发明克服了传统图卷积方法计算量较大，模型参数过多与人体骨骼点之间只考虑了物理固有连接，难以挖掘潜在的连接关系的缺点，采用移位图卷积减少了模型参数，利用人体骨架各个关节点信息，在模块间采用密集残差连接，提高分类准确率。
-
公开(公告)号：CN113381974A
公开(公告)日：2021-09-10
申请号：CN202110488263.1
申请日：2021-05-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种应用于专用通信的现场总线与Modbus‑TCP之间的协议转换方法，属于工业网络技术领域。该方法包括：基于以工业级ARM处理器和嵌入式技术为基础的协议转换设备，综合分析其监控的终端设备所应用的多种通信协议，提出一种通用的数据字典格式，通过该数据字典与协议之间的映射关系，从而完成总线协议与以太网协议之间的转换过程。本发明通过实现多种协议之间的转换，并应用到用于管理专用通信中协议转换设备的软件系统中，从而实现了远程可配置的多协议转换与数据传输功能。
-
Patent Agency Ranking
公开(公告)号：CN111881750A
公开(公告)日：2020-11-03
申请号：CN202010588978.X
申请日：2020-06-24
Applicant: 北京工业大学
Abstract: 本发明公开了基于生成对抗网络的人群异常检测方法，通过引入背景去除、多尺度光流结构和自注意力机制来改进GAN，进而预测未来帧，得到了更逼真的未来帧图像，实现了异常数据的有效检测。首先，引入背景去除技术，得到了图像更多的外观信息；其次，通过多尺度光流来引入时序信息；最后，引入自注意力机制来捕捉图像的几何结构和分布。将预测出的异常帧与真实情况进行比对，得到检测结果。本发明技术具有较高的人群异常检测精度。本方法克服了传统方法中只通过重建当前帧来进行建模的局限和GAN生成图像质量不高问题，用改进后的GAN来预测未来帧，能描绘出更细致逼真的未来帧图像，提高了人群异常检测的准确率。
-
公开(公告)号：CN109918476A
公开(公告)日：2019-06-21
申请号：CN201910076645.6
申请日：2019-01-26
Applicant: 北京工业大学
IPC: G06F16/33
Abstract: 本发明公开了一种基于主题模型的主题检索方法，将分词后的文章集作为训练数据并输入LDA主题模型参数。训练LDA模型，对每个词概率分布中的概率最高的前n个词作为查询语句中的关键词，其概率等比映射到查询语句中关键词的权重；在每个词中间添加“OR”关键字形成查询语句。业务人员，运营人员或者专家通过观察生成的每个查询语句，赋予每个查询语句合理的主题名称。进一步对每一个主题的查询语句进行修改，扩充删减关键词，修改关键字，调整权重。将最终定义好的主题保存，用户搜索主题名称时等价使用预定义好的查询语句检索。本发明解决了完全依靠人来定义主题查询语句造成的缺陷，提高了制造主题的效率，提高主题检索的准确率与召回率。
-
公开(公告)号：CN109582645A
公开(公告)日：2019-04-05
申请号：CN201811534590.0
申请日：2018-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种无纸化考试防作弊系统，由考试机模块，教师机模块和管理机模块组成。考试机模块有屏幕录制，文件上传，应用检查和防作弊功能；教师机模块有开启录制，停止录制，视频存储和视频搜索功能；管理机模块有视频搜索，视频下载，视频播放和日志分析等功能。考生登录考试系统之后，防作弊系统开始对考生的屏幕进行录制，并记录考生在考试机上的操作。考试结束后，可以通过分析考生的日志文件，确定考生是否有作弊嫌疑，若有，则通过回放考试视频，查看考生是否有作弊行为，从而防止考试作弊行为的发生。
-
公开(公告)号：CN109255790A
公开(公告)日：2019-01-22
申请号：CN201810840007.2
申请日：2018-07-27
Applicant: 北京工业大学
Abstract: 一种弱监督语义分割的自动图像标注方法，利用图像目标检测方法定位出目标边框，并给出语义标签，将目标边框和语义标签作为一种弱监督的图像级别语义标注，利用传统的图像分割方法，分割出完整的目标区域，生成用于训练分类网络的分割模板。然后，将分割模板作为监督信号对分类网络进行训练。最后用训练好的分类网络对测试图像进行语义分割。本发明的技术方案利用目标检测方法，获得图像中目标的边框和语义标签，利用传统的图像分割方法，分割出目标区域，并结合语义标签，将其作为弱监督语义分割的训练样本。这是一种自动生成弱监督语义分割训练样本的方法，解决人工标注大量图像耗时费力的问题。
-
公开(公告)号：CN106951368A
公开(公告)日：2017-07-14
申请号：CN201710143734.9
申请日：2017-03-12
Applicant: 北京工业大学
IPC: G06F11/36
CPC classification number: G06F11/3684
Abstract: 基于UML时序图的测试用例自动生成方法属于软件自动化测试领域。主要内容包括通过谓词逻辑和集合论的形式化定义解析规约文本，得到UML时序图中的对象、消息以及约束条件生成测试场景，再通过添加测试数据、扫描系统对外接口，自动生成测试用例。本发明包括借助Papyrus插件，对UML时序图进行解析，得到特定谓词逻辑的UML文档。通过设计UML文档的解析工具，实现对UML文档到XML文本的解析。最后从得到的XML文本中抽取需要的事件集合，再借助变异的深度优先遍历算法，结合测试路径覆盖准则，生成测试路径。再通过导入测试数据，满足不同条件下的测试用例。本发明提高软件测试过程中的测试的覆盖率和准确性，使得自动化测试可以高效灵活的实施。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.026 seconds)
