-
公开(公告)号：CN109492557A
公开(公告)日：2019-03-19
申请号：CN201811263258.5
申请日：2018-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于AU共生关系约束的自然场景下面部表情识别方法，属于数字图像处理及计算机视觉技术领域，该方法包括：人力啊图像序列的AU获取；AU识别网络的训练；基于AU的表情识别模型的训练。具体涉及基于AU共生关系约束的自然场景下面部表情识别方法。本发明通过利用解剖学研究成果，将人脸表情识别过程中对整张人脸图像的特征提取替换为对人脸图像的局部AU特征提取，极大的减少了特征提取的工作，并且减少了无关面部特征对表情识别的影响；利用AU间共生关系以及AU与表情之间的共生关系作为识别模型训练过程的约束项，相比以往单纯利用数据进行识别模型的训练更加合理化。
-
公开(公告)号：CN107341597A
公开(公告)日：2017-11-10
申请号：CN201710482043.1
申请日：2017-06-22
Applicant: 北京工业大学
CPC classification number: G06Q10/06312 , G06Q10/04 , G06Q50/26
Abstract: 本发明公开一种应急救援中基于线性规划的多目标多资源分配模型建立方法，其步骤为:1)将初始化模型参数和集合；2)在救援资源集合中，找出所有救援资源的所有的组合分组；3)计算出本阶段的救援资源的最优组合分组和分配方案；4)更新模型参数和集合；5)重复步骤2-4，直至救援任务集合为空，结束迭代。本发明可以提升应急救援中救援资源分配的灵活性和适应性，能够应对更复杂动态的救援环境。该发明的最终结果可以提供给相关领域的用户使用，例如应急救援等领域，可以为用户提供较为合理、有效的救援资源分配方案。
-
公开(公告)号：CN103810491B
公开(公告)日：2017-02-22
申请号：CN201410055811.1
申请日：2014-02-19
Applicant: 北京工业大学
Abstract: 本发明涉及一种融合深度和灰度图像特征点的头姿估计兴趣点检测方法，包括：提取深度图像的特征点，提取灰度图像特征点，融合深度图像特征点与灰度图像特征点。本发明将基于深度图像检测到的特征点与基于灰度图像检测到的特征点相结合，形成一些定位准确、鲁棒性强的特征点，继承了深度与灰度图像的不同特征点检测的优势，能够最大程度地、快速地检测深度图像中表面变化大的特征点以及灰度图像中灰度值较大的瞳孔区域，尤其是提出了一种在深度图像中对计算所得的Haar-like特征值进行修正的计算模式，最终提取的特征具有一定的空间旋转不变性，在大角度旋转情形下也能逼近人脸特征点真值，提高了最终的特征点检测精度，缩短了检测时间。
-
公开(公告)号：CN119625430A
公开(公告)日：2025-03-14
申请号：CN202411844159.1
申请日：2024-12-15
Applicant: 北京工业大学
IPC: G06V10/764 , G16H30/40 , G06V10/774 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种融合细粒度和原型学习的MRI序列识别方法，包括获取细粒度影像特征，构建原型并对细粒度影像特征进行序列分类。本发明通过设计细粒度网络模型，提取具有细粒度的医学影像特征，缓解细粒度MRI影像的类间差异小、类内差异大的问题。同时，本发明为每个序列构建了具有代表性的原型，通过计算原型与细粒度影像特征之间的距离来实现对医学图像的分类，有效的缓解了由于MRI的影像复杂导致的特征分布复杂的问题。通过上述提出的两种方法的有效结合，提高了特征提取质量以及模型的分类精度。
-
公开(公告)号：CN113065409B
公开(公告)日：2025-02-21
申请号：CN202110257508.X
申请日：2021-03-09
Applicant: 北京工业大学
IPC: G06V40/10 , G06V10/762 , G06V10/82 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了一种基于摄像头分布差异对齐约束的无监督行人重识别方法，通过构建基于源领域和目标领域分布一致性的约束和基于跨摄像头视图差异对齐约束，学习具备可转移性、领域不变性和对跨摄像头视图不变性的特征，从而实现能够适应无监督行人重识别跨摄像头视图的模型。采用计算每个摄像头与整体的相似度得分的均值和标准差，约束摄像头视图差异带来的影响，减少同一个行人在不同摄像头下聚类结果不同的差异；通过两种损失函数，训练一个更健壮稳定的无监督行人重识别网络。利用跨摄像头视图伪标签的不变性的思想，在源领域和目标领域样本分布差异较大，且目标领域存在跨视图的情况下，有效解决无监督行人重识别跨摄像头视图的差异问题。
-
Patent Agency Ranking
公开(公告)号：CN114298979B
公开(公告)日：2024-05-31
申请号：CN202111497831.0
申请日：2021-12-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种局灶性病变征象描述指导的肝核磁影像序列生成方法。该方法通过生成对抗网络生成的肝脏影像既符合对应征象描述又能保证肝脏结构的完整性和真实性。该方法通过自注意力模块在生成肝脏部分结构的时候会构建肝脏不同结构之间的长距离依赖关系，使得生成影像中的肝脏结构完整无异常，从而提高肝脏影像整体的真实性。该方法通过多头注意力模块在生成肝脏某一区域时既可以从全局角度考虑整体的征象描述又可以从局部角度考虑病灶的细粒度描述，从而提高生成的肝脏影像和对应征象描述的语义一致性。通过这种生成数据的方式，可以为其他肝脏影像相关的深度学习模型提供数据支持。
-
公开(公告)号：CN114547408B
公开(公告)日：2024-04-02
申请号：CN202210052852.X
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06F16/909 , G06F18/22 , G06Q50/20
Abstract: 本发明公开了一种基于细粒度学生时空行为异质网表征的相似学生搜索方法，该方法可准确并有区分地建模学生基于一卡通的刷卡行为，得到富含语义信息的学生嵌入表征，精准度量学生间相似度。具体而言，该方法在探究不同时间划分策略、提出时空双特征组合节点、多重边保留多次记录的基础上，构建学生细粒度时空校园行为异质多重网络，抽取可揭示学生间共现关系的元路径进行随机游走，学习学生行为模式嵌入。最后，提出辅以学生属性信息进行相似学生搜索，将向量化的学生属性信息融合到行为模式嵌入中，使嵌入同时包含学生行为轨迹信息和属性信息，提升学生间相似度计算的鲁棒性。
-
公开(公告)号：CN109492099B
公开(公告)日：2022-03-15
申请号：CN201811263266.X
申请日：2018-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于领域对抗自适应的跨领域文本情感分类方法，该方法包括：输入源领域和目标领域样本的词向量矩阵、类别标签和领域标签；利用基于卷积神经网络的特征提取模块，提取样本的低层特征；在主任务模块构建基于源领域和目标领域分布一致性的约束，将低层样本映射到再生核希尔伯特空间，学习具有可转移性的高层特征；将源领域的高层特征输入类别分类器，在减小领域差异的基础上，保证分类器对样本具备类别判别性；在辅助任务模块构建基于对抗学习的领域不变性约束，将低层特征输入具有对抗性质的领域分类器，令分类器尽可能无法判别样本所属领域，从而提取具有领域不变性的高层特征，有效解决了源领域分类器到目标领域的迁移问题。
-
公开(公告)号：CN113344951A
公开(公告)日：2021-09-03
申请号：CN202110556924.X
申请日：2021-05-21
Applicant: 北京工业大学
Abstract: 本发明公开了一种边界感知双重注意力引导的肝段分割方法，称为边界感知双重注意力引导对称编解码网络，对肝肿瘤所处位置进行精准判定。该方法可以增强医学影像中边界的特征学习效果，通过精准定位边缘位置从而提高肝段的分割精度。该方法所提出的双重注意力机制由空间注意力模块和语义注意力模块并行组成。从空间和通道两个维度对具有丰富边界位置信息的低级特征图进行加权，并与解码路径中对应的高层特征图拼接，使其边界特征表达更加清晰和突出，更利于肝段边界的定位，从而提升分割准确率，有效解决肝段分割问题。
-
公开(公告)号：CN113065409A
公开(公告)日：2021-07-02
申请号：CN202110257508.X
申请日：2021-03-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于摄像头分布差异对齐约束的无监督行人重识别方法，通过构建基于源领域和目标领域分布一致性的约束和基于跨摄像头视图差异对齐约束，学习具备可转移性、领域不变性和对跨摄像头视图不变性的特征，从而实现能够适应无监督行人重识别跨摄像头视图的模型。采用计算每个摄像头与整体的相似度得分的均值和标准差，约束摄像头视图差异带来的影响，减少同一个行人在不同摄像头下聚类结果不同的差异；通过两种损失函数，训练一个更健壮稳定的无监督行人重识别网络。利用跨摄像头视图伪标签的不变性的思想，在源领域和目标领域样本分布差异较大，且目标领域存在跨视图的情况下，有效解决无监督行人重识别跨摄像头视图的差异问题。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.04 seconds)
