-
公开(公告)号：CN115457317A
公开(公告)日：2022-12-09
申请号：CN202211062731.X
申请日：2022-08-31
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于空间遗忘通道注意力卷积神经网络的生活垃圾分类方法，解决实际生活垃圾分类过程中垃圾种类样式繁多难以精准分类的问题。本发明设计特征空间遗忘注意力模块，可以让网络关注更多局部特征，从而使得网络学习到更多不同垃圾样式的复杂特征信息，有效提高网络对生活垃圾的分类精度。本发明应用在智能自动化视觉技术的生活垃圾回收过程，提高了生活垃圾的回收效率，同时也能够减少人工成本，提高全社会面的资源回收效益。
-
公开(公告)号：CN111616740A
公开(公告)日：2020-09-04
申请号：CN202010410886.2
申请日：2020-05-15
Applicant: 北京工业大学
IPC: A61B8/00
Abstract: 本发明公开了一种基于经验模态分解即EMD的超声背散射零差K成像方法，属于信号处理领域。将超声仪器中采集得到的原始射频信号利进行EMD信号分解，获得本征模态函数即IMF信号，其初步解决了非目标组织的背散射信号对参数估算的影响，再将获得的IMF信号通过零差K模型进行生物组织的超声组织定征，提供生物组织微结构信息，其中零差K模型参数估算采用两种算法，一种是基于信噪比、偏度、峰度的RSK算法，另一种是基于X统计和U统计的XU算法。两种参数估算是基于滑动窗口技术进行，最终可以得到参数估算的估计值矩阵，并且可以生成可视化的参数图像。该方法可用于肝脏、乳腺等生物组织的超声组织定征，以参数及可视化方式提供相关微结构信息。
-
Patent Agency Ranking
公开(公告)号：CN116071602A
公开(公告)日：2023-05-05
申请号：CN202310185219.2
申请日：2023-02-24
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/56 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于卷积神经网络特征可视化的典型垃圾识别方法。其中，方法包括：建立卷积神经网络的典型垃圾类别决策模型，设计基于类别决策的典型垃圾特征激活映射策略，突破网络学习过程中的典型垃圾识别可视化技术，实现可解释的特征可视化卷积神经网络典型垃圾识别，为垃圾回收行业提供强有力的技术支持，对典型生活垃圾分类具有显著的应用和经济效益。因此，本发明的研究成果在典型生活垃圾回收领域具有广阔的应用前景。
-
公开(公告)号：CN114820582A
公开(公告)日：2022-07-29
申请号：CN202210590772.X
申请日：2022-05-27
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN119068468A
公开(公告)日：2024-12-03
申请号：CN202411186159.7
申请日：2024-08-27
Applicant: 北京工业大学
IPC: G06V20/60 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于卷积注意力引导自组织架构的家电拆解零部件识别方法，解决了在家电拆解过程中由于零部件种类复杂多样导致识别困难的问题。该发明设计了基于注意力引导的高效卷积架构自组织搜索策略，使得网络能够更加聚焦数据关键特征从而学习所需架构特性，并基于双重优化的自组织架构寻优方法，通过网络训练与架构搜索相结合搜索最优网络架构，实现架构高效自组织生成的家电拆解零部件识别。该发明应用于智能自动化家电拆解场景中，能够提高拆解效率，减少人工操作成本，为资源回收行业提供高效技术支持。
-
公开(公告)号：CN114820582B
公开(公告)日：2024-05-31
申请号：CN202210590772.X
申请日：2022-05-27
Applicant: 北京工业大学
IPC: G06T7/00 , G06F17/16 , G06N3/0464 , G06N3/08 , G06T7/13
Abstract: 本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN111616740B
公开(公告)日：2023-04-28
申请号：CN202010410886.2
申请日：2020-05-15
Applicant: 北京工业大学
IPC: A61B8/00
Abstract: 本发明公开了一种基于经验模态分解即EMD的超声背散射零差K成像方法，属于信号处理领域。将超声仪器中采集得到的原始射频信号利进行EMD信号分解，获得本征模态函数即IMF信号，其初步解决了非目标组织的背散射信号对参数估算的影响，再将获得的IMF信号通过零差K模型进行生物组织的超声组织定征，提供生物组织微结构信息，其中零差K模型参数估算采用两种算法，一种是基于信噪比、偏度、峰度的RSK算法，另一种是基于X统计和U统计的XU算法。两种参数估算是基于滑动窗口技术进行，最终可以得到参数估算的估计值矩阵，并且可以生成可视化的参数图像。该方法可用于肝脏、乳腺等生物组织的超声组织定征，以参数及可视化方式提供相关微结构信息。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
