-
公开(公告)号：CN106815835A
公开(公告)日：2017-06-09
申请号：CN201710018726.1
申请日：2017-01-10
Applicant: 北京邮电大学 , 波音(中国)投资有限公司
IPC: G06T7/00
Abstract: 本发明提供一种损伤识别方法及装置，属于航空设备技术领域。该损伤识别方法包括：对待识别图像进行预处理，预处理包括将待识别图像划分为M个子图像块，M为大于等于2的整数；将M个子图像块通过预设识别模型进行识别，确定M个子图像块对应的损伤类型；预设识别模型通过卷积层、池化层及全连接层对子图像块进行识别；输出M个子图像块对应的损伤类型。本发明提供的损伤识别方法及装置，提高了飞行器表面损伤类型的识别率。
-
公开(公告)号：CN106650831A
公开(公告)日：2017-05-10
申请号：CN201710018581.5
申请日：2017-01-10
Applicant: 北京邮电大学 , 波音(中国)投资有限公司
Abstract: 本发明提供一种基于特征融合的损伤检测方法及装置。本发明的基于特征融合的损伤检测方法，包括：提取待检测样本的多个基础特征，得到待检测样本的各基础特征对应的向量；根据待检测样本的各基础特征对应的向量和BP神经网络模型，采用BP神经网络分类器对待检测样本进行学习，得到待检测样本的损伤类型标签，其中，BP神经网络模型是BP神经网络分类器基于训练样本的损伤类型的标签和每个训练样本的多个基础特征得到的；根据待检测样本的损伤类型标签，确定待检测样本的损伤类型。本发明的基于特征融合的损伤检测方法及装置，可以快速准确检测不同的损伤类型，还可以对同时具有多种损伤类型的结构进行损伤类型的确定。
-
公开(公告)号：CN106650831B
公开(公告)日：2020-04-28
申请号：CN201710018581.5
申请日：2017-01-10
Applicant: 北京邮电大学 , 波音(中国)投资有限公司
Abstract: 本发明提供一种基于特征融合的损伤检测方法及装置。本发明的基于特征融合的损伤检测方法，包括：提取待检测样本的多个基础特征，得到待检测样本的各基础特征对应的向量；根据待检测样本的各基础特征对应的向量和BP神经网络模型，采用BP神经网络分类器对待检测样本进行学习，得到待检测样本的损伤类型标签，其中，BP神经网络模型是BP神经网络分类器基于训练样本的损伤类型的标签和每个训练样本的多个基础特征得到的；根据待检测样本的损伤类型标签，确定待检测样本的损伤类型。本发明的基于特征融合的损伤检测方法及装置，可以快速准确检测不同的损伤类型，还可以对同时具有多种损伤类型的结构进行损伤类型的确定。
-
公开(公告)号：CN115223220B
公开(公告)日：2023-06-09
申请号：CN202210719383.2
申请日：2022-06-23
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于关键点回归的人脸检测方法。该方法包括：通过多任务头网络提取待识别图像的特征图，输出训练图像的预测框；利用关键点回归对预测框和真实框进行训练样本匹配，获取预测框与真实框的匹配关系，选取传输损耗最小的候选框；利用多任务损失函数计算传输损耗最小的预测框与真实框之间的学习误差，根据学习误差反向传播，得到更新后的多任务特征提取网络；将待识别图像输入到训练好的多任务特征提取网络，多任务特征提取网络输出待识别图像的人脸识别结果。本发明设计了多任务最优传输匹配算法，改进了训练样本匹配的评价指标，匹配对检测和关键点任务学习整体最好的样本参与损失计算与梯度反传。
-
公开(公告)号：CN110827320A
公开(公告)日：2020-02-21
申请号：CN201910876398.8
申请日：2019-09-17
Applicant: 北京邮电大学 , 北京百卓网络技术有限公司
Abstract: 本发明提供了一种基于时序预测的目标跟踪方法和装置，该方法包括：采集得到包含目标的视频帧图片；采用多个并行的LSTM模块组成时序预测网络，在时序预测网络中输入t-1时刻的目标的运动状态变化量得到t时刻的目标的运动状态变化量，再结合t-1时刻的目标的运动状态量得到t时刻的目标的运动状态量的时序预测结果；空间预测模型基于t时刻的待检测区域通过卷积神经网络提取出t时刻的图片特征，将图片特征进行相关滤波定位处理，得到t时刻的目标的运动状态量的最终预测结果。本发明通过将目标的时序模型和目标的空间模型相结合，将时序模型的输出转化为空间模型的输入，使得空间模型的待检测区域更加准确，能够获得更加高效、准确的目标定位结果。
-
Patent Agency Ranking
公开(公告)号：CN115223220A
公开(公告)日：2022-10-21
申请号：CN202210719383.2
申请日：2022-06-23
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于关键点回归的人脸检测方法。该方法包括：通过多任务头网络提取待识别图像的特征图，输出训练图像的预测框；利用关键点回归对预测框和真实框进行训练样本匹配，获取预测框与真实框的匹配关系，选取传输损耗最小的候选框；利用多任务损失函数计算传输损耗最小的预测框与真实框之间的学习误差，根据学习误差反向传播，得到更新后的多任务特征提取网络；将待识别图像输入到训练好的多任务特征提取网络，多任务特征提取网络输出待识别图像的人脸识别结果。本发明设计了多任务最优传输匹配算法，改进了训练样本匹配的评价指标，匹配对检测和关键点任务学习整体最好的样本参与损失计算与梯度反传。
-
公开(公告)号：CN110796680B
公开(公告)日：2022-07-29
申请号：CN201910734740.0
申请日：2019-08-09
Applicant: 北京邮电大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于相似模板更新的目标跟踪方法和装置。该方法包括：通过目标跟踪模块对初始时刻的视频帧图片进行图像特征提取，得到初始模型和初始增量更新模型通过目标跟踪模块对当前时刻t时刻的视频帧图片进行图像特征提取，得到t时刻的新模型根据t‑1时刻的新模型和t‑1时刻的增量更新模型计算得到t时刻的增量更新模型计算出新模型与之间的相似性δinit，计算出新模型与之间的相似性δincre，根据相似性δinit和相似性δincre通过模型更新策略选择将新模型或者作为t时刻的最终模型。本发明通过利用卷积响应计算出与Tinit、之间的相似性，根据相似性选择t时刻的最终模型，可以快速检测新模型的可靠性。
-
公开(公告)号：CN110827320B
公开(公告)日：2022-05-20
申请号：CN201910876398.8
申请日：2019-09-17
Applicant: 北京邮电大学 , 北京百卓网络技术有限公司
Abstract: 本发明提供了一种基于时序预测的目标跟踪方法和装置，该方法包括：采集得到包含目标的视频帧图片；采用多个并行的LSTM模块组成时序预测网络，在时序预测网络中输入t‑1时刻的目标的运动状态变化量得到t时刻的目标的运动状态变化量，再结合t‑1时刻的目标的运动状态量得到t时刻的目标的运动状态量的时序预测结果；空间预测模型基于t时刻的待检测区域通过卷积神经网络提取出t时刻的图片特征，将图片特征进行相关滤波定位处理，得到t时刻的目标的运动状态量的最终预测结果。本发明通过将目标的时序模型和目标的空间模型相结合，将时序模型的输出转化为空间模型的输入，使得空间模型的待检测区域更加准确，能够获得更加高效、准确的目标定位结果。
-
公开(公告)号：CN110796680A
公开(公告)日：2020-02-14
申请号：CN201910734740.0
申请日：2019-08-09
Applicant: 北京邮电大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于相似模板更新的目标跟踪方法和装置。该方法包括：通过目标跟踪模块对初始时刻的视频帧图片进行图像特征提取，得到初始模型 和初始增量更新模型 通过目标跟踪模块对当前时刻t时刻的视频帧图片进行图像特征提取，得到t时刻的新模型 根据t-1时刻的新模型 和t-1时刻的增量更新模型 计算得到t时刻的增量更新模型 计算出新模型 与 之间的相似性δinit，计算出新模型 与 之间的相似性δincre，根据相似性δinit和相似性δincre通过模型更新策略选择将新模型 或者 作为t时刻的最终模型。本发明通过利用卷积响应计算出 与Tinit、 之间的相似性，根据相似性选择t时刻的最终模型，可以快速检测新模型的可靠性。
-
公开(公告)号：CN115100709B
公开(公告)日：2023-05-23
申请号：CN202210718470.6
申请日：2022-06-23
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明提供了一种特征分离的图像人脸识别与年龄估计方法。该方法包括：将待识别的人脸图像输入到多任务框架中，将人脸图像转化为人脸特征，将人脸特征输入到所述特征分离网络中，通过特征分离网络分离所述人脸特征中的身份特征和年龄特征；将身份特征进行特征铺平生成描述当前图像身份的嵌入特征向量，通过度量所述嵌入特征向量与各个标准身份向量之间的距离值，确定所述待识别的人脸图像对应的身份信息；通过线性层将年龄特征映射为一组向量，将所述一组向量的取值加在一起，获取所述待识别的人脸图像对应的年龄信息。本发明方法通过注意力机制的特征分离方法，有效地分离出适合各个子任务的有效特征，提升了各个子任务的特征鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.048 seconds)
