“孟月波”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果43个，建议您升级VIP下载更多相关专利

[发明专利]一种容器内堆积物件自动分拣系统及方法-CN202111034497.5有效
发明人：徐胜军;李康平;韩九强;孟月波;刘光辉 -专利权人：西安建筑科技大学
申请日： 2021-09-03 - 公布日： 2023-10-24 - 主分类号： B07C5/342 文献下载
摘要：本发明公开了一种容器内堆积物件自动分拣系统及方法，属于人工智能与机器人技术领域，包括图像采集模块、控制单元和视觉机器人，控制单元包括图像信息处理模块和定位模块，采用堆积物件识别定位算法对采集到的图像进行处理，获取待吸取物件的位置信息。将获取到的待吸取物件的位置信息发送给视觉机器人，由视觉机器人进行吸取。本发明充分体现了机器人智能自动化的概念，视觉机器人可自主智能识别处于容器内最上方的物件，将其吸取，实现对物件的自动分拣。视觉机器人代替人类的眼睛识别定位容器内的物件，机械臂下方的磁感执行器代替人类的手在真实环境中分拣物件。系统抗环境干扰能力强，适用于各种工作环境。
一种容器堆积物件自动分拣系统方法

[发明专利]一种基于关键鉴定部位的商品真伪鉴定方法及系统-CN202310806782.7在审
发明人： 孟月波;王博;占华;刘光辉;徐胜军 -专利权人：西安建筑科技大学
申请日： 2023-07-03 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于关键鉴定部位的商品真伪鉴定方法及系统，获取商品的关键鉴定部位图像得到数据集，对数据集中的图像进行人工鉴定真伪分类，得到真伪分类数据集；构建基于关键鉴定部位的真伪分类网络，包括Resnet50为主干网络，插入在主干网络中的区域峰值消除策略，以及衔接在主干网络输出端的特征交互模块；构建损失函数，利用真伪分类数据集对基于关键鉴定部位的真伪分类网络进行训练，确定真伪分类网络的参数，得到基于关键鉴定部位的真伪分类网络模型；屏蔽基于关键鉴定部位的真伪分类网络模型中的区域峰值消除策略，将待检测商品图像输入基于关键鉴定部位的真伪分类网络模型进行真伪鉴定分类，本发明真伪鉴定准确性高，实用性强。
一种基于关键鉴定部位商品真伪方法系统

[发明专利]融合热不适肢体语言的建筑空间群体热不满意率预测方法-CN202310806701.3在审
发明人：刘光辉;王小慧;孟月波;李家顺 -专利权人：西安建筑科技大学
申请日： 2023-07-03 - 公布日： 2023-10-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种融合热不适肢体语言的建筑空间群体热不满意率预测方法，获取建筑空间室内环境参数、建筑空间内人员的人体生理参数，利用PMV‑PPD模型得到群体普适性热不满意率，利用概率论中心极限定理形成群体普适性热不满意率的先验分布；获取建筑空间内人员的热不适肢体语言，基于二项分布原理得到当前建筑空间当前时刻真实群体热不满意率条件下，热不适肢体语言发生x个人的概率，作为样本信息；基于贝叶斯理论利用样本信息对上述先验分布进行修正，得到真实群体热不满意率的后验分布；利用后验分布对建筑空间中群体热不满意率进行预测，实现建筑空间中人员热舒适评价的个性化精准量化估计。
融合不适肢体语言建筑空间群体不满意预测方法

[发明专利]一种自然场景文本检测方法、设备和介质-CN202110546736.9有效
发明人： 孟月波;石德旺;金丹;刘光辉;徐胜军 -专利权人：西安建筑科技大学
申请日： 2021-05-19 - 公布日： 2023-09-29 - 主分类号： G06V20/62 文献下载
摘要：本发明公开一种高效精确的自然场景文本检测方法、设备和介质，包括构建自然场景文本检测训练数据集；基于VGG16前13层构成的U‑Net结构构造自然场景文本检测网络，得到文本预测特征图F；构造损失函数，计算预测特征图F的损失得到自然场景文本检测模型，其中损失函数包括文本区域损失函数，本发明通过真阳性文本和不同权重的假阳性文本、假阴性文本构建文本区域损失函数，利用文本区域损失函数平衡训练过程中的不同类型文本分布描述，强化自然场景中背景与文本的差异性，极大增强了自然场景文本检测网络对文本区域的感知能力，加快自然场景文本检测网络收敛，提升自然场景图像中的文本检测性能。
一种自然场景文本检测方法设备介质

[发明专利]一种动态场景图像去模糊的方法、系统及设备-CN202310761926.1在审
发明人：刘光辉;杨琦;孟月波;高嘉豪;李朝;徐胜军 -专利权人：西安建筑科技大学
申请日： 2023-06-26 - 公布日： 2023-09-01 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种动态场景图像去模糊的方法、系统及设备，具体步骤如下：构建动态场景图像去模糊网络，包括连接在U‑Net网络卷积层之间的多尺度密集特征提取模块、插入在U‑Net网络相邻跳跃连接之间的ConvLSTM双向连通结构和插入在U‑Net网络编码器和解码器中的U‑Net网络结构优化策略；构建总损失函数，对动态场景图像去模糊网络进行训练，得到动态场景图像去模糊网络模型；将待处理图像输入动态场景图像去模糊网络模型得到去模糊处理后的图像，本发明方法能有效减少图像恢复过程中出现的纹理细节丢失、在一定程度上抑制噪声、防止振铃伪影等问题，方便后续需要的任务和工作的开展。
一种动态场景图像模糊方法系统设备

[发明专利]一种遥控器零件自动装配方法和系统-CN202111033173.X有效
发明人：徐胜军;詹博涵;韩九强;孟月波;刘光辉 -专利权人：西安建筑科技大学
申请日： 2021-09-03 - 公布日： 2023-07-18 - 主分类号： B25J9/08 文献下载
摘要：本发明公开了一种遥控器零件自动装配方法和系统，属于人工智能与装配机器人技术领域，采集遥控器不同零件图像作为训练样本，训练后得到网络模型。启动传送带并运行程序，首先判断传送带上是否有零件，若有零件则将采集的图像输入到已训练的网络中，输出可以得到零件的类别等信息，计算可以得到零件的抓取点和角度信息。随着传送带的运动会导致遥控器零件出现旋转，在抓取遥控器零件前需要对旋转角度进行计算，以保证每个遥控器零件可以精准地到达安装位置。将抓取的待装配零件按照装配位置和装配顺序进行安装，直至遥控器安装完成。对于遥控器零件的识别准确率高、识别速度快、鲁棒性高，且可以快速完成装配。
一种遥控器零件自动装配方法系统

[发明专利]一种并行混合注意力渐进融合的低照度图像增强方法及系统-CN202310288652.9在审
发明人：刘光辉;杨琦;孟月波;赵敏华 -专利权人：西安建筑科技大学
申请日： 2023-03-22 - 公布日： 2023-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种并行混合注意力渐进融合的低照度图像增强方法及系统，具体步骤如下：构建并行混合注意力的渐进融合图像增强网络，所述网络包括多尺度加权聚合模块MWA、衔接在多尺度加权聚合模块MWA后的渐进特征融合模块PFM和嵌入在渐进特征融合模块PFM中的多个并行混合注意力模块PHA；对并行混合注意力的渐进融合图像增强网络进行训练，得到并行混合注意力的渐进融合图像增强网络模型；将待检测数据集输入并行混合注意力的渐进融合图像增强网络模型，得到图像增强后的低照度图像。本发明方法能有效增强图像整体亮度，调整图像颜色失衡并去除噪声避免细节信息丢失，方便后续需要的任务和工作的开展。
一种并行混合注意力渐进融合照度图像增强方法系统

[发明专利]一种基于自适应改进遗传算法的云数据中心调度方法-CN202010038159.8有效
发明人：熊福力;张娟芝;段中兴;徐胜军;孟月波;李志 -专利权人：西安建筑科技大学
申请日： 2020-01-14 - 公布日： 2023-06-23 - 主分类号： G06F9/50 文献下载
摘要：本发明提供了一种基于自适应改进遗传算法的云数据中心调度方法，通过采用双曲正切函数构造自适应律，分别对遗传算法交叉概率、变异概率数值及交叉算子及变异算子进行了自适应调整，使得当交叉、变异个体适应度趋于最大值时，该自适应律可提高个体的交叉、变异概率，即增大进化为更优个体的概率；当交叉、变异个体适应度趋于最小值时，该自适应律可降低个体的交叉、变异概率，即尽可能保留较优个体的基因；从而，有效提高了算法的收敛速度、稳定性和可靠性；通过仿真实验表明自适应改进后遗传算法具有很好的全局收敛性和稳定性，较大程度的降低了云数据中心的运营能耗及网络拥塞度。
一种基于自适应改进遗传算法数据中心调度方法

[发明专利]多尺度显著特征双线注意力细粒度物体分类方法及系统-CN202310078371.0在审
发明人：刘光辉;占华;孟月波;陈俊英;王博 -专利权人：西安建筑科技大学
申请日： 2023-01-29 - 公布日： 2023-06-13 - 主分类号： G06V10/764 文献下载
摘要：本发明提供多尺度显著特征双线注意力细粒度物体分类方法及系统，具体步骤如下：构建多尺度显著特征双线注意力细粒度分类网络；采用分类标签、双线注意力池化策略输出和双线注意力池化策略输出构建损失函数；对多尺度显著特征双线注意力细粒度分类网络进行训练，得到多尺度显著特征双线注意力细粒度分类网络模型；将预处理的训练数据集送入多尺度显著特征双线注意力细粒度分类网络模型中，得到细粒度分类结果。本发明通过多尺度显著特征双线注意力细粒度物体分类网络模型解决了现有对同领域物体进行细粒度图像分类时存在区分性特征太过细微难以捕捉、无法有效定位感兴趣的区域，导致的分类结果不准确的问题。
尺度显著特征双线注意力细粒度物体分类方法系统

[发明专利]一种轻量级编解码抓取位姿检测方法、系统、终端及介质-CN202310181971.X在审
发明人：徐胜军;任军琳;刘光辉;孟月波;王艳;史亚;韩九强;吕红强;刘俊;钟德星 -专利权人：西安建筑科技大学
申请日： 2023-02-28 - 公布日： 2023-05-12 - 主分类号： B25J9/16 文献下载
摘要：本发明涉及机器人视觉抓取检测技术领域，公开了一种轻量级编解码抓取位姿检测方法、系统、终端及介质，所提网络编解码抓取位姿检测网络GDLNet首先以编解码网络架构为基础，利用深度可分离卷积与混洗单元构建目标特征深度分离融合提取块，减少编码网络参数量，增强网络对抓取区域特征提取能力；利用双线性插值和深度可分离卷积建立深度分离特征重构块，在恢复高层特征丢失信息的同时，有效减小解码网络的参数量；针对可抓取区域表征像素点及其目标物体全貌非一致性问题，本发明不仅可以减少编解码网络参数量，增强网络对抓取区域特征提取能力，更能有效地增强可抓取目标区域特征，抑制非抓取像素点的冗余特征，具有较优的鲁棒性。
一种轻量级解码抓取检测方法系统终端介质

[发明专利]一种基于编码-解码结构多尺度卷积神经网络的人群计数方法-CN202010038984.8有效
发明人： 孟月波;刘光辉;徐胜军;纪拓 -专利权人：西安建筑科技大学
申请日： 2020-01-14 - 公布日： 2023-05-09 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于编码‑解码结构多尺度卷积神经网络的人群计数方法，其特征在于，包括以下步骤：考虑图像的视角扭曲，采用自适应高斯滤波器，计算图像的真值密度图；采用编码‑解码结构，搭建多尺度卷积神经网络模型，所述多尺度卷积神经网络模型的损失函数包括像素空间损失和计数误差描述；对搭建的多尺度卷积神经网络模型进行训练和测试，获得训练好的多尺度卷积神经网络模型；将待估图像输入训练好的多尺度卷积神经网络模型，预测获得人群密度图；对人群密度图进行回归估计，获得待估图像的人员数量。本发明的方法，能够保留尺度特征和图像的上下文信息；可提升密度图的输出质量。
一种基于编码解码结构尺度卷积神经网络人群计数方法

[发明专利]一种利用弱监督区域推荐的车辆重识别方法-CN202110566479.5有效
发明人：徐胜军;叶松涛;孟月波;刘光辉;韩九强;史亚;王艳;刘求緣;郝明;詹博涵;邓博文 -专利权人：西安建筑科技大学
申请日： 2021-05-24 - 公布日： 2023-04-28 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种利用弱监督区域推荐的车辆重识别方法及系统，采集道路监控摄像头捕捉的车辆图像数据，对其进行数据增强并应用于本发明所设计的弱监督区域推荐网络中；设计弱监督区域推荐网络模型的结构，区域推荐模块使用分类损失和区域建议损失函数进行优化，使其能够提取图像中具有丰富信息度的多尺度局部区域，从而获取更具有辨别力、描述力的局部区域特征，局部特征与全局特征使用三元组损失进行优化，增强网络的辨识能力；使用适应性梯度下降算法以端到端的方式监督弱监督区域推荐网络的训练，得到训练好的模型后，计算车辆查询集与图库集的相似度，根据相似度的大小排序获取车辆重识别结果。
一种利用监督区域推荐车辆识别方法

[发明专利]基于多节点拓扑重叠测度的高阶MRF模型的图像分割方法-CN201911215084.X有效
发明人：徐胜军;周盈希;孟月波;刘光辉;史亚;孔月萍 -专利权人：西安建筑科技大学
申请日： 2019-12-02 - 公布日： 2023-04-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多节点拓扑重叠测度的高阶MRF模型的图像分割方法，首先输入一幅待分割自然图像；然后对参数进行初始化；再构造基于MTOM的高阶MRF先验能量项；根据局部区域一致性WGMM似然能量和基于区域的部分二阶Potts先验模型建立基于多节点拓扑重叠测度的高阶MRF图像分割能量模型；采用Gibbs采样算法对高阶MRF图像分割能量模型进行优化，确定图像分割结果。本发明方法不仅能有效抵抗图像强噪声和纹理突变干扰，鲁棒性更好，而且具有更准确的图像分割边缘。
基于节点拓扑重叠测度 mrf 模型图像分割方法

[发明专利]一种局部多样化引导的弱监督细粒度图像分类方法及系统-CN202310077544.7在审
发明人：刘光辉;占华;孟月波;段中兴;王博 -专利权人：西安建筑科技大学
申请日： 2023-01-29 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种局部多样化引导的弱监督细粒度图像分类方法及系统，构建局部多样化引导的弱监督细粒度图像分类网络，所述分类网络包括基础主干网络，衔接在基础主干网络的Layer3，Layer4之后的跨层注意力交互模块和双线性池化模块，跨层注意力交互模块和双线性池化模块之间衔接有随机选择策略；训练局部多样化引导的弱监督细粒度图像分类网络，得到局部多样化引导的弱监督细粒度图像分类网络模型；将预处理训练数据集送入局部多样化引导的弱监督细粒度图像分类网络模型，得到图像分类结果。本发明解决了现有细粒度图像分类任务中的可区分特征太过细微难以捕捉、局部信息缺乏有效利用等问题导致的分类结果不准确的问题。
一种局部多样化引导监督细粒度图像分类方法系统

[发明专利]一种利用深度学习的弱监督车辆重识别方法-CN202110228955.2有效
发明人：徐胜军;叶松涛;孟月波;史亚;刘光辉;王艳;詹博涵;刘求缘;郝明 -专利权人：西安建筑科技大学
申请日： 2021-03-02 - 公布日： 2023-04-07 - 主分类号： G06V20/54 文献下载
摘要：一种利用深度学习的弱监督车辆重识别方法，包括步骤1：获取跨监控摄像头的车辆图像数据，对车辆数据进行预处理操作；步骤2：构造一个三分支卷积神经网络，将步骤1得到的车辆图像按照批量大小输入神经网络，提取同一车辆的多个特征映射；步骤3：在步骤2中的分支后构造一个注意力网络，将步骤2中得到的特征映射送入各自分支的自注意力网络得高维特征向量；步骤4：将步骤3得到的高维特征向量优化为不同输入车辆图像的相同语义部位；步骤5：用步骤1的跨监控摄像头的车辆图像训练数据对三分支卷积神经网络进行训练；步骤6：用步骤1的跨监控摄像头的车辆图像测试数据进行测试。本发明提高了车辆重识别的匹配精度。
一种利用深度学习监督车辆识别方法

1
2
3
下一页»
尾页
共 43 条