“尹宝才”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275个，建议您升级VIP下载更多相关专利

[发明专利]一种基于非负低秩动态模式分解的交通数据填充方法-CN201910415935.9有效
发明人：张勇;于雅冬;汪洋;胡永利;尹宝才 -专利权人：北京工业大学
申请日： 2019-05-19 - 公布日： 2023-10-27 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于非负低秩动态模式分解的交通数据填充方法，从道路上的交通探测器中得到的交通数据，将其处理成m列的数据快照矩阵的形式，然后分成两个具有m‑1列的数据快照矩阵来分别代表原始数据的前m‑1列和后m‑1列。然后考虑矩阵填充中的映射算子，并考虑到交通数据的非负性，得到交通数据的填充模型，最后通过该方法提出的模型进行交通数据的填充修复。此方法能够不仅能够直接处理从交通探测器得到的交通数据所形成的数据快照矩阵，还能够处理有缺失的交通数据并进行填充。与一些传统的交通数据矩阵填充方法相比，本发明考虑到了交通数据会出现局部丢失的问题，提升交通数据的填充修复能力，证明该方法的有效性以及实用性。
一种基于非负低秩动态模式分解交通数据填充方法

[发明专利]基于边缘注意门控图卷积网络的半监督视频分割方法-CN202310638743.0在审
发明人：张勇;张宇晴;李亚静;王少帆;尹宝才 -专利权人：北京工业大学
申请日： 2023-06-01 - 公布日： 2023-09-29 - 主分类号： G06V20/40 文献下载
摘要：一种基于边缘注意门控图卷积网络的半监督视频分割方法，用于解决复杂场景中的无法准确分割出目标物体的问题。本发明将整个视频分割成若干超像素，并在视频第一帧生成若干种子点；将第一帧的种子点逐帧传播到后续帧，并将视频序列转化为时空图。之后，提出边缘注意力门控图卷积网络，实现对超像素前景、背景标签的划分，实现视频预分割。最后，基于目标在帧间形变的规律，对目标构造全局外观模型，优化分割，减缓相似物体或复杂背景干扰时的分割挑战。本发明基于超像素提取目标底层特征和边界轮廓，基于图卷积网络提取图像的深度特征，挖掘帧内和帧间的相关性，提升了捕获视频中蕴含的关联关系和潜在语义信息的能力，在多种分割挑战中表现良好。
基于边缘注意门控图卷网络监督视频分割方法

[发明专利]一种基于约束引导和空间优化策略的场景主动式建图方法-CN202310196559.5有效
发明人：杨鑫;殷雪峰;尹宝才 -专利权人：大连理工大学
申请日： 2023-03-03 - 公布日： 2023-09-29 - 主分类号： G06Q10/047 文献下载
摘要：本发明属于机器人感知和计算机视觉领域，提出一种基于约束引导和空间优化策略的场景主动式建图方法，其包括全局规划阶段和局部规划阶段；全局规划阶段中计算机器人的下一探索目标点，用于引导机器人探索场景；当下一探索目标点确定后，局部规划阶段根据该下一探索目标点、机器人所在位置以及构建的占用地图，生成具体动作，驱动机器人前往下一探索目标点，同时收集观测数据，用于更新占用地图信息。本发明的方法可以有效地避免探索过程中的长距离往返，使得机器人在探索过程中能够兼顾信息增益和移动损耗，找到探索效率的平衡，实现主动建图效率的提升。
一种基于约束引导空间优化策略场景主动式建图方法

[发明专利]一种基于动态超图卷积网络的轨道交通客流预测方法-CN202010540661.9有效
发明人：张勇;王竟成;魏运;胡永利;尹宝才 -专利权人：北京工业大学
申请日： 2020-06-12 - 公布日： 2023-09-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出一种基于动态超图卷积网络的轨道交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。该方法在利用超图对轨道交通网络拓扑关系进行高阶表示的基础上，通过超图卷积模块实现图卷积网络的引入，并通过挖掘客流OD的内在时空特征构建动态超边，实现动态超图卷积网络机制。相较于传统的数学模型以及机器学习方法，该方法对于轨道交通特征的提取更加深入和准确。完成了轨道交通客流预测的任务，提高了预测准确率。
一种基于动态超图卷积网络轨道交通客流预测方法

[发明专利]一种基于超图注意力的人体网格重建方法-CN202310600839.8在审
发明人：孔德慧;郝晨辉;李敬华;尹宝才 -专利权人：北京工业大学
申请日： 2023-05-25 - 公布日： 2023-08-29 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于超图注意力的人体网格重建方法，提出基于超图的人体网格分层表示来形成含部件语义的人体网格表示模型，这种新的表示模型为人体网格重建提供结构基础；通过构建Body2Parts特征转移模块实现部件间特征的汇聚和与图像信息的融合，从部件层级去进行信息交互和融合，可支持部件层次的高质量人体重建；通过提出Part2Vertices特征转移模块实现部件特征和顶点特征的转移，以及利用超图注意力来细化顶点级的特征，以顶点为表示单元，在部件内进行特征传递，支持网格点层次的精细化人体重建。基于层级化人体网格表示模型的层级化重建方法，本发明实现了三维人体网格重建精度和计算代价的高性能折衷。
一种基于超图注意力人体网格重建方法

[发明专利]基于窗口注意力的神经数据依赖变换的图像压缩方法-CN202310580643.7在审
发明人：施云惠;叶莉萍;王瑾;尹宝才 -专利权人：北京工业大学
申请日： 2023-05-23 - 公布日： 2023-08-22 - 主分类号： G06T9/00 文献下载
摘要：基于窗口注意力的神经数据依赖变换的图像压缩方法属于计算机视觉领域。考虑每个输入图像的率失真RD性能很有意义，现有方法没有充分考虑每个图像的概率属性和局部纹理，RD性能有待进一步提高。本发明中扩展的窗口注意力模型(EWAM)联合学习图像的概率属性和局部纹理。一种基于卷积神经网络的框架，包括以下组件：语法生成器和权重生成器，通过模型流来学习语法和语法权重；上下文模型，通过内容流来学习内容；超先验模型，通过潜在表示学习分布；以及EWAM，通过窗口注意力进一步提高概率属性的精度和局部纹理的清晰度。本发明不仅能够在线优化每张图像的RD性能，而且具有更清晰的纹理和结构，在客观指标上优于目前最先进的方法。
基于窗口注意力神经数据依赖变换图像压缩方法

[发明专利]一种基于超先验可变码率图像压缩的精准R-λ模型码率控制方法-CN202310579557.4在审
发明人：施云惠;王鹏权;王瑾;尹宝才 -专利权人：北京工业大学
申请日： 2023-05-23 - 公布日： 2023-08-22 - 主分类号： H04N19/146 文献下载
摘要：一种基于超先验可变码率图像压缩的精准R‑λ模型码率控制方法属于计算机视觉领域，针对基于超先验可变码率图像压缩框架无法对于单张图像的目标码率给出相应的拉格朗日乘子。本方法为任意图像和任意基于超先验可变码率图像压缩模型建立拉格朗日乘子λ和码率R的关系，提出精准R‑λ模型。通过3次编码拟合单张图像的精准R‑λ模型。计算出对应目标码率应该输入的拉格朗日乘子。最后对于该图像的任意输入码率，都可以输出与输入码率相近的输出码率，平均误差控制在0.6％下，实现精准的码率控制。
一种基于先验可变图像压缩精准模型控制方法

[发明专利]基于软块对角的多视聚类方法-CN201911152319.5有效
发明人：王博岳;罗萃萃;胡永利;魏运;孙艳丰;尹宝才 -专利权人：北京工业大学
申请日： 2019-11-20 - 公布日： 2023-08-04 - 主分类号： G06V40/16 文献下载
摘要：本发明提出一种基于软块对角的多视聚类方法，涉及模式识别和机器学习等领域，尤其是面向人脸图像的不完整多视角数据的聚类任务。该方法在基于多视角数据自表示的模型上引入软块对角正则化，对学习到的多图进行融合，最终把得到的软块对角相似度矩阵执行NCut操作。相比于传统的硬块对角正则化，软块对角正则化对噪声和异常值更加鲁棒。完成了不完整多视聚类任务，提高了识别正确率。
基于对角多视聚类方法

[发明专利]基于跨模态多粒度交互融合的长文档分类方法及装置-CN202310301100.7在审
发明人：胡永利;刘腾飞;孙艳丰;尹宝才 -专利权人：北京工业大学
申请日： 2023-03-24 - 公布日： 2023-08-01 - 主分类号： G06F18/25 文献下载
摘要：基于跨模态多粒度交互融合的长文档分类方法及装置，能够有效弥补现有方法对视觉信息的忽视，通过引入特征偏移网络在不同粒度实现跨模态的交互和融合，控制计算复杂度，达到分类准确率和分类效率的平衡。方法包括：(1)输入一个长文档中对应的文本序列，以及对应的单张或多张图片；(2)分别通过预训练编码器BERT和VGG‑16提取对应模态的多粒度特征表示；(3)使用多模态协同池化模块，在视觉信息和文本信息的协同引导下池化细粒度文本特征；(4)使用跨模态特征偏移网络，分别在4个不同的粒度组合下实现跨模态特征的交互和融合；(5)使用特征聚合网络实现多空间特征的融合，并获得最终的长文档分类结果。
基于跨模态多粒度交互融合文档分类方法装置

[发明专利]基于层次多粒度交互图卷积网络的长文档分类方法及装置-CN202310316635.1在审
发明人：胡永利;刘腾飞;孙艳丰;尹宝才 -专利权人：北京工业大学
申请日： 2023-03-24 - 公布日： 2023-08-01 - 主分类号： G06F18/24 文献下载
摘要：基于层次多粒度交互图卷积网络的长文档分类方法及装置，在控制模型计算复杂度的情况下，能够构建网络以刻画长文档完备的层次结构化信息，以及进行图间信息交互。方法包括：(1)获得长文档层次化多粒度表示；(2)执行多层层次叠加的段落图卷积、句子图卷积和单词图卷积，以及相应的图间交互；(3)为了融合不同粒度不同尺度的语义信息，使用最大池化分别聚合段落图的终层输出，以及句子图和单词图每一层的输出。
基于层次粒度交互图卷网络文档分类方法装置

[发明专利]一种融合文本描述与图卷积机制的知识图谱补全方法-CN202310222708.0在审
发明人：陈思龙;孔雨秋;张立和;马战川;尹宝才 -专利权人：大连理工大学
申请日： 2023-03-09 - 公布日： 2023-07-04 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种融合文本描述与图卷积机制的知识图谱补全方法，属于知识图谱补全领域。依次包括以下步骤：首先将实体描述文本和关系词作为输入，利用多层加权图卷积网络，集成实体语义与关系词向量以及实体语义与相邻实体语义的注意力机制，从邻域中获取信息，得到高质量实体特征；其次，通过跨模态Transfomer和空洞卷积进一步提高实体与关系的交互，得到特征图；最后，将特征图拉平后映射到实体向量所在空间，与尾实体点乘后得到相似度得分。本发明可以获得更好实体嵌入表示，并且提高知识图谱补全任务性能。
一种融合文本描述图卷机制知识图谱方法

[发明专利]一种基于人体交互意图信息的层级人物交互检测方法-CN202310266335.7在审
发明人：孔德慧;王帅;李敬华;尹宝才 -专利权人：北京工业大学
申请日： 2023-03-20 - 公布日： 2023-06-23 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于人体交互意图信息的层级人物交互检测方法，分为1)目标检测：检测输入图像中的所有对象实例。2)人物交互检测：对图像中所有的人‑物体对实例进行人物交互检测。通过视觉特征的设计抽象出人体注视信息来建模交互参与者关注的上下文区域；提出面向人体交互意图的人体姿态图构建，优化身体运动对交互检测的差异信息；使用人和物体之间的距离‑特征作为引导视觉距离特征的优化，提升人物交互检测算法的性能。
一种基于人体交互意图信息层级人物检测方法

[发明专利]一种交互式自然图像抠图方法-CN202010000472.2有效
发明人：乔羽;杨鑫;魏小鹏;张强;尹宝才 -专利权人：大连理工大学
申请日： 2020-01-02 - 公布日： 2023-06-20 - 主分类号： G06T7/11 文献下载
摘要：本发明属于计算机视觉技术领域，提供了一种交互式自然图像抠图方法，实现一种用户友好地简单交互式图像抠图框架，分为超像素划分、信息区域选取、用户划线、马尔科夫传播和CNN传播5个阶段。整体框架通过简单的用户交互实现准确、高效的图像蒙版生成，一些图像细节都可以准确地预测。马尔科夫链与深度学习的结合在有限邻域和全图上进行有效的标签传播与扩散，实现有限用户交互的最大化标注。本发明得到更为精准的抠图蒙版，同时又比依赖于三分图的抠图算法节省大量的运算时间，实现了图像抠图准确度与代价之间的有效平衡。
一种交互式自然图像方法

[发明专利]一种基于稠密融合特征提取的机器人抓取主动式学习选择方法-CN202211572299.9在审
发明人：魏博言;杨鑫;尹宝才;魏小鹏 -专利权人：大连理工大学
申请日： 2022-12-08 - 公布日： 2023-06-06 - 主分类号： G06V10/766 文献下载
摘要：本发明属于计算机视觉技术中的物体抓取位姿预测领域，公开了一种基于稠密融合特征提取的机器人抓取主动式学习选择方法，挑选出数据集中信息量最高的数据，从而只训练部分数据达到训练整个数据集的效果，降低抓取模型在不同场景下的迁移成本。主动式学习模块和抓取预测模块是并行结构，可一起进行训练。模型训练完成之后，抓取检测模型为闭环端到端结构，截取当前的色彩和深度数据作为输入，可以输出物体的抓取位姿，并且进行可视化。为了降低使用者使用门槛，本发明还内嵌一个抓取方式标注接口，可视化的手段标注抓取方式，并反向解算出真值四元数组。
一种基于稠密融合特征提取机器人抓取主动学习选择方法

[发明专利]一种面向连续帧点云的三维人体标准骨架提取方法-CN201910056962.1有效
发明人：张勇;谭斐;王少帆;孔德慧;尹宝才 -专利权人：北京工业大学
申请日： 2019-01-19 - 公布日： 2023-06-02 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种面向连续帧点云的三维人体标准骨架提取方法，该方法包含以下两个步骤：第一步，采集多视角运动人体的图像，使用每一帧的各视角图像重建出稠密的点云模型。针对每一帧的点云模型，进行降采样，表面重建，进而使用基于模型分割的三维人体标准骨架提取算法提取标准骨架模型；第二步，对提取的标准骨架进行帧间对齐与对应点匹配，构造连续帧标准骨架的骨骼点序列，建立连续帧骨骼点位置优化模型对上面得到的骨骼点序列进行优化，最终得到面向连续帧点云的三维人体标准骨架序列在几乎没有人工干预的前提下，提取的三维人体骨架无论是在完整性上，与原模型贴合度上，准确性上，还是在标准性上都比传统方法提取的骨架更具有优势，更具有实用价值与意义。
一种面向连续帧点云三维人体标准骨架提取方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
下一页»
尾页
共 275 条