“侯春萍”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293个，建议您升级VIP下载更多相关专利

[发明专利]基于色彩、自然性及结构的色调映射图像质量评价方法-CN201910068926.7有效
发明人： 侯春萍;宋春颖;岳广辉;李浩 -专利权人：天津大学
申请日： 2019-01-24 - 公布日： 2023-01-20 - 主分类号： G06T7/13 文献下载
摘要：本发明涉及一种基于色彩、自然性及结构的色调映射图像质量评价方法，包括以下步骤：图像色彩特征提取：给定一张色调映射图像I，将RGB颜色空间变换到对立颜色空间之后计算全局图像色彩，提取图像全局色彩特征；在图像块上计算图像对比度的均值和方差以提取图像局部色彩特征；图像自然性特征提取；图像结构特征提取：对于图像I，使用双阈值Canny边缘检测器获取边缘信息，计算细节和基本结构之间的比值，以该比值平均值作为第一种图像结构特征；通过对图像I采取变暗或变亮操作获得“伪”TM图像，提取第二种图像结构特征；图像质量评价。
基于色彩自然结构色调映射图像质量评价方法

[发明专利]一种基于多任务学习的行人检测方法-CN201811335508.1有效
发明人：雷建军;陈越;侯春萍;彭勃;郭亭佚;牛力杰 -专利权人：天津大学
申请日： 2018-11-10 - 公布日： 2022-12-20 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于多任务学习的卷积神经网络行人检测方法，包括：将行人位置所在的区域划分为m*n个子区域，按照预设规则将子区域进行组合，获取多个组合区域，将每个组合区域定义为行人可见模式；基于高速区域卷积网络的第一阶段网络结构，采用同一个特征提取网络提供输入图像的深度特征，并联多个检测网络，每一个检测网络对应一种行人可见模式的检测任务；统计行人检测场景视频中各种行人可见模式出现的比例、与每一个任务的损失函数加权平均，得到总的损失函数；选取前五种行人可见模式生成训练样本，分别训练对应的区域推荐子网络，进而实现对行人的检测。本发明采用多任务学习的方式，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对遮挡行人的检测能力。
一种基于任务学习行人检测方法

[发明专利]一种基于半异构联合嵌入网络的草图图像检索方法-CN201910746354.3有效
发明人：雷建军;宋宇欣;彭勃;侯春萍;于传波;丛润民 -专利权人：天津大学
申请日： 2019-08-13 - 公布日： 2022-12-02 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于半异构联合嵌入网络的草图图像检索方法，所述方法包括以下步骤：构建由半异构特征映射部分和联合语义嵌入部分组成的半异构联合嵌入网络；所述半异构特征映射部分用于为每个域提取底部特征，所述联合语义嵌入部分用于将来自不同域的特征嵌入到共同的高级语义空间中；采用混合损失函数机制对网络进行训练，得到具有辨析力的嵌入特征；该混合损失函数机制包括对齐损失函数和草图‑边缘图对比损失函数；采用预训练阶段和联合训练阶段。本发明通过网络学习得到更多的具有辨析力的跨域特征表示，同时缩小草图域和自然图像数据域的域差异。
一种基于半异构联合嵌入网络草图图像检索方法

[发明专利]一种基于协同注意力的草图图像检索方法-CN201910746351.X有效
发明人：雷建军;宋宇欣;彭勃;侯春萍;李鑫宇;丛润民 -专利权人：天津大学
申请日： 2019-08-13 - 公布日： 2022-11-15 - 主分类号： G06F16/53 文献下载
摘要：本发明公开了一种基于协同注意力的草图图像检索方法，包括：构建由自然图像分支、边缘图分支和草图分支构成的三分支网络，并进行预训练；构建三分支网络的注意力模块，自然图像分支和边缘图分支的注意力模块权重异构，边缘图分支和草图分支的注意力模块共享权重；学习两个不同数据域上的公共注意力掩膜捕获两个域之间的公共通道级依赖关系，聚焦学习来自两个不同域的公共信息特征，缩小查询数据域和检索数据域的差距；通过跨域公共注意力掩膜分别对自然图像和边缘图分支最后一个池化层输出特征图进行通道相应加权，输出对特征通道重要程度进行重校准后的自然图像特征图和边缘特征图；对三分支网络进行联合训练，获得草图和自然图像的跨域表示。
一种基于协同注意力草图图像检索方法

[发明专利]一种基于单分类技术的图像类别增量学习方法-CN202010076321.5有效
发明人： 侯春萍;丁杰轩;杨阳 -专利权人：天津大学
申请日： 2020-01-23 - 公布日： 2022-11-15 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于单分类技术的图像类别增量学习方法，包括下列步骤：数据集制作；初始分类神经网络搭建；步骤3：类增量学习神经网络搭建：对步骤2中初始分类神经网络进行修改，使初始分类神经网络具有类增量学习的功能：调整输出的类别以及类别数量参数，并将新类别图像的数据集放入指定文件夹中，训练类增量学习神经网络时，通过知识蒸馏算法来更新模型参数，即，融合蒸馏损失和交叉熵损失函数成为新的损失函数，此外在类增量学习神经网络中添加Bias correction结构，使类增量学习神经网络能够适应大规模的图像类别增量学习。步骤4：基于单分类技术的图像类别增量学习模型搭建。
一种基于分类技术图像类别增量学习方法

[发明专利]一种核工程用高耐久性混凝土及其制备方法-CN202210809686.3在审
发明人：秦哲焕;王宝树;李玉民;刘敏;纪宪坤;侯春萍;朱国军;孔庆勋;王伟 -专利权人：武汉三源特种建材有限责任公司;中国核电工程有限公司
申请日： 2022-07-11 - 公布日： 2022-11-08 - 主分类号： C04B28/04 文献下载
摘要：本发明公开一种核工程用高耐久性混凝土及其制备方法，属于混凝土制备技术领域。一种核工程用高耐久性混凝土，包括以下重量份的各组分：水泥280～330份、超细复合掺合料80～155份、镁质组分24～45份、水化热调控组分3.5～5.5份、粗骨料950～1100份、细骨料700～800份、聚羧酸减水剂4～7份、水140～170份；所述超细复合掺合料由粉煤灰、矿渣粉和硫酸钡组成，所述粉煤灰、矿渣粉和硫酸钡的比表面积均为600～700m2/kg。本发明通过有效降低混凝土由于温度应力、干缩引起的开裂风险，提高混凝土结构的密实性，增加混凝土抵抗有害物质入侵的性能，同时提高混凝土的防辐射能力，综合提高混凝土的性能。
一种工程耐久性混凝土及其制备方法

[发明专利]基于通道重组与特征融合的无参考图像质量监测方法-CN202110036004.5有效
发明人：沈丽丽;张楚河;侯春萍 -专利权人：天津大学
申请日： 2021-01-12 - 公布日： 2022-11-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于通道重组与特征融合的无参考图像质量监测方法，所述方法包括：对图像进行预处理，并对处理后的图像进行特征提取；在通道维度对被提取特征进行重组与分割；在显著性模型指导下对分割后的特征进行融合与质量预测，将获取的质量分数取平均值作为图像的质量预测分数，将质量预测分数用于图像质量监测领域，对图像质量进行控制。本发明有效地模拟视觉感知过程，解决了图像质量监测过程中数据样本不足以及结果与人眼不一致的问题。
基于通道重组特征融合参考图像质量监测方法

[发明专利]基于Transformer的海表面风速预测方法-CN202210445463.3在审
发明人： 侯春萍;瞿宏博;王致芃;刘洪琛 -专利权人：天津大学
申请日： 2022-04-26 - 公布日： 2022-08-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于Transformer的海表面风速预测方法，包括特征提取模块，Transformer模块和风速场重建模块，进行海表面风速预测时，输入是过去10个时间步长的完整风速场，通过特征提取模块，输入的风速场被编码成每个时刻风速场在高维特征空间的特征向量。过去10个时刻高维风速场的特征向量被输入Transformer模块，Transformer模块用于建立不同时刻风速场特征向量间的全局长时依赖，并以此推出未来10个时刻的风速场预测结果的特征向量；将未来10个时刻的风速场特征向量输入基于卷积神经网络的风速场重建模块，风速场重建模块将其解码成完整的风速场。
基于 transformer 表面风速预测方法

[实用新型]一种无人机用机身稳定装置-CN202123298028.2有效
发明人： 侯春萍 -专利权人： 侯春萍
申请日： 2021-12-23 - 公布日： 2022-07-19 - 主分类号： B64C25/32 文献下载
摘要：本实用新型公开了一种无人机用机身稳定装置，包括箱体，所述箱体顶部的四周均开设有通槽，且通槽的内腔栓接有第一电机，所述第一电机的输出轴栓接有螺旋桨，所述箱体内腔底部的四周均栓接有固定柱，所述固定柱的底部贯穿箱体并栓接有第一支撑板，所述箱体的内腔设置有调节机构，所述箱体内腔底部的中心处栓接有控制器，且控制器的顶部栓接有平衡仪。本实用新型通过调节机构的配合，便于使用者对活动柱进行升降调节，方便第二支撑板对箱体进行支撑，通过平衡仪的配合，便于使用者对第二支撑板的高度进行分别调节，使箱体保持在平衡状态，避免无人机发生侧翻，解决了传统无人机用机身稳定装置稳定效果差的问题。
一种无人机机身稳定装置

[发明专利]一种基于扩展算法的分区域高程异常拟合方法-CN202110769067.1有效
发明人：赵鹏宇;侯春萍;侯永宏;王致芃;刘洪琛 -专利权人：天津大学
申请日： 2021-07-07 - 公布日： 2022-07-15 - 主分类号： G01C15/00 文献下载
摘要：本发明涉及一种基于扩展算法的分区域高程异常拟合方法，包括如下的步骤：获得GNSS水准数据，组合GNSS控制点的平面坐标和高程异常数据，得到用于模型训练的样本数据；划分拟合点和检核点，对拟合点数据进行预处理，加入至少一种随机扰动以增加拟合点，从而扩展样本数据；对于每个小区域，利用扩展后的样本数据，分别采用至少两种以上的拟合方案拟合高程异常模型；对于每个小区域，评定模型精度，从而选出性能最佳的高程异常模型；计算未知点的正常高数据。
一种基于扩展算法区域高程异常拟合方法

[发明专利]基于方向总变差最小化和导向滤波的图像摩尔纹去除方法-CN202010083003.1有效
发明人：杨敬钰;吴增坤;岳焕景;侯春萍;李坤 -专利权人：天津大学
申请日： 2020-02-07 - 公布日： 2022-07-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于方向总变差最小化和导向滤波的图像摩尔纹去除方法，步骤1、将屏摄图像投影在YUV色彩空间(分为亮度通道Y，以及两个色度通道U和V)，实现色彩空间映射；步骤2、将亮度通道进行分解，对分解产生的多变量进行不同约束和交替迭代求解，去除摩尔纹；步骤3、以分层后的亮度通道无摩尔纹层为引导，通过两个色度通道实现导向滤波；步骤4、整合三通道，得到无摩尔纹的彩色图像。与现有技术相比，本发明实现了一种具有普适性的屏摄图像摩尔纹去除方法，计算复杂度低，快速有效。
基于方向总变差最小化导向滤波图像摩尔去除方法

[实用新型]一种便于拆装收纳的固定翼无人机-CN202220306712.6有效
发明人： 侯春萍 -专利权人： 侯春萍
申请日： 2022-02-16 - 公布日： 2022-07-01 - 主分类号： B64C1/00 文献下载
摘要：本实用新型公开了一种便于拆装收纳的固定翼无人机，包括机体，所述机体后端壁体上对称设有两个尾翼，所述机体后端壁体上设有螺旋桨，所述机体底部前端壁体中设有摄像头，所述机体两侧壁体上均设有第一机翼，所述第一机翼一侧壁体上设有第二机翼，所述第一机翼与第二机翼壁体之间设有连接机构，所述连接机构包括安装块、连接块、连接杆与收纳槽。本实用新型所述的一种便于拆装收纳的固定翼无人机，涉及无人机设备技术领域，通过将无人机第一机翼与第二机翼之间的连接机构的设置，能够快速的将第二机翼进行折叠收纳与固定，进而便于将无人机进行收纳，且对第二机翼进行展开时也无需进行取拿与通过繁琐方式的固定。
一种便于拆装收纳固定无人机

[发明专利]一种无参考夜间自然图像质量评价方法-CN202010246558.3有效
发明人： 侯春萍;宋春颖;李浩 -专利权人：天津大学
申请日： 2020-03-31 - 公布日： 2022-06-03 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种无参考夜间自然图像质量评价方法，包括以下步骤；1)图像颜色及对比度特征提取；2)图像纹理特征提取；3)图像亮度特征提取；4)考虑到人类视觉系统多尺度特性，对夜间图像进行下采样，在两个尺度上对夜间图像进行特征提取过程，共得到28维特征向量，使用支持向量回归SVR建立夜间图像无参考质量评价模型，输入测试图像可获得相应的质量分数。
一种参考夜间自然图像质量评价方法

[发明专利]基于显著性策略与特征融合无参考图像质量评价方法-CN202110130011.1有效
发明人：沈丽丽;张楚河;侯春萍 -专利权人：天津大学
申请日： 2021-01-29 - 公布日： 2022-05-17 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于显著性策略与特征融合的无参考图像质量评价方法，包括下列步骤：对待评价图像进行预处理，将其转换成灰度图像并分成不重叠的小图像块，对小图像块进行筛选，选取显著性图像块作为输入样本，同时计算每个图像块的显著性得分；采用双流结构的卷积神经网络对输入样本进行特征提取，一个流侧重于提取初级特征，称其为初级特征提取网络，另一个带上采样网络的流侧重于提取高级特征，称其为高级特征提取网络；将提取到的初级特征与高级特征进行合并，再通过节点数为1024的全连接层映射后获取显著性图像块的局部质量分数。最后，利用显著性加权模型计算每个显著性图像块的权重，根据权重计算最终的预测得分。
基于显著策略特征融合参考图像质量评价方法

[发明专利]一种基于并行序列通道映射网络的脑电情感识别方法-CN202011286440.X有效
发明人：沈丽丽;赵伟;侯春萍 -专利权人：天津大学
申请日： 2020-11-17 - 公布日： 2022-04-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于并行序列通道映射网络的脑电情感识别方法，包括如下步骤：对受试者的EEG数据进行降采样、去除EOG伪影和噪声，获取预处理后的基线信号和情感信号；构建一基线滤波器，用于从基线信号中筛选出平稳基线信号，并从情感信号中减去平稳基线信号得到差异信号，作为网络的输入样本；采用在线增强数据的方式，在每一个训练批次中随机选择同类情感的样本，随机交换不定数量的对应通道上的数据；构建由时间流子网络、空间流子网络、融合分类块构成的脑电情感识别网络；根据所述脑电情感识别网络提取人类脑电特征，所述脑电特征包括时间和空间特征。本发明有效地解决了特征提取过程中时空信息不足和效率低下的问题。
一种基于并行序列通道映射网络情感识别方法