一种基于前景特征提取的三维目标检测方法，属于三维目标检测领域，包括以下步骤：步骤一、提取前景特征，过程如下：步骤1.1）定义初级特征提取主干网络；步骤1.2）前景区域划分；步骤1.3）前景评分；步骤1.4）金字塔特征聚合；步骤二、三维可变形注意力，将可变形注意力拓展到三维空间，包括三维偏移采样和视图变换，对于三维空间中的每个查询参考点，模型学习每个查询点周围的M个采样偏移量，并将这些参考点投影到不同的二维尺度和视图中；在二维目标检测器的帮助下，将目标对象的位置约束在某些图像区域内。本发明有效减少背景干扰并降低计算复杂度，增强模型对特征信息的提取和表达能力。
📄 2025115635693
📂 G06V10_764
👤 中国计量大学
📅 2025-10-30
本发明公开一种基于EIEM边缘特征提取的钢铁缺陷检测方法，首先设计一个边缘信息提取模块EIEM替换C2f中的BottleNeck，该模块采用sobel算子来提取特征的边缘信息并与整体空间信息进行特征融合，获得更加丰富的语义信息；其次，替换上采样方法为CARAFE，该方法通过编码器能够学习到适合自己特征信息的卷积核，以指导更加精确的特征重建；最后，将原来的检测头换成了动态统一的检测头（DyHead)，以应对不同缺陷的尺寸和变换位置，而且正因为这个检测头，在不同的尺寸、位置、任务中，都能动态的适应，不需要改变检测头。与现有技术相比，本发明克服了现有技术中鲁棒性差、引入噪声导致缺陷检测准确率低的问题，利用改进YOLOv8s模型架构，具有准确性高，适用广度大的优点。
📄 2024109597543
📂 G06V10_764
👤 淮安大学
📅 2024-07-17
本发明公开了一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，包括如下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据和辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。本发明通过采用创新的信号预处理技术，有效地提高了sEMG信号处理的准确性和效率。
📄 2024103959150
📂 A61B5_389
👤 齐鲁工业大学(山东省科学院)
📅 2024-04-02
本发明公开了一种视网膜OCT图像中血管结构的特征提取方法和配准方法，该特征提取方法基于视网膜OCT图像进行体现血管结构3D特征的第一特征、用于体现血管结构交点特征的第二特征、用于体现血管结构SURF特征的第三特征提取，并对提取到的特征进行融合，因此得到的特征能够具有更全面的血管结构信息，为后续配准等操作打下基础。本发明中特征提取方法设计了用于体现血管结构交点特征的第二特征提取的提取步骤，通过第一特征提取矩阵对潜在的血管交点进行血管交点提取，得到初筛后的血管交点；再通过第二特征提取矩阵对初筛后的血管交点进行伪特征点的排除，得到二次筛选后的血管交点，由此可以避免血管交点的错漏。
📄 2024112283359
📂 G06V40_14
👤 江苏理工学院
📅 2024-09-03
本发明涉及一种油膜振荡二维及三维瞬时特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)，采集转子同一截面两个垂直方向的油膜振荡信号，并将其组成一个复数形式的二元旋转信号；通过CLCD将该信号自适应分解成多个复数形式的二元子旋转信号，从中分离出基频和半频信号；对上述信号运用希尔伯特变换，获取油膜振荡信号的二维和三维瞬时特征。由于CLCD通过信号的自身特点自适应地对其分解，并运用双线性变换，故该方法自适应性强，瞬时特征提取全面、速度快、效率高，具有良好的技术效果。
📄 2017111574906
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
本发明涉及一种旋转机械故障特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)；采集同一截面水平及垂直方向的振动信号，将其组成一个复数信号；通过CLCD将该信号自适应分解成多个复内禀尺度分量，用全矢谱技术融合各分量的实部和虚部特征。本发明通过提出的CLCD方法直接对双通道的信号进行处理，确保了各个通道信号有相同的分解尺度，便于信息融合。并且运用了双线性变换，所以该方法自适应性强，故障特征提取全面、速度快、效率高，具有良好的技术效果。
📄 201711156210X
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
本发明涉及一种基于联合注意力ResNeSt的复杂场景下网络直播视频特征提取方法。首先对网络直播视频进行关键帧提取，得到视频的关键帧数据。为了利用视频帧的多尺度特征，按照特征金字塔网络的多尺度结构，设计了一个并行通路。该并行通路是自下而上构建的，与原有主干通路之间利用横向连接和斜向连接进行信息交换，其中横向连接和斜向连接均为卷积运算。考虑到网络直播的画面表现形式多以人为主体，同时夹杂大量冗余信息，因此引入空间——通道联合注意力，便于聚焦画面主体特征。最后，将融合了联合注意力的并行特征金字塔结合卷积层和池化层，构造ResNeSt特征提取模块，通过多层模块叠加，实现复杂场景下网络直播视频的特征提取。
📄 2020115095457
📂 H04N21_2187
👤 北京工业大学
📅 2020-12-18
本发明公开了一种基于时序差异特征提取的合成氨一段炉运行异常检测方法，旨在如何自适应的为合成氨一段炉过程数据实时提取时序差异特征，从而实现并完成高敏感性的合成氨一段炉运行异常检测任务。具体来讲，本发明方法通过合成氨一段炉的过程数据自适应的建立时序误差生成模型。在此基础上，利用在线自回归模型的误差实施合成氨一段炉运行异常检测。本发明方法最大的技术优势在于：本发明采用了一种全新的时序差异特征分析算法技术对合成氨一段炉的过程数据进行特征分析提取，能够自适应的更新得到从最大化时序误差的时序差异特征。因此，从这个角度出发，本发明方法理论上能使用高敏感性的时序差异特征来实施异常检测。
📄 202210651302X
📂 G06Q10_06
👤 宁波大学科学技术学院
📅 2022-04-30
本申请公开了一种图像特征提取方法、装置、设备及存储介质，涉及计算机视觉和深度学习等人工智能领域。具体实现方案为：对待处理图像关联的至少两个切分特征中的当前切分特征进行切分处理，得到当前切分特征的目标提取特征和待传递特征；其中，当前切分特征的待传递特征用于更新位于当前切分特征之后的后续切分特征，以及确定后续切分特征的目标提取特征；根据至少两个切分特征的目标提取特征，得到待处理图像的特征提取结果。本申请实施例提高了图像特征提取精度。
📄 2020111966270
📂 G06V10_40
👤 百度(中国)有限公司
📅 2020-10-30
本发明公开了一种基于特征提取和Stacking集成学习的软件缺陷预测方法，包括：(1)利用核主成分分析对原始数据集进行特征提取，得到降维后的缺陷数据集DS′；(2)利用本发明提出的协同过滤算法为新的软件缺陷数据推荐适用的抽样方法，使用推荐的抽样算法在缺陷数据集DS′上进行不平衡处理，得到不平衡处理后的缺陷数据集DS″；(3)使用K‑Means算法对缺陷数据集DS″进行聚类，对于偏离主流类别的异常值进行剔除，得到缺陷数据集DS″′；(4)构建基于Stacking集成学习的软件缺陷预测模型，为第一层的基学习器和第二层的元学习器选择合适的分类器，构建出性能良好的软件缺陷预测模型；(5)在处理后的缺陷数据集DS″′上使用集成后的模型与基模型和主流集成模型进行对比，以此验证本发明提出的集成预测模型的性能优劣。研究结果表明，本发明提出的KSSDP集成预测模型比基模型和主流集成模型的性能更好。
📄 2021111066110
📂 G06K9_62
👤 西南民族大学
📅 2021-09-22
本发明公开了一种基于局部密度信息的软件缺陷数据自适应过采样方法，本发明首先在数据预处理阶段使用Min‑Max归一化方法统一量纲，使用提出的AgglomerativeClustering‑Relief特征选择方法，降低数据维度并删除冗余特征。然后在自适应分组采样阶段，通过分析在低维状态下的少数类实例的局部密度信息，将所有少数类实例根据各自的分布特点划分至不同的分组，并针对不同分组中的少数类实例，采用针对性的过采样策略进行自适应过采样。最终使数据集中两类样本数量达到平衡，从数据层面解决不平衡问题。
📄 2021111162527
📂 G06V10_774
👤 杭州电子科技大学
📅 2021-09-23
本发明公开了一种基于样本分布特征和SPY算法的软件缺陷预测方法；本发明基于软件缺陷数据集的分布特征，提出了边界k值确定公式。根据公式为不同的数据集选择合适的少数类边界样本。此外，本发明将SPY算法和边界采样算法结合，通过边缘样本优化SPY算法，将少数类边界区域的部分多数类样本设置成为SPY样本，并为SPY样本设置较小训练样本权重，在原始少数类边界区域内部使用边界采样的算法。SPY样本可以对边界上的少数类样本起到引导的作用，确保边界区域的少数类样本能够被正确分类。同时，通过为SPY样本设立一个较小的样本权重，减少了SPY样本对多数类样本的分类影响，最终达到一个较好的分类效果。
📄 2021107033222
📂 G06F11_36
👤 杭州电子科技大学
📅 2021-06-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台