-
公开(公告)号：CN111931587A
公开(公告)日：2020-11-13
申请号：CN202010678292.X
申请日：2020-07-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于可解释时空自编码器的视频异常检测方法，包括对视频进行预处理的步骤；对处理后的数据进行特征学习的步骤,其中,所述特征学习包括基于可解释时空自编码器的深度学习模型,并获取重构视频序列；对重构的视频序列进行规则性分数计算的步骤；将计算的规则性分数与预定义的阈值进行比较,判断是否发生异常的步骤，本发明将深度学习的可解释性方法与异常检测方法相结合，大幅提升了视频异常检测的可信度。
-
公开(公告)号：CN104317195A
公开(公告)日：2015-01-28
申请号：CN201410508005.5
申请日：2014-09-28
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于改进极限学习机的非线性系统逆模型控制方法，该方法，包括步骤：包括如下步骤：MAPSO种群初始化，设置MAPSO的相关运行参数。对ELM参数(输入权重及隐含层阈值)进行MAPSO寻优，确定合适的ELM参数；利用MAPSO-ELM对非线性离散被控对象的逆进行直接建模：将训练好的MAPSO-ELM逆模型直接与原系统复合实现非线性系统的逆模型控制，结束。有效提高其预测精度和泛化能力。将改进的极限学习机(MAPSO-ELM)直接运用于非线性系统逆模型控制中，可有效解决非线性系统逆模型建模难及传统逆模型控制方法过学习、训练速度慢、易陷入局部最优值等问题。
-
公开(公告)号：CN111833368A
公开(公告)日：2020-10-27
申请号：CN202010627536.1
申请日：2020-07-02
Applicant: 重庆邮电大学
IPC: G06T7/13 , G06T7/181 , G10L21/0208
Abstract: 本发明涉及视觉测量技术中的视觉语音还原技术领域，具体涉及一种基于相位一致性边缘检测的语音还原方法，包括：利用普通摄像机采集视频数据；采用相位一致性边缘检测算法依次对视频数据的每一帧图像进行边缘检测，得到每一帧图像的二值化图像；对二值化图像进行重采样，提取像素点为255的偏移量作为振幅信号；对振幅信号进行插值处理，得到语音的初步幅度信号；对语音的初步幅度信号进行修正和增强处理，得到最终还原的语音信号。本发明不再依赖高速摄像机，通过普通摄像机拍摄的视频就可以还原声音，同时还解决了由于光线问题带来的影响。
-
公开(公告)号：CN104330968A
公开(公告)日：2015-02-04
申请号：CN201410668815.7
申请日：2014-11-18
Applicant: 重庆邮电大学
IPC: G05B11/42
Abstract: 本发明请求保护一种基于改进支持向量回归的逆模型/PID复合控制方法，该方法利用多智能体粒子群算法优化支持向量回归机相关参数，有效提高其建模精度及泛化能力。在此基础上构建了基于粒子群优化算法的支持向量回归机(MAPSO-SVR)逆模型，一定程度上提高了逆模型精度；引入PID控制，提出MAPSO-SVR逆模型/PID复合控制方法，实现非线性系统自身的不断修正，可有效提高系统的跟踪、控制能力。
-
公开(公告)号：CN111814644B
公开(公告)日：2022-05-03
申请号：CN202010619232.0
申请日：2020-07-01
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于扰动视觉解释的视频异常事件检测方法，包括：获取视频数据集，将数据集输入到优化的深度学习模型中进行模型训练；实时获取视频数据，将获取的数据输入到训练好的深度学习模型中，得到检测结果以及解释图；本发明在构建深度学习模型中加入了可解释模型，通过可解释模型提取了输入视频中的重要像素以及重要区域，使得深度学习模型在处理视频数据过程中的更明确，增强了检测结果的可信度。
-
Patent Agency Ranking
公开(公告)号：CN104005909B
公开(公告)日：2017-09-19
申请号：CN201410162896.3
申请日：2014-04-22
Applicant: 重庆邮电大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略，当发电机组运行在额定风速以上时，运用发电机有功功率P与额定功率P0得到功率偏差△P；通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1；同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2；MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加，得到桨距角设定值β。本发明降低了系统的调节时间，增加系统的稳定性和可靠性，较传统控制器具有明显的优势。
-
公开(公告)号：CN103901887A
公开(公告)日：2014-07-02
申请号：CN201410076572.8
申请日：2014-03-04
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于粒子群算法的多机器人编队控制方法，该方法采用领航跟随者的方法与人工势场方法相结合，引入粒子群算法，优化跟随机器人运行中的相关参数，使得跟随机器人的运动路径及避障、避碰效果有明显改善。通过调整势场函数，对危险距离以外的受力进行归一化，危险距离以内给予机器人较大的斥力，以优化避障、避碰效果。在粒子群算法中，通过调整权重系数和学习因子，引入竞争机制，以提高算法的优化效果，最终使得跟随机器人的避障、避碰效果有明显改善。
-
公开(公告)号：CN111931587B
公开(公告)日：2022-10-25
申请号：CN202010678292.X
申请日：2020-07-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于可解释时空自编码器的视频异常检测方法，包括对视频进行预处理的步骤；对处理后的数据进行特征学习的步骤,其中,所述特征学习包括基于可解释时空自编码器的深度学习模型,并获取重构视频序列；对重构的视频序列进行规则性分数计算的步骤；将计算的规则性分数与预定义的阈值进行比较,判断是否发生异常的步骤，本发明将深度学习的可解释性方法与异常检测方法相结合，大幅提升了视频异常检测的可信度。
-
公开(公告)号：CN103901887B
公开(公告)日：2017-05-24
申请号：CN201410076572.8
申请日：2014-03-04
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于粒子群算法的多机器人编队控制方法，该方法采用领航跟随者的方法与人工势场方法相结合，引入粒子群算法，优化跟随机器人运行中的相关参数，使得跟随机器人的运动路径及避障、避碰效果有明显改善。通过调整势场函数，对危险距离以外的受力进行归一化，危险距离以内给予机器人较大的斥力，以优化避障、避碰效果。在粒子群算法中，通过调整权重系数和学习因子，引入竞争机制，以提高算法的优化效果，最终使得跟随机器人的避障、避碰效果有明显改善。
-
公开(公告)号：CN111814644A
公开(公告)日：2020-10-23
申请号：CN202010619232.0
申请日：2020-07-01
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于扰动视觉解释的视频异常事件检测方法，包括：获取视频数据集，将数据集输入到优化的深度学习模型中进行模型训练；实时获取视频数据，将获取的数据输入到训练好的深度学习模型中，得到检测结果以及解释图；本发明在构建深度学习模型中加入了可解释模型，通过可解释模型提取了输入视频中的重要像素以及重要区域，使得深度学习模型在处理视频数据过程中的更明确，增强了检测结果的可信度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
