-
公开(公告)号：CN111008694B
公开(公告)日：2023-10-27
申请号：CN201911214493.8
申请日：2019-12-02
Applicant: 许昌北邮万联网络技术有限公司 , 北京邮电大学
IPC: G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 基于深度卷积对抗生成网络的无数据模型量化压缩方法，包括如下操作步骤：(1)构造一个深度卷积对抗生成网络，其中将待量化分类模型作为判别模型；(2)只对生成模型进行训练，不再对判别模型进行训练；(3)利用生成模型生成数据集，作为待量化分类模型的训练集，对待量化分类模型进行量化压缩；本发明的方法克服了现有模型量化压缩需要训练数据的不足，充分利用了待量化模型中的信息，用其训练生成模型，使用训练好的生成模型生成一组训练集用于模型压缩，从而摆脱了对原始训练数据集的需求。
-
公开(公告)号：CN116756206A
公开(公告)日：2023-09-15
申请号：CN202310543168.6
申请日：2023-05-15
Applicant: 北京邮电大学
IPC: G06F16/2458 , G06F16/29 , G06F17/16 , G08G1/01 , G08G1/065
Abstract: 基于精细关联挖掘的流量预测系统，包括如下模块：输入卷积模块、关联捕获功能模块、时空特征处理模块和输出卷积模块；基于精细关联挖掘的流量预测方法，包括如下操作步骤：(1)输入卷积模块将低维历史交通流量数据映射为高维历史交通流量数据；(2)关联捕获功能模块自适应提取交通点位之间的关联关系，计算出表示交通点位间关联关系的n个超图；(3)时空特征处理模块计算出每个交通点位的融合了时空信息的l个交通点位高维特征矩阵；(4)输出卷积模块根据上述交通点位高维特征矩阵计算出未来交通点位车流速度的预测值。
-
公开(公告)号：CN111626292B
公开(公告)日：2023-06-30
申请号：CN202010388458.4
申请日：2020-05-09
Applicant: 北京邮电大学
IPC: G06V20/62 , G06V30/148 , G06V30/146 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度学习技术的楼宇指示标识的文字识别方法，包括：采用检测网络对场景图片进行检测，获得楼宇指示标识文本的4个角点坐标，截取出字符图片；将字符图片分别输入MORN网络和进行霍夫直线处理，并将MORN网络矫正后的图片和霍夫直线变换后的图片进行图像融合，获得融合图片；构建楼宇指示标识文本识别模型，输入融合图片，处理流程如下：先将融合图片使用经典卷积神经网络CNN提取特征图，然后将特征图的每列作为一个时间片输入到长短期记忆网络LSTM中，并输出得到每个时间片对应的文本字符类别，采用损失函数Loss去除空白字符后，获得楼宇指示标识文本。本发明属于信息技术领域，能实现对楼宇指示标识文本的准确识别。
-
公开(公告)号：CN115017286B
公开(公告)日：2023-04-07
申请号：CN202210649202.3
申请日：2022-06-09
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06N3/0464
Abstract: 基于检索的多轮对话系统，包括如下模块：表示模块、匹配模块、聚合模块和预测模块；基于检索的多轮对话方法，包括下列操作步骤：(1)表示模块将每一轮次的对话转化为对话的级联向量，将候选答案转化为候选答案的级联向量；(2)匹配模块基于全局注意力机制，动态吸收上下文信息，计算得到匹配向量；(3)聚合模块处理得到短期依赖信息序列和长期依赖信息序列；(4)预测模块计算参与匹配的上下文环境和候选答案的匹配分数；(5)选择匹配分数最高的候选答案作为正确答案。
-
公开(公告)号：CN111046881B
公开(公告)日：2023-03-24
申请号：CN201911219009.0
申请日：2019-12-02
Applicant: 许昌北邮万联网络技术有限公司 , 北京邮电大学
IPC: G06V10/26 , G06V30/148 , G06V10/82 , G06N3/08
Abstract: 基于计算机视觉和深度学习的指针式仪表读数识别方法，包括下列操作步骤：(1)指针式仪表表盘区域检测过程；(2)指针式仪表图像预处理过程；(3)刻度与指针检测过程；(4)数字区域检测过程；(5)数字识别过程；(6)读数计算过程；本发明方法能实现对指针式仪表读数的快速准确自动读取，省时省力。
-
Patent Agency Ranking
公开(公告)号：CN113268633B
公开(公告)日：2022-11-11
申请号：CN202110710623.8
申请日：2021-06-25
Applicant: 北京邮电大学
IPC: G06F16/735 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种短视频推荐方法，包括：获取用户对短视频的历史行为数据；选取样本用户，构建每位样本用户的短视频点击序列，并选定目标短视频和历史点击序列，计算每位样本用户对目标短视频的观看深度，然后由样本用户的目标短视频、历史点击序列、用户属性特征、观看深度构成样本用户数据，并写入样本数据集中；构建短视频推荐模型，以样本数据集进行训练；获取待推荐用户的历史点击序列，并将待推荐短视频作为其目标短视频，然后将待推荐用户的目标短视频、历史点击序列、用户属性特征输入短视频推荐模型，并依据输出来确定是否向用户推荐短视频。本发明属于信息技术领域，能充分利用短视频图像、声音等知识特征，选取符合用户兴趣的短视频向用户推荐。
-
公开(公告)号：CN114677557A
公开(公告)日：2022-06-28
申请号：CN202210233646.9
申请日：2022-03-10
Applicant: 北京邮电大学
Abstract: 一种融合多属性和局部特征的车辆重识别系统，包括通用特征提取模块、全局特征模块、属性识别模块和面向方向的DropBlock模块；一种融合多属性和局部特征的车辆重识别方法，包括操作步骤：(1)将图像库中的车辆图像输入到车辆重识别系统，得到图像库中的车辆图像的重识别特征；(2)将待查询车辆图像输入到车辆重识别系统，得到待查询车辆图像的重识别特征；(3)根据所得到的重识别特征，从图像库中找出与待查询车辆图像相似度最大的车辆图像；本发明方法能够获取更多细节特征，有效的提升了车辆重识别的效果。
-
公开(公告)号：CN114296878A
公开(公告)日：2022-04-08
申请号：CN202111639160.7
申请日：2021-12-29
Applicant: 北京邮电大学
Abstract: 一种预测容器资源使用量的方法，包括下列操作步骤：(1)定时采集并使用滚动时间窗口方法存取容器资源使用量的数据，得到容器资源使用量的时间序列；(2)使用时间序列分解法将时间序列进行分解；(3)使用朴素季节法对季节项进行下一时刻数据的预测；(4)使用ARIMA模型法和Holt阻尼趋势法对趋势波动项进行下一时刻数据的预测；(5)将季节项的预测值和趋势波动项的预测值相加即为时间序列下一时刻的预测值；(6)基于预测值与当前时刻容器资源的使用量，对下一阶段容器资源使用量进行限制。
-
公开(公告)号：CN110580196B
公开(公告)日：2021-04-06
申请号：CN201910864432.X
申请日：2019-09-12
Applicant: 北京邮电大学
Abstract: 一种实现并行任务调度的多任务强化学习方法，基于异步优势表演者批评家算法实现，包括下列操作步骤：(1)对算法模型进行设置操作以更好的解决并行多任务调度问题，包括设置状态空间、设置动作空间、设置奖励定义；(2)对算法网络进行如下改进：用深度神经网络来表示策略函数和值函数；全局网络由输入层、共享子网络和输出子网络构成；(3)设置算法的新损失函数；(4)利用采集观测的并行任务调度数据，训练算法网络，算法收敛后，将所述算法网络用于并行任务调度。
-
公开(公告)号：CN107515905B
公开(公告)日：2020-06-26
申请号：CN201710652876.8
申请日：2017-08-02
Applicant: 北京邮电大学
IPC: G06F16/583 , G06F16/56 , G06K9/46 , G06K9/62
Abstract: 一种基于草图的交互式图像搜索与融合方法，包括下列操作步骤：(1)图像库建立索引文件过程；(2)基于草图获得图像检索结果过程；(3)图像融合过程。本发明方法在整体处理时间上相对于Sketch2Photo大大缩短，而且提供了更加自由化的用户交互，而相比于Photosketcher，本发明方法能够提供较高的检索精度，并大大减少用户检索的次数，为用户提供更加合理、丰富的素材。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.077 seconds)
