-
公开(公告)号：CN115512319A
公开(公告)日：2022-12-23
申请号：CN202211122478.2
申请日：2022-09-15
Applicant: 北京交通大学
IPC: G06V20/56 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种基于异构图网络的多模态协同检测方法及系统，属于目标检测技术领域，包括：智能体基于点云和图像分别提取BEV特征；多个智能体将生成的多模态BEV特征传至中心车辆；基于异构图的方法在节点层和语义层融合多智能体的多模态BEV特征，得到新的协作特征；中心车辆基于新的协作特征进行目标检测，得到最终的检测结果。本发明采取多模态单阶融合检测模型，检测精度显著优于单模态单阶段检测模型，经过异构协作图的特征融合，大大扩大了单车的感知视野，丰富了感知信息，从而提升协同感知性能。
-
公开(公告)号：CN115049894A
公开(公告)日：2022-09-13
申请号：CN202210609475.5
申请日：2022-05-31
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/764 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08 , G06V40/10
Abstract: 本发明公开了一种基于图学习的全局结构信息嵌入网络的目标重识别方法，包括步骤：数据集分类及预处理、训练集上图的构建和初始化、训练深度学习模型、测试深度学习模型。本发明利用图学习理论并通过图卷积神经网络自动学习这种全局结构信息，将该关系嵌入所学的特征中，获得更有表征能力的图形表示，将目标重识别问题转化为新的边预测问题，从而更快更准确地判断数据间的关系，提高了目标重识别的精度。
-
公开(公告)号：CN115019347A
公开(公告)日：2022-09-06
申请号：CN202210725215.4
申请日：2022-06-24
Applicant: 北京交通大学
Abstract: 本发明提供一种基于跨类别矩阵满秩约束的行人搜索方法及系统，属于计算机视觉技术领域，利用预先训练好的行人搜索模型对获取的待处理的图像数据进行处理，识别图像中的行人；其中，预先训练好的行人搜索模型的训练使用ResNet50网络为基础网络，根据子任务对ResNet50网络进行拆分，构造了一个分离‑基准网络模型，引入可变形卷积来定位整个行人区域，结合秩感知优化损失，对跨类别概率矩阵进行满秩约束，增强类间特征的判别性和多样性。本发明考虑联合多任务协同训练的特征共享网络权重的问题，提出一个基于跨类别概率矩阵秩约束的特征多样性行人搜索框架，然后引入可变形卷积来定位整个行人区域，最后提出了秩感知优化损失，增强类间特征的判别性和多样性。
-
公开(公告)号：CN114118239A
公开(公告)日：2022-03-01
申请号：CN202111346506.4
申请日：2021-11-15
Applicant: 北京交通大学
IPC: G06K9/62 , G06V10/771
Abstract: 本发明提供了一种边缘辅助的图像非线性主成分特征提取方法。该方法包括：基于图像样本集利用KPCA核主成分分析算法生成非线性主成分特征的提取器，将所述提取器设置在终端设备上；终端设备对图像数据进行预处理，使用核函数将预处理后的图像数据映射到高维空间，利用所述提取器提取高维空间中图像数据的非线性特征，将获取的非线性特征数据上传至边缘服务器。本发明通过提取终端设备上图像数据的非线性主成分特征，使终端设备只需要将提取的特征数据上传至边缘服务器，减少了终端设备上传至边缘服务器的数据量，从而降低了传输时延。
-
公开(公告)号：CN113920488A
公开(公告)日：2022-01-11
申请号：CN202111187146.8
申请日：2021-10-12
Applicant: 北京交通大学
Abstract: 本发明提供了一种道路交通标记的检测方法。该方法包括：利用训练图像对Res2net神经网络进行训练，将训练好的Res2net神经网络作为特征提取网络；将采集的待检测道路的图像输入到所述特征提取网络，所述特征提取网络在待检测道路的图像上生成交通标记的初步的候选框；通过神经网络预测各个所述初步的候选框的得分，选出得分最高的若干候选框，并对所述若干候选框进行调整，得到各个预测框，根据各个预测框得到待检测道路的交通标记的检测结果。本发明的方法结合了比较高效的特征提取方式，高效的采样方式，以及样本后处理方式，能够准确快速地检测出交通标志所在的位置以及类别，并给出提示信息，辅助道路车辆的安全行驶。
-
Patent Agency Ranking
公开(公告)号：CN113918814A
公开(公告)日：2022-01-11
申请号：CN202111187124.1
申请日：2021-10-12
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明提供了一种基于对抗学习的高鲁棒隐私保护推荐方法。该方法包括：构建用于优化神经协同过滤模型所需的训练集，以及用于训练成员推理模型所需的参考集；设计带有成员推理正则项的神经协同过滤联合模型，并利用上述训练集与参考集对联合模型进行对抗训练方式的迭代优化，得到鲁棒的用户和物品特征表示矩阵；根据得到的用户特征矩阵与物品特征矩阵对未观测评分进行预测；将预测分值较高且未产生行为的相应物品集推荐给对应用户。本发明通过对抗训练的方式设计统一的最小最大化目标函数来显式的赋予推荐算法防御成员推理攻击的能力，进而能够防御成员推理攻击和缓解推荐模型过拟合，实现个性化推荐模型算法性能和训练数据隐私保护的双向提升。
-
公开(公告)号：CN113496481A
公开(公告)日：2021-10-12
申请号：CN202110550635.9
申请日：2021-05-20
Applicant: 北京交通大学
Abstract: 本发明提供了一种少样本胸部X‑Ray图像的辅助检测方法。该方法包括：采集胸部的CXR图像，通过自适应的X‑Ray图像降噪模块对所述CXR图像进行图像预处理，利用预处理后的X‑Ray图像组成训练集和验证集；构造基于迁移学习的量子卷积神经网络，利用训练集和验证集对基于迁移学习的量子卷积神经网络和分类网络模型进行迭代优化处理，将迭代优化处理后的分类网络模型与量子卷积神经网络进行融合，得到辅助检测网络模型；利用辅助检测网络模型对待诊断的胸部的CXR图像进行诊断，输出待诊断的胸部的CXR图像的诊断结果。本发明通过融合基于迁移学习的分类网络模型与量子卷积神经网络得到辅助检测网络模型，结合了不同模型的优势，对检测准确率大大提升。
-
公开(公告)号：CN112734881A
公开(公告)日：2021-04-30
申请号：CN202011381287.9
申请日：2020-12-01
Applicant: 北京交通大学
IPC: G06T11/60 , G06F40/30 , G06F40/289 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种基于显著性场景图分析的文本合成图像方法及系统。该方法包括：根据依赖关系解析将文本描述构建成依赖树，进行树转换以得到语义图，构建一个基于规则的场景图解析器，该解析器从依赖项语法表示映射到场景图；利用背景检索模块对场景图进行检索，得到与给定场景图最相关的候选分割图；通过背景融合模块对候选分割图进行编码得到背景特征；将前景对象和背景特征表示都输入到生成对抗网络中，得到文本合成图像模型，使用模型以测试文本描述为输入，生成具有前景和背景视觉上一致的高分辨率图像。本发明将基于显著性的场景图引入到图像合成中，通过探索跨模态文本语义空间配置，有效的提高了图像合成的准确率。
-
公开(公告)号：CN112537340A
公开(公告)日：2021-03-23
申请号：CN202011503456.1
申请日：2020-12-18
Applicant: 北京交通大学
IPC: B61L23/00
Abstract: 本发明提供的一种基于离散通信数据的多列车分散事件触发控制的方法，包括如下步骤：针对同一条线路上运行的多辆列车，对每辆列车进行纵向受力分析，建立高速列车单质点模型；基于图论，分析多列车协同控制的通信拓扑，获得多列车通信拓扑结构；基于高速列车单质点模型和多列车通信拓扑结构，定义多列车的追踪目标，将高速列车单质点模型转换为多列车误差动力学方程；基于多列车通信拓扑结构和所述多列车误差动力学方程，建立多列车分散事件触发协同控制条件模型；基于多列车通信拓扑结构和多列车分散事件触发协同控制条件模型，建立多列车低增益抗饱和协同控制器。本发明提供的方法，能够实现多列车协同控制，并且能够降低通信频率、控制器切换次数。
-
公开(公告)号：CN112115326A
公开(公告)日：2020-12-22
申请号：CN202010836902.4
申请日：2020-08-19
Applicant: 北京交通大学
IPC: G06F16/906 , G06F16/951 , G06F21/57 , G06N20/00
Abstract: 本发明提供了一种以太坊智能合约的多标签分类和漏洞检测方法。该方法包括：利用已验证的智能合约构成样本数据集，对样本数据集中的样本进行特征提取，使用特征向量来表示样本；基于各个样本的特征向量训练各种多标签分类模型，对各个多标签分类模型的分类效果进行评价，选取分类效果最好的多标签分类模型；将待分类的以太坊智能合约输入到选取的多标签分类模型中，该多标签分类模型输出所述待分类的以太坊智能合约的漏洞检测结果。本发明的方法通过提取静态特征和利用机器学习算法，实现了以太坊智能合约漏洞自动且高效地检测，本方法更适用于大批量合约漏洞检测的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.054 seconds)
