-
公开(公告)号：CN118429858A
公开(公告)日：2024-08-02
申请号：CN202410511604.6
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/40 , G06V20/52 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开一种监控视频异常事件检测方法和装置，包括：步骤S1、获取监控视频数据；步骤S2、提取监控视频数据的视频特征；步骤S3、对所述视频特征进行编码；步骤S4、根据视频特征编码结果，得到视频片段级别的伪标签；步骤S5、根据视频特征编码结果，得到异常得分；步骤S6、根据视频片段级别的伪标签、视频级别的标签和异常得分训练深度卷积神经网络；步骤S7、将待预测的监控视频数据输入到训练好的深度卷积神经网络，实现监控视频的异常事件检测。采用本发明的技术方案，解决传统方法特征上下文编码能力弱，以及模型对于异常和正常分辨能力弱问题。
-
公开(公告)号：CN118072063A
公开(公告)日：2024-05-24
申请号：CN202310430388.8
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/766
Abstract: 本发明公开了一种基于改进Transformer的多尺度融合道路损伤检测方法，首先构建训练样和测试样本，将训练样本输入到由Swin Transformer构成的特征提取器，得到特征图；将特征图输入到FPN网络中，得到包含不同尺寸缺陷的多尺度融合特征图；利用自学习特征采样器对多尺度融合特征图进一步进行特征采样；使用Transformer结构生成道路损伤检测框信息；最终使用FFN做分类的检测框的回归，得到检测结果和相应的损失。本发明方法充分利用不同尺度的信息，并能够很好地消除背景冗余信息，能够大幅度降低计算复杂度。
-
公开(公告)号：CN116665437A
公开(公告)日：2023-08-29
申请号：CN202310424244.1
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G08G1/01 , G08G1/07 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/082 , G06N3/0985 , G06F18/25
Abstract: 本发明公开了一种基于残差连接的多网络特征随机融合的交通流预测方法，首先，选取时间段、节假日以及天气信息作为影响交通流预测的关键因素，并将这三者作为网络的输入。同时，由于传统的循环神经网络在提取特征时容易出现梯度消失或梯度爆炸等问题，引入MobileNet V2中的反残差连接块，能够有效地缓解上述问题。最后，为进一步提升为网络表征能力，提出了随机特征融合策略，在训练时根据多网络模型输出的特征分别生成对应的随机掩码，对各网络输出特征进行随机融合，将融合特征输出到预测网络中进行交通流预测并输出预测结果。本发明为实施更为有效的交通管理、指挥调度和交通规划提供有效的决策数据，提高城市道路交通管理控制、指挥决策和规划的水平。
-
公开(公告)号：CN115147709A
公开(公告)日：2022-10-04
申请号：CN202210799673.2
申请日：2022-07-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于深度学习的水下目标三维重建方法，采用注意力机制获得水下图片重点聚焦的特征，对图片进行单应性变换，生成匹配特征体，计算该图片的特征体与其他图片特征体的匹配代价，得到一个四维的匹配代价体，使用基于多尺度的三维卷积神经网络进行匹配代价体正则化，对代价体进行过滤，得到深度值概率体，通过神经网络得出深度图，将深度值映射到三维空间，得到三维点云图。本发明充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善立体匹配效果，动态平衡各个通道的权重大小，能够精准的对特征的各个通道进行全局信息调整，有利于优化特征局部信息。
-
公开(公告)号：CN115115890A
公开(公告)日：2022-09-27
申请号：CN202210838159.5
申请日：2022-07-17
Applicant: 西北工业大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于自动化机器学习的轻量化高速公路团雾分类方法，构建轻量化的搜索空间，收集高速公路上产生的团雾图像，建立团雾分类数据集，基于搜索阶段结束后得到的决策级融合的结构，利用全连接层对不同尺度的特征图分别进行分类，并将各分类结果进行按元素求和，并归一化得到最终的分类结果，训练得到决策级融合网络，以实现对团雾图像的分类。本发明解决了目前主流深度卷积神经网络参数量大从而无法在边缘端设备上部署的问题，在保证检测准确率的情况下，参数量和计算量降低了50％左右，极大改善了模型的分类效率，以满足高速公路上团雾的实时性检测，能更好地减少由于团雾发生引起的高速公路交通事故的次数。
-
Patent Agency Ranking
公开(公告)号：CN113807385A
公开(公告)日：2021-12-17
申请号：CN202110775768.6
申请日：2021-07-09
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于度量学习的多模型分组融合的遥感图像分类方法，设计了一种双模型特征提取器提取特征，将卷积神经网络提出的多层次特征进行融合，提升模型的表征能力，提出了度量学习的损失函数，通过调节深度卷积神经网络的超参数，得到优化好的神经网络，将待分类的遥感图像数据通过优化好的神经网络，给出遥感图像的更准确地分类，实现对遥感图像的分类。本发明弥补了单一CNN模型在特征提取方面的不足，缓解遥感数据类内多样性和类间相似性高的问题，充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善了分类准确率，在数个遥感数据集上准确率最佳。
-
公开(公告)号：CN119065373A
公开(公告)日：2024-12-03
申请号：CN202411171653.6
申请日：2024-08-26
Applicant: 西北工业大学
Abstract: 本发明提出一种基于事件触发机制的欠驱动水下航行器固定时间编队控制方法，设计了虚拟AUV来跟踪仅提供位姿信息的领航者AUV，并为虚拟AUV设计了自适应速度调节律，使跟随者AUV在通过虚拟AUV跟踪参考位置时无需领航者AUV的速度信息；此外还引入了事件触发机制来实现跟随者AUV控制输入的智能触发。该方法为虚拟AUV设计自适应速度调节器，将编队控制问题转化为轨迹生成和跟踪问题；并在控制器中添加了事件触发机制，以减少执行次数，并最大限度地减少执行器磨损和资源浪费。理论分析证明，闭环系统中的所有跟踪误差都能在固定时间内收敛到原点邻域。该方法具有信息传输量小、计算复杂度低、能耗低的优点，这使得本发明提出的方法在海洋工程中具有实施价值。
-
公开(公告)号：CN118467696A
公开(公告)日：2024-08-09
申请号：CN202410589725.2
申请日：2024-05-13
Applicant: 西北工业大学
IPC: G06F16/332 , G06F16/35 , G06F40/279 , G06F16/33 , G06F40/166 , G06N5/04 , G06Q30/0601 , G06N20/00
Abstract: 本发明公开了一种基于开放式AI模型的智能营销客服系统及其方法，包括：初始化用户信息，加载用户业务列表信息；基于客服对话实时采集用户输入文本，保存客服系统与用户的聊天历史记录；通过开放式AI模型分析用户意图，利用prompt模板提取关键信息并保存至业务信息列表中；根据用户意图与关键信息匹配知识库内容，并利用开放式AI模型从匹配内容中提取第一回复文本；遍历业务信息列表中的空缺项，利用开放式AI模型生成第二回复文本；拼接第一回复文本和第二回复文本，利用开放式AI模型对文本拼接结果进行语言与逻辑润色，最终输出反馈给用户。本发明具有低成本与易迁移的特点，实现了更加高效的用户交互，节省了企业人力成本。
-
公开(公告)号：CN118429835A
公开(公告)日：2024-08-02
申请号：CN202410511325.X
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/17 , G06V20/40 , G06V20/54 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/94 , G06N3/0464 , G06N3/09 , G08G1/01 , G08G1/042
Abstract: 本发明公开了一种基于无人机视觉感知的交通异常事件检测方法及系统，其中方法步骤包括：利用无人机定轨巡航，采集不同高度视角下道路交通视频数据，构建交通事件信息数据集；基于交通事件信息数据集，构建粗粒度异常事件检测模型；基于粗粒度异常事件检测模型，获取异常事件数据集；基于异常事件数据集，构建细粒度异常事件检测模型；部署粗粒度异常事件检测模型和细粒度异常事件检测模型，并利用粗粒度异常事件检测模型和细粒度异常事件检测模型完成交通异常事件的检测。本发明通过将任务划分为无人机边缘段的粗粒度事件检测与部署在云端的细粒度异常事件检测，实现道路交通事件的高校感知；本发明能够无死角地覆盖应用路段，提升检测效果。
-
公开(公告)号：CN118429636A
公开(公告)日：2024-08-02
申请号：CN202410511434.1
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于边界框的路面缺陷分割方法和装置，包括以下步骤：步骤1、采用路面缺陷数据集训练像素标注自动生成器；步骤2、根据训练好的像素标注自动生成器，产生像素级标注数据；步骤3、根据像素级标注数据训练分割模型；步骤4、根据训练好的分割模型，实现路面缺陷分割。采用本发明的技术方案，在降低数据标注成本的同时，保持高质量的路面缺陷分割效果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
