-
公开(公告)号：CN119962685A
公开(公告)日：2025-05-09
申请号：CN202510049460.1
申请日：2025-01-13
Applicant: 重庆交通大学
IPC: G06N5/04 , G06N3/045 , G06F40/18 , G06F40/126
Abstract: 本发明属于智能模型处理技术领域，尤其涉及多文本‑多表格问答的思维链和思维程序联合推理方法，包括：S1、构建多文本‑多表格数据集；S2、对多文本‑多表格数据集中的文本、表格编码；S3、采用思维链CoT方法将待处理的复杂问题分解为顺序组合的多个子问题；S4、使用大语言模型F对各子问题进行求解，得到各子问题的初步答案；S5、将各子问题及相应上下文输入GPT‑4模型重新求解，并将重新求解的结果记为预设参考答案；比较各子问题的预设参考答案与初步答案是否一致；完成大语言模型F的校验调优；S6、通过校验调优后的大语言模型F生成复杂问题的最终答案。本方法可以精准、高效的桥梁检测结果与分析关键信息获取，为桥梁管养领域提供了有力的技术支持。
-
公开(公告)号：CN119887118A
公开(公告)日：2025-04-25
申请号：CN202510070519.5
申请日：2025-01-16
Applicant: 重庆交通大学
IPC: G06Q10/10 , G06Q50/08 , G06F40/16 , G06F40/295 , G06F40/30 , G06F16/353
Abstract: 本发明涉及智能化技术领域，具体涉及大语言模型驱动的建筑信息模型自动化合规性审查方法。本方法通过高效实体识别与初步验证、精准IFC类映射、高效属性信息抽取与文本转化以及自动化合规性审查等步骤，实现了复杂法规逻辑的自动识别和推理，同时实现了BIM模型与规范文本之间的高效、准确对齐。这一技术方案不仅大幅提升了BIM合规性审查的自动化程度和准确性，还降低了人工审查的成本和风险，为建筑行业的数字化转型和智能化管理提供了有力支持。
-
公开(公告)号：CN118155065B
公开(公告)日：2024-11-15
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
公开(公告)号：CN118333962A
公开(公告)日：2024-07-12
申请号：CN202410429658.8
申请日：2024-04-10
Applicant: 重庆交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于改进DeepLabV3+的混凝土桥梁裂缝检测方法，包括：获取待检测的混凝土桥梁图像，将待检测的混凝土桥梁图像输入到训练后的改进DeepLabV3+神经网络中，得到混凝土裂缝图像的分割信息；根据混凝土裂缝图像的分割信息对混凝土桥梁裂缝进行检测；改进DeepLabV3+神经网络包括轻量化的主干网络、空洞空间金字塔池化模块、多层次特征融合网络以及解码模块；本发明在空洞卷积金字塔后引入vision transformer网络，并与卷积网络组成多层次特征融合网络，以提高性能。
-
公开(公告)号：CN118155065A
公开(公告)日：2024-06-07
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
Patent Agency Ranking
公开(公告)号：CN117290520A
公开(公告)日：2023-12-26
申请号：CN202311380050.2
申请日：2023-10-23
Applicant: 重庆交通大学
IPC: G06F16/36 , G06N5/025 , G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明属于桥梁检测知识图谱补全技术领域，尤其涉及一种基于知识蒸馏联合内生规则约束的知识图谱补全方法，包括以下步骤：S1、设计出n种桥梁检测领域常见的知识图谱子图结构；S2、使用S1的知识图谱子图结构对原知识图谱的三元组进行筛选，得到m个三元组子集；S3、对S2筛选出的三元组子集进行清洗处理，得到规则训练集；S4、将规则训练集作为训练数据集的补充，使用规则训练集与训练数据集联合训练知识蒸馏的Teacher网络；S5、将训练数据集中的正确标签联合做为监督，将训练后的Teacher网络的预测结果作为另一种监督，联合对知识蒸馏的Student网络进行训练；S6、使用训练后的Student网络对原知识图谱进行补全。本方法可以较好的实现桥梁管养领域的知识图谱补全。
-
公开(公告)号：CN117195894A
公开(公告)日：2023-12-08
申请号：CN202310883609.7
申请日：2023-07-18
Applicant: 安徽省交通规划设计研究总院股份有限公司 , 重庆交通大学 , 安徽省交规院工程智慧养护科技有限公司
IPC: G06F40/295 , G06F40/30
Abstract: 本发明公开了一种多维特征融合的桥梁康养领域实体对齐方法，收集实体名称、本体概念、概念描述、属性值、知识三元组相关数据，构建该领域实体对齐语料库，进一步构建多维特征融合的桥梁康养领域实体对齐模型，通过领域词嵌入捕获浅层语义，文本嵌入捕获深层语义，三元组嵌入捕获结构特征，并计算目标实体相关特征在相同向量空间下的语义相似度，设置可学习的自适应权重超参数实现实体对间的多维特征融合，得到最终的实体对综合语义相似度结果。本发明将领域词嵌入、文本嵌入与知识三元组嵌入方法相结合，同时保留了领域实体对间的浅层语义特征、深层语义特征以及在结构上的关联，进一步提高了模型的性能和领域适应性。
-
公开(公告)号：CN117131200A
公开(公告)日：2023-11-28
申请号：CN202310883586.X
申请日：2023-07-18
Applicant: 安徽省交通规划设计研究总院股份有限公司 , 重庆交通大学 , 安徽省交规院工程智慧养护科技有限公司
Abstract: 本发明公开了一种基于深度学习的桥梁康养知识图谱构建方法,该方法首先对桥梁管养领域文本中的实体和关系进行标注，形成该领域知识抽取语料库；其次，提出基于预训练语言模型的信息抽取模型，该模型的嵌入层共享ALBERT预训练语言模型对领域文本描述进行知识表征，命名实体识别模块采用Transformer进行词嵌入的语义特征提取，关系抽取模块采用BiGCN提取特征，分别使用CRF和Softmax对命名实体和实体间关系进行标签预测，输入领域标注语料进行模型训练；然后，利用训练好的知识抽取模型进行该领域命名实体识别和关系抽取；最后，根据所抽取的实体和关系构建桥梁康养知识图谱。本发明应用于领域知识图谱构建过程，实现了桥梁康养知识的半自动化信息抽取，降低人工构建成本。
-
公开(公告)号：CN110532303B
公开(公告)日：2023-05-09
申请号：CN201910833315.7
申请日：2019-09-04
Applicant: 重庆交通大学
IPC: G06F16/2458 , G06Q50/08
Abstract: 本发明公开了一种针对桥梁管养信息的信息检索及潜在关系发掘方法，包括：S1、定义样本数据结构信息，所述样本数据结构信息包括样本数据及样本数据相互之间的关系；S2、基于所述样本数据结构信息构建桥梁管养本体知识库结构，将实例样本数据导入桥梁管养本体知识库结构生成桥梁管养本体知识库；S3、基于桥梁管养本体知识库建立推理规则；S4、获取待发掘信息，基于所述推理规则利用语义逻辑推理机检索桥梁管养本体知识库和/或生成待发掘信息之间的潜在关系信息。本发明提高了BIM模型对桥梁管养信息的重用性和交互性，通过采用语义逻辑推理机发掘管养信息中潜在的关系信息，极大地提升了桥梁管养领域的智能化管理水平。
-
公开(公告)号：CN112926448B
公开(公告)日：2022-06-14
申请号：CN202110209645.6
申请日：2021-02-24
Applicant: 重庆交通大学
Abstract: 本发明公开了一种相干斑模式起伏稳健的SAR图像分类方法，包括：获取待分类SAR图像；将待分类SAR图像输入训练后的SAR图像分类网络得到待分类SAR图像的分类结果，所述训练后的SAR图像分类网络对无相干斑噪声SAR图像以及对应的相干斑噪声SAR图像提取的特征描述矢量相似且分类结果相同。本发明通过正则约束对特征提取部分和分类器部分都做了约束，增强了对于相干斑噪声的鲁棒性。并且，与现有技术相比，无需进行数据增强，也无需设计特定的相干斑滤波方法。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.03 seconds)
