-
公开(公告)号：CN112884007B
公开(公告)日：2022-08-09
申请号：CN202110093797.4
申请日：2021-01-22
Applicant: 重庆交通大学
Abstract: 本发明公开了一种像素级统计描述学习的SAR图像分类方法，包括：S1、将目标SAR图像输入SAR图像分类模型；S2、SAR图像分类模型中的判别子网络提取目标SAR图像的像素级统计描述特征；S3、SAR图像分类模型中的模式子网络提取目标SAR图像的结构模式描述特征；S4、SAR图像分类模型中的融合模块将像素级统计描述特征和结构模式描述特征融合得到目标SAR图像的图像描述特征；S5、SAR图像分类模型中的Softmax层基于图像描述特征生成目标SAR图像的分类结果。本发明能够解决SAR图像分析时存在的泛化能力不高和稳健性不足的问题。
-
公开(公告)号：CN113221571B
公开(公告)日：2022-07-01
申请号：CN202110600808.3
申请日：2021-05-31
Applicant: 重庆交通大学
IPC: G06F40/295 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及互联网络人工智能技术和自然语言处理技术领域，具体涉及基于实体相关注意力机制的实体关系联合抽取方法，其包括：获取待处理文本；将待处理文本输入经过预先训练的实体关系联合抽取神经网络模型中；实体关系联合抽取神经网络模型首先识别所述待处理文本中的所有实体；然后将各个实体分别作为目标头实体去识别对应的目标尾实体；最后识别各个目标头实体与对应目标尾实体之间的关系，并根据目标头实体、目标尾实体和相应关系构建对应的三元组；输出所有的三元组。本发明中的实体关系联合抽取方法能够保证实体关系联合抽取关联性并解决重叠关系问题，从而能够提升实体关系联合抽取的效果。
-
公开(公告)号：CN111753776B
公开(公告)日：2022-05-10
申请号：CN202010609549.6
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了基于回声状态与多尺度卷积联合模型的结构损伤识别方法，基于滑动窗口重叠的方式对每个传感器采集的结构振动响应信息进行数据增强；回声状态网络和多尺度卷积神经网络联合模型基于每个传感器采集的结构振动响应信息的时间前后依赖性特征以及不同传感器采集的结构振动响应信息之间的空间相关性特征信息进行损伤状态判断。本发明能够有效地提取结构振动响应数据之间的时间先后依赖性和空间相关性，从而准确地判别结构是否损伤以及损伤的程度，该方法科学高效；能够实时估计结构的损伤性质，掌握结构安全状态，预防灾害事故发生，保证了结构工程运营的安全。
-
公开(公告)号：CN112884007A
公开(公告)日：2021-06-01
申请号：CN202110093797.4
申请日：2021-01-22
Applicant: 重庆交通大学
Abstract: 本发明公开了一种像素级统计描述学习的SAR图像分类方法，包括：S1、将目标SAR图像输入SAR图像分类模型；S2、SAR图像分类模型中的判别子网络提取目标SAR图像的像素级统计描述特征；S3、SAR图像分类模型中的模式子网络提取目标SAR图像的结构模式描述特征；S4、SAR图像分类模型中的融合模块将像素级统计描述特征和结构模式描述特征融合得到目标SAR图像的图像描述特征；S5、SAR图像分类模型中的Softmax层基于图像描述特征生成目标SAR图像的分类结果。本发明能够解决SAR图像分析时存在的泛化能力不高和稳健性不足的问题。
-
公开(公告)号：CN118609312A
公开(公告)日：2024-09-06
申请号：CN202410683136.0
申请日：2024-05-30
Applicant: 重庆交通大学
IPC: G08B21/08 , G08B25/01 , G08B25/08 , G06V20/52 , G06V40/10 , G06V10/44 , G06V10/25 , G06V10/82 , G06V10/764 , G06V40/20 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种基于人工智能和边缘计算的溺水检测报警系统，属于溺水救援技术领域，包括用于监视水域的摄像头、用于云计算与数据存储的云端数据库和主机，所述的主机包括主板、人体关键点检测模块、目标检测模块、图片处理模块、视频处理模块、溺水检测模块、报警模块和定位模块；本发明采用摄像头纯视觉的方式，对水域图像进行溺水检测，无需使用穿戴式或红外线等传感器，提高了系统的通用性和适应性。对于野外等场景，人员溺水之前往往不会穿戴设备，溺水的发生大都是不可预估的。我们的系统通过纯视觉的落水检测算法不需要提前穿戴设备，仅仅是把我们装配有摄像头的系统放置在水边就可以在危险发生是发出警报。
-
Patent Agency Ranking
公开(公告)号：CN118260651A
公开(公告)日：2024-06-28
申请号：CN202410299332.8
申请日：2024-03-15
Applicant: 重庆交通大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于重参数化卷积神经网络的结构损伤状态识别方法。具体来说，本发明提出了一种基于重参数化技术的神经网络，它可以将模型的训练和部署解耦，并在考虑模型推理速度的前提下保持较高的精度。具体来说，在训练中使用了一个具有多个1×1卷积操作的卷积神经网络，在模型的测试和推理过程中使用重参数化技术将卷积核的参数融合在一起，以此得到了一个结构更轻、部署精度更高的卷积神经网络。使用本发明可以加快监测系统的推理速度，以及降低卷积神经网络在结构损伤状态识别中的部署成本。
-
公开(公告)号：CN117033596A
公开(公告)日：2023-11-10
申请号：CN202311019385.1
申请日：2023-08-14
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/211 , G06F40/289 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及抽取式问答任务技术领域，具体涉及一种基于进阶训练的少样本抽取式问答方法，包括：构建数据格式统一的伪问答对数据和问答对数据；伪问答对数据中将问题末尾存在的实体或名词短语进行掩盖；获取预训练语言模型；通过伪问答对数据对预训练语言模型进行进阶训练，得到进阶训练模型；对进阶训练模型进行微调，得到最终的语言模型；将待预测的问题文本和给定的上下文文本输入最终的语言模型中，预测得到对应的答案。本发明能够有效改善预训练语言模型在预训练阶段和微调阶段存在的任务差异以及输入数据格式差异，从而提高少样本抽取式问答的有效性和实用性，并为少样本抽取式问答任务提供一种新的解决思路。
-
公开(公告)号：CN116823800A
公开(公告)日：2023-09-29
申请号：CN202310874021.5
申请日：2023-07-17
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于深度学习的复杂背景下桥梁混凝土裂缝检测方法，该方法使用深度学习方法训练后的桥梁裂缝识别检测模型对桥梁裂缝图像中的裂缝区域进行分割识别预测；该桥梁裂缝识别检测模型，通过注意力融合特征提取网络提取桥梁裂缝图像的高层语义特征图，通过浅层特征提取网络提取桥梁裂缝图像的位置轮廓特征图，再依据二者的融合结果预测得到桥梁裂缝图像的裂缝分割识别检测结果，降低对复杂背景像素的误判，并准确实现对裂缝区域的定位；本发明方法能够更快速、更准确的实现对复杂背景下桥梁混凝土裂缝的分割识别和提取，从而改善因背景噪声过大造成的裂缝分割识别速度慢、准确性不足等问题。
-
公开(公告)号：CN116303971A
公开(公告)日：2023-06-23
申请号：CN202310335356.X
申请日：2023-03-29
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/177 , G06F16/36
Abstract: 本发明涉及桥梁管理养护领域，具体涉及面向桥梁管养领域的少样本表格问答方法，包括：构建包含问题文本和SQL查询语句的问题‑SQL对作为训练样本，并进行标注；在训练样本的问题文本中注入桥梁管养领域实体关系知识；建立输入为问题文本、输出为SQL查询语句的语义解析模型，并通过带标注的训练样本对语义解析模型进行预训练；对预训练后的语义解析模型进行模型微调，得到最终的语义解析模型；通过最终的语义解析模型基于给定问题文本输出SQL查询语句，以实现问答。本发明能够通过构建伪数据来让模型学习到表格问答Text‑To‑SQL任务的形式与方法，并且能够让模型精准识别桥梁管养领域的语言表述及领域词汇。
-
公开(公告)号：CN112949682A
公开(公告)日：2021-06-11
申请号：CN202110112799.3
申请日：2021-01-27
Applicant: 重庆交通大学
Abstract: 本发明公开了一种特征级统计描述学习的SAR图像分类方法，包括：将目标SAR图像输入SAR图像分类网络；卷积层提取目标SAR图像的具有中层语义的特征基元；特征统计层基于具有中层语义的特征基元提取目标SAR图像的统计基元矢量；非线性及线性变换层基于统计基元矢量生成目标SAR图像的特征级统计描述矢量；Softmax层基于特征级统计描述矢量生成目标SAR图像的分类结果。相比于传统CNN方法，本发明不仅致力于SAR图像的结构特征学习，而且在特征学习过程中特别考虑了SAR图像的特征级统计特性，致力于集成特征学习和统计分析为一体，能够有效解决利用CNN方法进行SAR图像分类时泛化能力不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
