-
公开(公告)号：CN114418850A
公开(公告)日：2022-04-29
申请号：CN202210052834.1
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种融合图卷积的有参考图像的超分辨率重构方法，首先设计图像低阶特征提取模块，获得图像的低阶特征；通过参考图像高阶特征提取模块，充分挖掘参考图像的高阶特征；然后，设计参考图像特征迁移模块，将参考图像特征中的相似特征迁移到低分辨率图像特征，同时将特征间的相似度作为迁移特征的注意力权重，以更好地突出相似程度高的特征融合，抑制相似程度弱的特征融合；最后，通过跨尺度特征融合模块，将不同尺度的特征融合，获得具有更强大表征能力的超分辨率重构特征，从而获得更好的超分辨率重构图像。本发明具有良好的鲁棒性、重构精度较高，在图像超分辨率重构的公共数据集上取得了良好的超分辨率重构效果。
-
公开(公告)号：CN114387623A
公开(公告)日：2022-04-22
申请号：CN202210052862.3
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06V40/10 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多粒度块特征的无监督行人重识别方法，用于解决无监督行人重识别精度不高，行人特征表示辨别力不强的问题，提升了模型的可扩展性。首先引入了多粒度块特征提取模块，使得模型在能获取数据集公共的细粒度判别信息的同时能够关注到无标签数据集特有的较大粒度的特征；然后使用单粒度实例判别性学习模块挖掘不同单一粒度的实例级特征；在此基础上，进一步使用多粒度实例判别性学习模块获得更具有判别力的多粒度全局特征表示。本发明能够在无标签的情况下获得判别力较强的行人特征，从而保证较好的识别效果。
-
公开(公告)号：CN112949311A
公开(公告)日：2021-06-11
申请号：CN202110246135.6
申请日：2021-03-05
Applicant: 北京工业大学
IPC: G06F40/295 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 一种融合字形信息的命名实体识别方法涉及计算机人工智能技术领域。本发明包括：获取标注的文本数据；将文本数据输入至命名实体识别模型，根据命名实体识别模型的输出结果，获取与文本数据对应的命名实体识别结果；其中，命名实体识别模型是根据带有命名实体识别标签的训练数据集和扩增得到的数据集共同训练得到的。本发明实施例提供的中文领域命名实体识别方法及系统，融合了汉字字形中包含的信息，同时提供了一种专用于命名实体识别的数据扩增技术，缓解了标注数据不足的问题，提升了模型的整体性能，节省了人力物力。
-
公开(公告)号：CN112580473A
公开(公告)日：2021-03-30
申请号：CN202011464000.9
申请日：2020-12-11
Applicant: 北京工业大学
Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法，用于解决现阶段视频超分辨率重构方法重构精度不高，重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧；关键帧经过高精度关键帧重构子网进行重构；对于非关键帧，则提取其与邻近关键帧之间的运动特征，并与邻近关键帧特征融合，再经过特征残差学习，得到非关键帧的特征，从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧，并根据判断结果执行不同的重构策略，保证了视频整体重构结果的精准性；其次，本发明在图像特征层面进行运动信息的融合，避免了伪影的引入，减少了运动估计的提取时间。
-
公开(公告)号：CN107967440B
公开(公告)日：2021-03-30
申请号：CN201710845420.3
申请日：2017-09-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于多区域变尺度3D‑HOF的监控视频异常检测方法，首先获取监控视频作为输入，对视频进行分区处理，然后提取各分区内的变尺度3D‑HOF特征和光流方向信息熵，并组合成最终的检测特征，最后使用稀疏组合学习算法在各分区中学习一个初始稀疏组合集，通过重构误差判断新数据是否异常，并使用正常数据在线更新稀疏组合集。应用本发明，不仅解决了监控视频中存在的透视变形问题，还充分利用不同光流幅值区间内运动信息的差异，可以获得更精确的运动速度信息。本发明适用于监控视频的异常检测，计算复杂度较低，检测结果准确，算法鲁棒性好。本发明在视频分析技术领域有着广泛的应用。
-
Patent Agency Ranking
公开(公告)号：CN111161150A
公开(公告)日：2020-05-15
申请号：CN201911392155.3
申请日：2019-12-30
Applicant: 北京工业大学
IPC: G06T3/40
Abstract: 本发明提供了一种基于多尺度注意级联网络的图像超分辨率重建方法，首先使用卷积操作提取低分辨率图像的浅层特征；然后，将浅层特征输入特征提取子网，获得级联特征；进一步，将级联特征通过卷积核为1的卷积层，获得优化的特征；将优化后的特征输入图像深度学习上采样模块获得重建图像 同时，对低分辨率图像ILR采用双三次线性插值算法获得重建图像 最后，将重建图像 和融合，获得最终的高分辨率重建图像ISR。本发明适用于图像的超分辨率重建，得到的重建图像清晰度高，纹理更为真实，感观效果好。
-
公开(公告)号：CN106295338B
公开(公告)日：2020-04-14
申请号：CN201610599529.9
申请日：2016-07-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于人工神经元网络的SQL漏洞检测方法。该方法由SQL语句分析模块和人工神经元网络检测模块组成。SQL语句分析模块的主要功能是将Web应用提交的SQL语句转换一个由0和1组成的特征向量组r，再将得到的特征向量提交给人工神经元网络检测模块进行分析与检测，充分应用神经元网络的自主学习功能，通过训练产生的人工神经网络算法和正则匹配来实现对SQL语句的检测。相比传统方法更加方便、准确、快速，无需对Web应用改代码本身进行修改，此外，该系统完全采用Javan语言开发，具有易于维护和进行二次开发的特点，可以很好地进行功能拓展和跨平台移植，对SQL注入漏洞的检测与研究有非常重要的应用价值。
-
公开(公告)号：CN110134954A
公开(公告)日：2019-08-16
申请号：CN201910371706.1
申请日：2019-05-06
Applicant: 北京工业大学
IPC: G06F17/27
Abstract: 一种基于Attention机制的命名实体识别方法属于计算机领域，通过Attention机制引入中文字素和字符位置权重信息来提高命名实体识别的准确率。方法包括：相似词语提取模块、特征构建模块和分类器模块，其中特征构建模块包括词语相似度融合、词特征提取、字符特征提取和特征融合四个子模块。本方法通过双向LSTM(长短期记忆)来处理命名实体识别中的上下文信息，通过crf(条件随机场)来预测实体标签类别。
-
公开(公告)号：CN109998529A
公开(公告)日：2019-07-12
申请号：CN201910297580.8
申请日：2019-04-15
Applicant: 北京工业大学
IPC: A61B5/0402 , A61B5/0452 , A61B5/00
Abstract: 本发明公开了一种基于高斯函数拟合的ECG信号中P波、T波检测方法。首先将原始信号去除基线漂移，而后根据已有的ECG信号的QRS波群标注，将信号分割成一系列单个心跳信号。其次，对每一个心跳周期，通过P波和T波出现的大致范围，分别划分出大致可能出现P波和T波的搜索区间，并通过数值积分确定每个搜索区间的波峰方向以及疑似的波峰出现点。再根据以上信息，使用高斯函数并配置适当的初始参数进行拟合。最后计算高斯函数拟合结果的波峰以及波峰起止点，作为当前心跳周期的P波和T波的波峰和起止点。本发明有效地避免了噪声信号的干扰，增强了算法的健壮性，使得P波和T波检测的准确性得到了提升。
-
公开(公告)号：CN109685653A
公开(公告)日：2019-04-26
申请号：CN201910052508.9
申请日：2019-01-21
Applicant: 北京工业大学
Abstract: 本发明公开一种用于信贷风险监测的融合深度信念网络的孤立森林分类方法，采用深度信念网络(Deep Belief Network)实现对高维数据的特征学习，获得原始数据集的最优的低维表示；结合具有线性的时间复杂度，适用于异常检测的无监督学习算法-孤立森林算法。最后通过粒子群优化算法和模拟退火算法实现对孤立森立算法重要参数的优化，形成最终的用于信贷风险监测的DBN-iForest模型，对贷款违约进行识别。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.027 seconds)
