-
公开(公告)号：CN114209324B
公开(公告)日：2022-07-15
申请号：CN202210154330.0
申请日：2022-02-21
Applicant: 北京科技大学
Abstract: 本发明提供了一种基于图像视觉认知的心理状态数据分析方法及VR系统，涉及心理评估系统技术领域。包括：实验范式呈现模块向测试者呈现测试图像；VR端数据采集模块采集测试者的原始眼动数据和瞳孔数据；心理状态数据分析模块将VR端数据采集模块采集到的原始眼动数据和瞳孔数据分别进行预处理和分析；多终端PC管理模块对实验范式呈现模块、VR端数据采集模块以及心理状态数据分析模块进行管控。本发明提出基于注意偏向理论和瞳孔反应理论的图像自由观看范式和任务驱动范式；在轻量级VR设备上搭建了具有沉浸感和交互性的基于图像的心理测评系统，实现多台设备同时进行测试。
-
公开(公告)号：CN114220522B
公开(公告)日：2022-05-27
申请号：CN202210159451.4
申请日：2022-02-22
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于视觉认知注意的心理测评数据采集与干预方法及系统，涉及数据采集技术领域。包括：控制客户端获取被试者的信息，并发送指令到服务器；服务器接收开始测评指令，并发送到主机客户端；主机客户端接收开始测评指令，并完成测评得到测评数据，将测评数据以数据流的形式传输到服务器；云端算法服务器对测评数据进行分析，得到分析结果；服务器将分析结果返回到控制客户端，控制客户端根据分析结果判断是否发送干预指令；数据服务器对分析结果进行保存和管理。本发明能够提高算法运行的效率和安全性；避免因网络流量波动和服务器故障使范式测评图像数据流和文本数据流的传输中断；对眼动注视轨迹数据进行客观、高效、准确地采集。
-
公开(公告)号：CN113990397B
公开(公告)日：2022-03-29
申请号：CN202111558297.X
申请日：2021-12-20
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于有监督学习检测蛋白质复合物的方法及装置，涉及蛋白质复合物检测技术领域。包括：构建具有权重的蛋白质相互作用网络；在具有权重的蛋白质相互作用网络中检测蛋白质复合物的核；根据有监督学习的蛋白质复合物模型训练方法，训练得到蛋白质复合物检测模型；基于局部搜索策略和构建好的蛋白质复合物检测模型，延伸蛋白质复合物的核形成蛋白质复合物；根据蛋白质复合物检测模型给蛋白质复合物进行打分并过滤掉低分且高度重叠的蛋白质复合物，得到挖掘出的蛋白质复合物。本发明能够进一步提高蛋白质复合物检测方法的精度；提取有效的拓扑特征描述蛋白质复合物；训练得到具有较强鲁棒性的基于有监督学习的蛋白质复合物模型。
-
公开(公告)号：CN111259936B
公开(公告)日：2021-06-01
申请号：CN202010023166.0
申请日：2020-01-09
IPC: G06K9/62
Abstract: 本发明提供一种基于单一像素标注的图像语义分割方法及系统，该方法包括：基于每个类别单一像素的标签，利用表观特征和语义特征，分别编码每个类别；基于每个类别的特征表达，计算训练图像每个超像素与各类别的相似度；利用图像上下文信息和驾驶场景位置先验，更新相似度计算结果，生成初始监督种子；利用初始监督种子，训练语义分割网络，学习不同实例的同物性特征，更新每个超像素与各类别的相似度；迭代地执行初始监督种子生成和相似度更新过程，直至收敛；保存收敛后的语义分割网络。本发明为驾驶场景下的弱监督语义分割任务提供了一种可行策略，在自动驾驶等场景下具有广泛应用前景。
-
公开(公告)号：CN119622638A
公开(公告)日：2025-03-14
申请号：CN202411772031.9
申请日：2024-12-04
Applicant: 北京科技大学
IPC: G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06V10/40 , G06V10/80 , G06V10/82 , G06V20/40 , G06F18/213
Abstract: 本发明提供一种基于预训练和图关系变换网络多模态人格预测方法及装置，涉及情感计算技术领域。该方法包括：获取输入视频，输入到预处理模块，得到视觉模态信息数据、文本模态信息数据以及音频模态信息数据，分别输入到特征提取模块，得到视觉序列特征、音频序列特征以及文本序列特征，分别输入到图关系变换网络，得到视觉特征、音频特征以及文本特征，将视觉特征、视觉‑音频关联特征以及视觉‑文本关联特征输入到多模态注意特征融合模块，得到融合特征，并将该融合特征输入到预测头模块，得到多模态人格预测结果。本发明提出了一种适应于学习和融合模态内和模态间特征的动态人格预测方法。
-
Patent Agency Ranking
公开(公告)号：CN118446322B
公开(公告)日：2025-02-11
申请号：CN202410851175.7
申请日：2024-06-28
Applicant: 北京科技大学
IPC: G06N5/04 , G06N5/025 , G06N5/01 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06F16/215 , G06F16/25
Abstract: 本发明涉及数据处理技术领域，特别是指一种基于大语言模型先验知识的推理状态控制方法及装置，该方法应用于自动驾驶离散化导航问题、集装箱堆叠问题、货物码放问题和自然语言文本下的文字数值计算问题，方法包括：获取无人系统决策推理的样本数据集；使用样本数据集、以及由ATE因果效应估计算法与交叉熵组成的损失函数，对初始的大语言模型进行训练；获取长程行动决策问题，构建因果概率树，确定剪枝和展开方向的优化问题，进而将长程行动决策问题切分为多个短程行动决策问题；使用训练好的大语言决策推理模型对多个短程行动决策问题进行求解，进而完成行动。采用本发明，可以解决大语言模型在长程推理任务中因果幻觉的问题，提高了推理的准确性。
-
公开(公告)号：CN118709094B
公开(公告)日：2024-11-15
申请号：CN202411193418.9
申请日：2024-08-28
Applicant: 北京科技大学
IPC: G06F18/2431 , G06V10/44 , G06V40/16 , G06V40/20 , G06F18/25 , G10L25/63 , G10L25/30 , G10L25/03
Abstract: 本发明提供一种基于多模态特征和层次特征融合的情绪识别方法及系统，涉及人工智能技术领域。所述方法包括：采集情绪视频，并转换为包含多个图像的图像序列；对图像序列中的人脸进行检测，并提取情绪视频中的音频和文本，获取视觉模态特征、音频模态特征和文本模态特征；其中，视觉模态特征包括：视觉人脸属性特征、视觉面部动作特征、时空人体姿态特征和场景情绪词关联特征，音频模态特征包括多源音频特征，文本模态特征包括基于CLIP的文本特征；基于层次特征融合策略得到多模态融合特征；将多模态融合特征输入多层感知机预测模型，得到情绪识别类别。本发明能够提高情绪识别系统的鲁棒性和泛化性。
-
公开(公告)号：CN118228194B
公开(公告)日：2024-11-08
申请号：CN202410393379.0
申请日：2024-04-02
Applicant: 北京科技大学 , 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心)
IPC: G06F18/25 , G06F18/241 , G06F18/2431 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种融合时空图注意力网络的多模态人格预测方法和系统，涉及情感计算技术领域，包括：基于卷积神经网络模型，提取目标视频中的场景时空外观特征、人脸时空外观特征和音频特征；基于图注意力网络模型，提取目标视频中的人脸时空几何结构特征；基于预训练语言模型，提取目标视频的文本特征；将场景时空外观特征、人脸时空外观特征、人脸时空几何结构特征、音频特征和文本特征进行特征融合，得到多模态融合特征；基于多模态融合特征和训练好的人格预测模型，对被试者进行人格预测，得到被试者的人格特质分数。本发明缓解了现有技术中存在的对人脸的特征为挖掘不细致、模态间权重分配不合理的技术问题。
-
公开(公告)号：CN117540203B
公开(公告)日：2024-10-25
申请号：CN202311374713.X
申请日：2023-10-23
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/2413 , G06N3/126 , G06N3/008
Abstract: 本发明涉及机器人导航技术领域，特别是指一种集群机器人合作导航的多向课程学习训练方法及装置。一种集群机器人合作导航的多向课程学习训练方法包括：使用训练任务进行训练，获得集群机器人性能表现；根据训练任务，通过多向交叉算子以及多向变异算子，获得阶段任务；根据集群机器人性能表现，使用原型评估方法对阶段任务进行评估，获得集群机器人适应度；根据集群机器人适应度以及阶段任务，获得新训练任务；对多智能体进行强化学习训练；通过训练完成集群机器人进行导航。本发明是一种基于多向课程强化学习高效、稳定的集群机器人合作导航方法。
-
公开(公告)号：CN118521003A
公开(公告)日：2024-08-20
申请号：CN202410664898.6
申请日：2024-05-27
Applicant: 北京科技大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/213 , G06F18/23213 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及自动驾驶轨迹预测领域，特别是指一种基于长短时预测的自动驾驶轨迹预测方法及装置。所述方法包括：获取待进行轨迹预测的目标车辆的信息数据；将信息数据输入至构建好的长短时循环预测解码器；其中，长短时循环预测解码器包括长时目标预测Gru、短时轨迹预测Gru和未来轨迹预测Gru；根据信息数据、长时目标预测Gru、短时轨迹预测Gru和未来轨迹预测Gru，得到自动驾驶轨迹预测结果。本发明通过预测未来长时信息和未来短时信息来辅助当前时刻对未来轨迹进行预测，动态地融合未来时刻的信息，并采用循环逐步预测的方式，有效解决长时预测误差积累的难题。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.024 seconds)
