-
公开(公告)号：CN114189876A
公开(公告)日：2022-03-15
申请号：CN202111362661.5
申请日：2021-11-17
Applicant: 北京航空航天大学
Abstract: 本发明提供一种流量预测方法、装置和电子设备，方法包括获取前一时间段的流量数据；将前一时间段的流量数据输入流量预测模型，获得所述流量预测模型输出的当前时间段的预测流量数据。本发明通过动态生成时域网络自适应捕捉异常情况并抵抗异常数据干扰，并输出合理预测结果。解决了输入数据存在缺失与偶发流量时，模型预测误差大的难题。所述流量预测模型具有参数量小，训练速度快，模型储存占用空间少等优点。
-
公开(公告)号：CN113486784A
公开(公告)日：2021-10-08
申请号：CN202110753604.3
申请日：2021-07-02
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种双阶段的时序动作检测方法、装置、设备和介质，所述方法包括获取视频信息特征；根据视频信息特征，找到潜在的动作开始、结束时刻；将开始时刻和结束时刻组合成候选框；校准候选框边界，对候选框的内容进行判断，获得动作类别。本发明公开的双阶段的时序动作检测方法、装置、设备和介质，具有识别精度高、识别稳定性好、鲁棒性能好等诸多优点。
-
公开(公告)号：CN110222607B
公开(公告)日：2021-06-04
申请号：CN201910440057.6
申请日：2019-05-24
Applicant: 北京航空航天大学
Abstract: 本发明提供一种人脸关键点检测的方法、装置及系统，该方法，包括：根据待检测人脸图像，获得人脸区域图像；将所述人脸区域图像作为目标人脸检测模型的输入；其中，所述目标人脸检测模型用于获取待检测人脸图像对应关键特征点及所述关键特征点位置的模型；通过所述目标人脸检测模型输出所述人脸区域图像对应的关键特征点及所述关键特征点位置。可以提高运算速度，实现使用单因子恢复内核来提高检测的高效性和准确性，同时还可以将存储空间压缩32倍，具有更强的适应性。
-
公开(公告)号：CN113780662B
公开(公告)日：2024-04-23
申请号：CN202111075590.0
申请日：2021-09-14
IPC: G06Q10/04 , G06Q50/50 , G06N3/0442 , G06N3/049 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种流量预测方法，通过时空网络对历史流量数据进行处理，获得未来一段时间的流量数据，所述时空网络包括特征嵌入模块、时空图模块和输出模块；该方法包括以下步骤：将历史流量数据输入特征嵌入模块，获得图状态和图信号；将图状态和图信号输入时空图模块，通过时空图模块对图状态和图信号进行更新，将更新后的图状态和图信号输入输出模块，通过输出模块将更新后的图状态和图信号转化为流量数据输出。本发明公开的流量预测方法，具有预测准确率高、稳定性好、计算效率高、计算速度快、训练时间短等诸多优点。
-
-
Patent Agency Ranking
公开(公告)号：CN116630869A
公开(公告)日：2023-08-22
申请号：CN202310922338.1
申请日：2023-07-26
Applicant: 北京航空航天大学 , 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明公开了一种视频目标分割方法，包括以下步骤：根据参考视频帧图像提取获得参考帧图像特征，根据当前视频帧图像提取获得当前帧搜索特征；将参考帧图像特征和当前帧搜索特征进行匹配，根据匹配对参考帧掩膜特征进行特征融合，获得当前帧掩膜特征；将当前帧掩膜特征和参考帧掩膜特征进行目标对比增强，从而减少当前帧图像中的目标误匹配。本发明公开的视频目标分割方法，提高了目标分割的准确性和识别准确率。
-
公开(公告)号：CN112652299B
公开(公告)日：2022-06-17
申请号：CN202011305779.X
申请日：2020-11-20
Applicant: 北京航空航天大学
Abstract: 本发明提供一种时间序列语音识别深度学习模型的量化方法及装置，本实施例提供的时间序列语音识别深度学习模型的量化方法，包括：获取全精度模型的参数；根据全精度模型的参数和预设的量化算法，确定时间序列语音识别深度学习模型的参数，所述时间序列语音识别深度学习模型为二值模型；在二值模型中新增预设的注意力机制模块，对二值模型输入值的权重进行训练；同时应用预设的损失函数对二值模型的参数进行训练，以降低由全精度模型量化为二值模型时的精度损失。通过本发明实施例提供的时间序列语音识别深度学习模型的量化方法，实现在将深度学习模型量化为二值模型时能够降低精度损失，并且二值模型的表征能力较深度学习模型差异不大。
-
公开(公告)号：CN114461078A
公开(公告)日：2022-05-10
申请号：CN202210376694.3
申请日：2022-04-12
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于人工智能的人机交互方法，包括以下步骤：建立识别模型；将视频输入识别模型，对视频识别，获得视频中人物的动态手势；所述识别模型包括空间通道子模型和时间通道子模型，空间通道子模型处理针对视频帧的空间信息，时间通道子模型处理针对视频片段时序信息、运动特征的信息。本发明公开的基于人工智能的人机交互方法，具有识别精度高、帧率高、速度快等诸多优点。
-
公开(公告)号：CN114049539B
公开(公告)日：2022-04-26
申请号：CN202210023260.5
申请日：2022-01-10
Applicant: 杭州海康威视数字技术股份有限公司 , 北京航空航天大学
Abstract: 本申请提供了基于去相关二值网络的协同目标识别方法、系统及装置。本申请中，通过将二值网络模型训练过程中的目标量化误差最小化，基于贝叶斯学习将最小化的目标量化误差分解为最大似然估计和最大后验估计以分别确定激活张量二值化误差Lc、权重张量二值化误差Ld，以实现在训练二值网络模型时除了考虑常规的预测误差Ls外，还进一步考虑Lc、Ld，以优化神经网络二值化过程中噪声影响，避免模型训练过程中因为参数的梯度消失或不存在而影响二值网络模型的训练，保证最终训练出的二值网络模型更稳定、更好的完成模型收敛，进一步提高二值网络模型在应用中比如识别出的目标对象（如人脸）和/或异常动作行为（如纵火、抢劫）等的精准度。
-
公开(公告)号：CN111739062B
公开(公告)日：2021-05-25
申请号：CN202010507657.2
申请日：2020-06-05
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种基于反馈机制的目标检测方法及系统。该方法包括：获取待检测目标；将所述待检测目标输入至改进的IFF目标检测器，得到目标检测结果；其中所述改进的IFF目标检测器是基于目标检测器，增加IFF模块所获得的。本发明实施例通过在现有的目标检测器中增加IFF反馈模块，将上一次的预测结果作为参考信息反馈给特征图，可以起到滤波的作用，特征图的激活区域将会更加集中于目标区域，还通过将类别信息和位置信息融合，有利于网络捕捉到两者之间的耦合关系。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.045 seconds)
