公开(公告)号：CN119169524A

公开(公告)日：2024-12-20

申请号：CN202411201034.7

申请日：2024-08-29

Applicant: 北京交通大学

Inventor： 金一 ,  杨佳琦 ,  苏楦雯 ,  李浥东 ,  王涛 ,  王伟 ,  段莉

IPC: G06V20/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06V10/44 ,  G10L25/30

Abstract: 本发明提供一种基于跨模态融合的异常行为检测方法及系统，属于异常行为检测技术领域，利用预先训练好的异常行为检测模型对获取的视频数据进行处理，得到异常行为检测结果。异常行为检测模型包括视觉特征提取网络、音频特征提取网络、跨模态融合网络、双曲图卷积网络以及行为预测网络。本发明引入了新的跨模态融合算法，在时间维度上实现了音频特征与视觉特征的融合，利用音频信息对视觉维度模糊的事件做进一步区分；设计基于双曲图卷积的两个分支，分别处理特征的相似度和时间关联关系，并在双曲空间中提高特征的区分度，提升了异常行为检测的准确度。

公开(公告)号：CN118537793A

公开(公告)日：2024-08-23

申请号：CN202410632368.3

申请日：2024-05-21

Applicant: 北京交通大学

Inventor： 金一 ,  杨洪涛 ,  冯松鹤 ,  王涛 ,  李浥东 ,  苏楦雯

IPC: G06V20/52 ,  G06V20/70 ,  G06V10/25 ,  G06V10/44 ,  G06N3/0464

Abstract: 本发明提供一种基于点对点框架的人群计数方法及系统，属于基于计算机视觉的人群计数技术领域，获取待识别的图像；利用预先训练好的人群计数识别模型对获取的图像进行处理，得到人群计数识别结果；其中，训练模型包括：将训练集图像输入进骨干网络进行特征图的提取；将特征图分别输入到坐标预测头和置信度计算头的三层卷积网络中，分别得到预测点坐标和置信度；损失函数计算，利用PyTorch框架的自动求导机制，根据得到的损失值计算模型参数梯度方向，更新模型参数。本发明利用数据集中的点标注信息，在不引入额外的标注工作量的情况下对样本尺寸信息进行了估计，以此计算出每个标注点对于最终的损失函数的影响权重，提升了模型检测不同尺度目标的能力。

公开(公告)号：CN118301604A

公开(公告)日：2024-07-05

申请号：CN202410367300.7

申请日：2024-03-28

Applicant: 北京交通大学

Inventor： 段莉 ,  张君豪 ,  王伟 ,  李超 ,  刘吉强 ,  金一

IPC: H04W12/0431 ,  H04W12/03 ,  H04L9/40 ,  H04L9/00

Abstract: 本发明提供了一种基于区块链无人机协同的安全数据共享方法。该方法包括：无人机与地面控制站进行双向认证和密钥协商，得到对称密钥，无人机构建与地面控制站之间的安全通信链路，无人机将采集到的数据对称加密后通过安全通信链路发送给地面控制站；地面控制站对无人机发送过来的加密数据进行解密和整理处理后，将数据部分加密后发送给云服务器，并设置数据访问控制结构，云服务器对地面控制站发送过来的数据进行加密，并存储加密后的数据。本发明方法基于云边端架构将敏感数据在边缘端进行本地处理，减少了数据在网络传输过程中的暴露风险。本发明将加解密本身计算外包给边缘节点，能在属性基加密算法的基础上资源消耗更少。

公开(公告)号：CN117896413A

公开(公告)日：2024-04-16

申请号：CN202410202022.X

申请日：2024-02-23

Applicant: 北京交通大学

Inventor： 丁春涛 ,  谢建行 ,  李浥东 ,  金一 ,  郎丛妍 ,  王涛

IPC: H04L67/12 ,  H04L67/5651 ,  H04L41/14 ,  H04L41/16

Abstract: 本发明提供了一种基于少学习参数神经网络的物联网设备数据服务方法。该方法包括：使用不学习模块替换深度神经网络模型中的可学习卷积层，得到少学习参数神经网络模型；云服务器中将训练好的少学习参数神经网络模型中的不学习参数去除，得到只包含可学习参数的手术模型，将随机种子和手术模型通过网络传输给物联网设备；物联网设备通过随机种子动态生成不学习参数，根据不学习参数与包含无梯度的推理时参数得到完整的神经网络模型，以提供数据服务。本发明方法中的物联网设备只需存储云服务器传输的可学习参数与随机种子，就可以在物联网设备上部署完整的神经网络，减少了云服务器传输至物联网设备的模型参数数量与物联网设备的存储资源开销。

公开(公告)号：CN111581469B

公开(公告)日：2024-03-01

申请号：CN202010412162.1

申请日：2020-05-15

Applicant: 北京交通大学

Inventor： 冯松鹤 ,  李浥东 ,  李子薇 ,  金一 ,  郎丛妍

IPC: G06F16/906 ,  G06N20/00

Abstract: 本发明提供了一种基于多子空间表示的偏多标记学习方法。该方法包括利用真实标记矩阵构建标记子空间，利用特征映射矩阵构建特征子空间，通过标记子空间和特征子空间学习得到基于多子空间表示的偏多标记学习模型；对基于多子空间表示的偏多标记学习模型进行交替优化训练学习，求解基于多子空间表示的偏多标记学习模型，得到最优的预测模型；将未知样本输入到最优的预测模型，最优的预测模型输出未知样本的标记信息。本发明解决了特征存在噪声和冗余标记的问题，使用映射矩阵将特征空间映射到子空间，减少特征噪声对预测模型的影响；使用矩阵分解技术将标记空间降维到标记子空间，使用图拉普拉斯约束标记子空间，消除冗余标记噪声对预测模型的影响。

公开(公告)号：CN111968058B

公开(公告)日：2023-08-04

申请号：CN202010863754.5

申请日：2020-08-25

Applicant: 北京交通大学

Inventor： 金一 ,  梁腾飞 ,  李晨宁 ,  李浥东 ,  王涛

IPC: G06T5/00 ,  G06T7/13 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种低剂量CT图像降噪方法，包括：获取训练数据集；建立降噪网络模型，包括自适应边缘特征提取模块用于对输入的训练数据集中低剂量CT图像进行边缘特征的提取；第一融合层对自适应边缘特征提取模块的输出信号和输入信号进行融合；卷积模块包括多层卷积层构成的编码器、多层返卷积层构成的解码器以及第二融合层，编码器对第一融合层的输出信号进行编码，第二融合层使用跳跃的方式将解码器的反卷积层的特征图与其在编码器中对称的卷积层的特征图进行融合，输出降噪后的特征图；对降噪网络模型进行训练、测试；采用测试好的降噪网络模型对低剂量CT图像降噪。本方法能够保留更多细粒度的信息，得到更加接近目标图像的降噪结果。

公开(公告)号：CN116126680B

公开(公告)日：2023-07-21

申请号：CN202211474627.1

申请日：2022-11-23

Applicant: 北京交通大学

Inventor： 王伟 ,  周英楠 ,  王俊勇 ,  刘煜昊 ,  李超 ,  段莉 ,  金一 ,  李浥东 ,  刘吉强

IPC: G06F11/36

Abstract: 本发明提供的一种软件系统配置错误诊断方法和系统，通过对程序执行数据构造频谱信息，计算卡方检验数快速定位导致配置错误的配置选项。同时，对配置选项的控制流和数据流抽象为向量，进行向量距离计算，判断配置选项之间是否存在关联关系。解决了多配置错误的诊断难题，同时指出了配置选项之间是否存在约束和关联关系。避免了由于模式匹配造成的漏报，同时使用频谱、卡方检验数和距离度量的方法不局限于特定的软件程序，具有普适性和广泛性，适用于更多的软件程序。

公开(公告)号：CN115049786B

公开(公告)日：2023-07-18

申请号：CN202210689275.5

申请日：2022-06-17

Applicant: 北京交通大学

Inventor： 金一 ,  王旭 ,  岑翼刚 ,  刘柏甫 ,  王涛 ,  李浥东

IPC: G06T17/00 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提供任务导向的点云数据下采样方法及系统，属于点云数据处理技术领域，对变换器网络中资源密集型的结构进行调整，去除位置嵌入、简化输入数据嵌入层结构，删除自注意力机制的映射矩阵操作，在前馈神经网络层引入扩缩策略；基于采样损失函数，扩大下采样点云的覆盖范围和重点区域的关注能力，促进生成点云为原始点云的真子集；将下采样模块与任务网络相结合，利用采样损失和任务损失共同更新下采样网络的权重参数。本发明降低了对计算和存储资源的消耗；设计采样损失函数，促使获得点云分布更加均匀、关键点覆盖更加全面的真子集点云数据；将通用下采样模块与三维分类任务网络相结合，实现任务网络的性能最优化和资源开销最小化的有效权衡。

公开(公告)号：CN116305238A

公开(公告)日：2023-06-23

申请号：CN202211662084.6

申请日：2022-12-23

Applicant: 北京交通大学

Inventor： 王伟 ,  吕晓婷 ,  刘敬楷 ,  刘吉强 ,  段莉 ,  李超 ,  金一 ,  李浥东

IPC: G06F21/62 ,  G06N20/20

Abstract: 本发明提供一种联邦学习后门攻击检测方法及系统，属于网络数据安全技术领域，在联邦学习系统中，攻击者向系统中注入虚假用户，攻击者基于当前接收到的全局模型并利用所有恶意用户的正常样本优化后门触发器触发器。优化目标希望最小化嵌入后门触发器样本在全局模型上的预测损失；攻击者接收到触发器并将触发器嵌入到本地数据集中，攻击者利用篡改后的数据进行本地模型训练。本发明攻击者在进行模型对于训练样本学习同时，最小化恶意模型与正常模型之间的距离，控制由于嵌入触发器引起的模型偏差；攻击者通过这两种方法的联合作用，控制由于嵌入后门触发器引起的恶意模型与正常模型之间的偏差，增强后门攻击的隐蔽性绕过多种防御方法。

公开(公告)号：CN115240106B

公开(公告)日：2023-06-20

申请号：CN202210815080.0

申请日：2022-07-12

Applicant: 北京交通大学

Inventor： 金一 ,  王佳艺 ,  冯松鹤 ,  郎丛妍 ,  王涛 ,  李浥东

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明提供一种任务自适应的小样本行为识别方法及系统，属于计算机视觉技术领域，获取待识别的视频数据；利用预先训练好的识别模型，对获取的所述待识别的视频数据进行处理，得到动作类别结果加入注意力层，提取行为主体在图片帧中的位置信息以及图像内容信息，通过注意力机制对提取的特征特征进行调制，获取同一类动作的类内特征共性以及不同类动作的类间的差异性。本发明提取特征时加入注意力层，产生更具分辨性的特征表示；对同类行为中不同样本进行随机多模态融合，扩充了支持集数据，使得模型对行为主体所在环境的变换鲁棒性更强；通过task级的特征调制，使特征更符合当前任务的需求并聚焦于行为主体，有助于提高分类准确率。