-
公开(公告)号：CN118134870B
公开(公告)日：2025-02-25
申请号：CN202410246774.6
申请日：2024-03-05
Applicant: 武汉理工大学三亚科教创新园
IPC: G06T7/00 , G06V10/766 , G06V10/774 , G06V10/80
Abstract: 本申请公开了一种海洋舰船有向检测的方法和系统，具体涉及一种图像分析技术领域，本申请通过多个不同大小、深度的卷积核来提取遥感图像特征，并通过空间注意力选择机制将其融合，有效提高特征提取的精度；且通过在目标检测中通过引入角度余弦映射编码对角度信息进行处理，解决现有技术中角度不连续和目标类正方形问题，避免有向目标检测中的边界问题，最终提高了有向舰船检测的效率和准确率。
-
公开(公告)号：CN118247646A
公开(公告)日：2024-06-25
申请号：CN202410356369.X
申请日：2024-03-27
Applicant: 武汉理工大学三亚科教创新园
IPC: G06V20/05 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本申请公开了一种基于软阈值去噪的海洋声呐图像目标检测方法，涉及图像处理技术领域，包括：步骤S1，收集待检测声呐图像，对待检测声呐图像进行标准化处理，形成预处理图像集；步骤S2，将预处理图像集中图像通过深度卷积网络进行特征，生成特征图；步骤S3，通过深度卷积神经网络的特征融合部分对特征图进行不同尺度的特征融合；步骤S4，通过深度卷积神经网络的检测回归部分得到图像数据的特征定位和分类结果；提高了声呐图像的检测的准确性和检测速度。
-
公开(公告)号：CN117972766A
公开(公告)日：2024-05-03
申请号：CN202311707994.6
申请日：2023-12-12
Applicant: 武汉理工大学
Abstract: 本发明提供一种基于多模态联邦学习的反演攻击方法，通过随机生成多模态初始数据集及其对应的初始标签，将多模态初始数据集及其对应初始标签输入至联邦学习框架中的共享模型中训练，基于得到的虚拟梯度与联邦学习框架中的共享梯度构建梯度距离作为目标优化函数，梯度距离最小时，对得到不同模态的标签进行融合提取，将得到的融合标签与预训练的模型生成器作为先验信息生成第三模态初始数据集，并基于共享模型计算第三模态初始数据集和融合标签的梯度信息，对梯度信息进行变换构建第三梯度距离，在第三梯度距离最小时，将第三模态初始数据集对应的恢复数据集进行恢复效果评估，解决了如何评估私人信息是否已通过共享模型的共享梯度信息泄露的问题。
-
公开(公告)号：CN117520590A
公开(公告)日：2024-02-06
申请号：CN202410009510.9
申请日：2024-01-04
Applicant: 武汉理工大学三亚科教创新园
IPC: G06F16/583 , G06F16/532 , G06F16/55
Abstract: 本申请公开了一种海洋跨模态图文检索方法、系统、设备及存储介质，该方法通过全局相似度量模块分别对图像全局特征和文本全局特征进行相似聚类，提取到图像的重构图像全局特征和文本的重构文本全局特征；通过多层指导模块对图像局部特征、文本局部特征、重构图像全局特征和重构文本全局特征进行融合重构，不仅能针对性地处理图像的图像局部特征和文本的文本局部特征，还能将图像局部特征和文本局部特征进行有机融合，进而再与重构图像全局特征和重构文本全局特征进行融合重构，得到有多模态信息的对齐图像特征和对齐文本特征，实现了对齐图像和文本两个模态之间的信息，从而提高了检索精度。
-
公开(公告)号：CN112052260B
公开(公告)日：2024-01-26
申请号：CN202011051147.5
申请日：2020-09-29
Applicant: 武汉理工大学
IPC: G06F16/2453 , G06F16/2455 , G06F16/248
Abstract: 本发明公开了一种基于多进程数据流的海量虚实数据快速比对方法，首先整理虚拟数据，形成标准数据文件，依据标准数据格式对实测数据进行预处理，对齐数据长度；然后将虚拟数据与实测数据按对应唯一编码合并成一条数据，形成单一数据文件；接着读入数据流，通过一个循环遍历整个数据文件，比对每条数据前后半段差异；最后直接将内存中的数据流按硬件环境进行分块，通过多线程并行方式同时遍历分块后的内存数据，获取分块比对结果文件。本发明通过多进程并行处理与数据流计算的有效融合，实现虚拟数据与实测数据在内存中高速比对的同时能避免数据量过大而导致内存存储限制，从而能提高生产或工程项目中海量数据比对的效率。
-
Patent Agency Ranking
公开(公告)号：CN117037287B
公开(公告)日：2023-12-29
申请号：CN202311286299.7
申请日：2023-10-08
Applicant: 武汉理工大学
Abstract: 本发明提出了一种基于3D脉冲神经网络的行为识别方法、系统及装置，包括：S1、采集视频数据集，建立3D人工神经网络；S2、将所述训练集的视频数据输入至3D人工神经网络进行训练，得到训练好的3D人工神经网络识别模型；S3、构建3D脉冲神经网络模型；S4、将所述3D人工神经网络识别模型的参数映射到3D脉冲神经网络模型上，设置缩放因子对所述3D脉冲神经网络模型进行缩放；S5、将所述测试集的视频数据输入至缩放后的3D脉冲神经网络模型进行测试，输出视频中行为的预测排序，根据所述预测排序得到视频数据的行为标签。本申请通过对视频数据进行3D特征进行提取，提高3D脉冲神经网络模型识别的(56)对比文件Jianhao Ding 等.Optimal ANN-SNNConversion for Fast and AccurateInference in Deep Spiking NeuralNetworks.arXIV:2105.11654V1 .2021,全文.尚瑛杰 等.基于脉冲神经网络的迁移学习算法与软件框架.计算机工程.2020,(第03期),全文.吴立可.脉冲神经网络和行为识别.通讯世界.2018,(第12期),全文.
-
公开(公告)号：CN117010544A
公开(公告)日：2023-11-07
申请号：CN202310212612.6
申请日：2023-03-07
Applicant: 武汉理工大学
IPC: G06Q10/04 , G06Q10/0639 , G06N3/084 , G06N3/04 , G06N20/00 , G06F16/383
Abstract: 本发明涉及一种面向计算中心温湿度智能预测的影响因子解释方法及系统，生成向量形式的影响因子数据；建立并训练得到智能预测模型；根据智能预测模型输出的预测结果，计算每个影响因子的贡献度，根据贡献度选择得到重要影响因子集合；在重要影响因子集合中选择任意两个影响因子作为一个单位的交互因子，采用模型无关后解释的方法计算每个交互因子的贡献度；将得到的影响因子和交互因子进行汇总，在知识数据库中进行筛选出与影响因子结果相关的文献并进行映射，对智能预测模型的解释结果进行评估；采取传统线性模型和深度学习模型找出对预测结果具有影响力的关键因子，提供可解释性，为计算中心的环境设置提供参考，以使计算中心更加稳定和智能。
-
公开(公告)号：CN115600892A
公开(公告)日：2023-01-13
申请号：CN202211081006.7
申请日：2022-09-05
Applicant: 武汉理工大学(CN)
IPC: G06Q10/0635 , G06F16/35 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种结合情感分类的企业风险识别方法及装置，通过人工构建离散的情感提示语句并进行编码，得到连续的情感提示语句；在企业新闻报道的嵌入表示前添加所述连续的情感提示语句后，输入至第一语言模型，得到文本特征；根据文本特征进行情感分类，得到企业负面新闻报道；在企业负面新闻报道的嵌入表示前添加风险提示矩阵向量以及标记符[CLS]的嵌入表示后，输入至第二语言模型，得到企业负面新闻报道对应的句向量；根据所述句向量为所述企业负面新闻报道匹配对应的风险标签。本发明采用企业新闻报道的情感分类和负面新闻报道的风险标签识别两阶段，减少了非负面新闻报道带来的干扰，提高了风险标签识别结果的准确率。
-
公开(公告)号：CN114816584B
公开(公告)日：2022-09-27
申请号：CN202210654463.4
申请日：2022-06-10
Applicant: 武汉理工大学
Abstract: 本发明提出了提供一种多能源供给边缘系统的最优碳排计算卸载方法及系统，所述方法包括步骤：S1在每个预设的时间片开始时，收集并更新所有计算节点的状态参数；S2轮询物联网终端设备是否有卸载需求；S3根据任务数据筛选出候选卸载计算节点集合M；S4遍历候选卸载计算节点集合M，计算出每个候选节点x完成计算任务时，候选节点x与本地计算节点j能获得的总收益G；S5从候选集合M中选出使得总收益最大的计算节点作为卸载节点；S6将卸载任务发送至相应的卸载节点。本发明通过考虑了不同能量供给对于边缘计算系统的碳排放影响，协同利用地理位置分散的边缘计算节点的碳排放率的差异性，设计简单有效的计算卸载方法，使得任务得到合理的卸载。
-
公开(公告)号：CN114842422A
公开(公告)日：2022-08-02
申请号：CN202210555319.5
申请日：2022-05-19
Applicant: 武汉理工大学
IPC: G06V20/52 , G06V10/74 , G06V10/82 , G06F16/583 , G06F16/538 , G06N3/08
Abstract: 细粒度结合特征相似度检索的跨域人群计数方法及系统。本发明提出了一种结合特征细粒度检索的跨域人群计数方法，包括步骤S1提取源域和目标域图片的细密度特征元素；S2寻找源域和目标域的域间关系；S3对目标域细粒度块进行密度图预测，将预测值与所述源域细粒度块的匹配值进行融合处理，得到伪标签，将目标域图片采用滑动窗口取样，最终整张图的人数计算结果为由这张图分成的所有小块人数的总和。该方法探索了有标签数据与无标签真实数据之间人群分布的特征级细粒度相似性，以弥补跨域差距，能够对无标签块进行标记，使源域靠近目标域，并反馈给模型，以减少域的差异；并通过微调的方式更新分布感知模型，提高了分布对齐的性能。在模型推理过程中，不同领域之间的差距逐渐缩小，得到了很好的准确率，能够使用于现实场景。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.024 seconds)
