-
公开(公告)号：CN108764018A
公开(公告)日：2018-11-06
申请号：CN201810289603.6
申请日：2018-04-03
Applicant: 北京交通大学
CPC classification number: G06K9/00825 , G06K9/6215 , G06N3/0454
Abstract: 本申请公开一种基于卷积神经网络的多任务车辆再识别方法及装置,所述方法包括：S110.建立车辆再识别数据集；S120.调整图片大小，并随机形成相应图片对；S130.将图片对分别输入网络进行训练；S140.进行图片相似度排序或优化，车辆再识别。本申请基于CNN的多任务方法进行车辆的再识别任务，针对目前主流车辆再识别CNN模型的缺点，提出了结合识别模型和校验模型的基于CNN的多任务模型，不仅拥有识别模式的优点，也有校验模型的优点，提高了车辆再识别的精确率，并且采用优化算法，有实现简单，训练速度快的特点，便于在实际环境下应用。
-
公开(公告)号：CN103527339B
公开(公告)日：2016-05-25
申请号：CN201310421359.1
申请日：2013-09-16
Applicant: 北京交通大学
Abstract: 本发明尤其涉及一种控制柴油机快速启停的方法。该装置由预处理器、启停控制模块依次相连；CAN总线分别与预处理器、启停控制模块相连。该方法包括以下内容：预处理器对加速踏板状态信息、车速、钥匙点火动作进行分析，将得到的启动或停机或不操作信号通过CAN总线发送给启停控制模块，启停控制模块根据预处理器发送过来的信号以及柴油发动机飞轮转速进行分析，得到断油控制、电机开关控制、电机转矩控制和喷油控制信号发送给喷油泵和电机；喷油泵根据喷油控制或断油控制信号进行工作，电机根据电机开关控制和电机扭矩控制信号进行工作。本发明实现了对柴油发动机的快速启动和停机，提高了燃油经济性，降低了尾气排放。
-
公开(公告)号：CN101616399A
公开(公告)日：2009-12-30
申请号：CN200910088261.2
申请日：2009-07-14
Applicant: 北京交通大学
Abstract: 本发明公开了一种高速铁路GSM专用网络的位置更新系统及方法。该系统包含移动组头和具有WiFi功能的移动终端，由同一节车厢中的旅客用户组成一个整体(群组)，并由群组中的移动组头作为整个组的代表，进行统一的位置更新。本发明有利于节省系统的频率资源，减少系统用于位置更新的开销，同时还不需要改动移动终端，解决了原来由于同时进行大量位置更新所带来的网络无线资源浪费问题。
-
公开(公告)号：CN119048856A
公开(公告)日：2024-11-29
申请号：CN202410887796.0
申请日：2024-07-03
Applicant: 北京交通大学 , 中移雄安信息通信科技有限公司 , 中移系统集成有限公司 , 中移信息系统集成有限公司
IPC: G06V10/774
Abstract: 本申请实施例提供了一种图像标注方法、装置、设备及存储介质。图像标注方法包括：获取视频数据，根据视频数据确定初始数据集及候选数据集；根据初始数据集确定第一标注数据集，并通过标注模型对候选数据集进行标注处理，确定第二标注数据集；其中，标注模型是基于第一标注数据集训练得到的；对第二标注数据集进行筛选，得到第三标注数据集；根据第一标注数据集及第三标注数据集确定视频数据对应的图像标注结果。本申请实施例通过对标注模型标注的图像进行筛选，提高了图像标注的效率及准确性。
-
公开(公告)号：CN118968495A
公开(公告)日：2024-11-15
申请号：CN202410966710.3
申请日：2024-07-18
Applicant: 北京交通大学
IPC: G06V20/64 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种面向动态环境的三维场景生成方法。该方法包括：将动态环境的场景数据转换成视频图像序列；将视频图像序列中的原始视频图像输入至YOLOv8模型，利用YOLOv8模型对图像中动态目标进行检测和操作，得到目标掩码；将原始视频图像和分割得到的目标掩码输入到稳定扩散模型中得到修复后的图像；使用RAFT算法计算深度图中连续帧之间的光流，生成光流信息；使用DPT模型对光流和深度信息进行几何引导生成深度图，根据深度图生成三维场景。本发明能快速识别并移除动态目标，使用文本指导修复技术恢复背景，确保图像的视觉连贯性和自然度。
-
Patent Agency Ranking
公开(公告)号：CN111581466B
公开(公告)日：2024-02-27
申请号：CN202010411580.9
申请日：2020-05-15
Applicant: 北京交通大学
IPC: G06F16/906 , G06N20/00
Abstract: 本发明提供了一种特征信息存在噪声的偏多标记学习方法。该方法包括：构建包含噪声的观测的特征信息矩阵，构建标签置信度矩阵；利用低秩稀疏表示模型将特征信息矩阵分解为稀疏噪声矩阵和正确的特征信息矩阵，利用稀疏噪声矩阵、正确的特征信息矩阵和观测的特征信息矩阵构建多标记预测模型；利用标签置信度矩阵对多标记预测模型进行优化，得到构建嵌入了特征信息和标签置信度的混合模型，对混合模型进行训练得到偏多标签学习模型；利用偏多标签学习模型对未见示例预测出未见示例对应的标签。本发明的方法利用低秩和稀疏分解模型准确地恢复正确的特征信息，有效地减少噪声特征信息的影响；将样本相似性和标签置信度结合，进一步提升标签置信度的准确性。
-
公开(公告)号：CN117036770A
公开(公告)日：2023-11-10
申请号：CN202310569798.0
申请日：2023-05-19
Applicant: 北京交通大学
IPC: G06V10/764 , G06V10/42 , G06V10/80 , G06V10/774
Abstract: 本发明提供一种基于级联注意力的检测模型训练和目标检测方法、系统，属于计算机视觉、模式识别及人工智能技术领域，获取数据并预处理后，通过特征提取网络得到全局特征，网络不同阶段的特征作为输出，级联注意力金字塔网络，其使用上述不同阶段的特征作为输入，能够充分挖掘不网络层下的显著性信息，并利用这些信息逐步渐进式的过滤掉当前各层冗余信息。借助特征金字塔结构，将最具判别力的信息向下传递，从而使其余尺度特征表征空间更具判别能力，为区域生成网络提供高质量的特征，生成更精准的候选区域，提高感兴趣区域池化网络的收敛稳定性；通过使用级联注意力的方式挖掘网络各层的层级关系，获得更具判别力的特征表达，提高了模型检测精度。
-
公开(公告)号：CN112800876B
公开(公告)日：2023-11-10
申请号：CN202110050152.2
申请日：2021-01-14
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明实施例提供了一种用于重识别的超球面特征嵌入方法，包括以下步骤：图像预处理阶段：从数据集中读取目标样本图像，对图像进行预处理；特征提取阶段：将预处理后的图像输入到深度网络模型提取图像的特征映射并结合注意力机制的全局池化操作得到特征向量；损失计算及训练优化阶段：根据所述特征向量和目标ID标签分别计算三种损失函数损失的值，根据损失的值计算深度卷积神经网络参数的梯度对模型进行优化；测试评估阶段：对训练完成的深度网络模型进行测试并根据测试结果调整超参数。本发明还提供了一种用于重识别的超球面特征嵌入系统，包括：图像预处理模块、特征提取模块、超球面特征嵌入模块和测试模块。
-
公开(公告)号：CN112734881B
公开(公告)日：2023-09-22
申请号：CN202011381287.9
申请日：2020-12-01
Applicant: 北京交通大学
IPC: G06T11/60 , G06F40/30 , G06F40/289 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于显著性场景图分析的文本合成图像方法及系统。该方法包括：根据依赖关系解析将文本描述构建成依赖树，进行树转换以得到语义图，构建一个基于规则的场景图解析器，该解析器从依赖项语法表示映射到场景图；利用背景检索模块对场景图进行检索，得到与给定场景图最相关的候选分割图；通过背景融合模块对候选分割图进行编码得到背景特征；将前景对象和背景特征表示都输入到生成对抗网络中，得到文本合成图像模型，使用模型以测试文本描述为输入，生成具有前景和背景视觉上一致的高分辨率图像。本发明将基于显著性的场景图引入到图像合成中，通过探索跨模态文本语义空间配置，有效的提高了图像合成的准确率。
-
公开(公告)号：CN114140469B
公开(公告)日：2023-06-23
申请号：CN202111462219.X
申请日：2021-12-02
Applicant: 北京交通大学
IPC: G06T7/10 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于多层注意力的深度分层图像语义分割方法。该方法包括：构建图像语义分割模型，对训练图像进行预处理，得到包括训练图像的特征图的分割图像；通过图像语义分割模型使用多个不同大小的池化核对特征图进行池化处理，使用注意力函数对每一池化核层处理后得到的特征图进行注意力的计算，利用添加权重的交叉熵损失函数计算损失，使用损失进行梯度反向传播，得到训练好的图像语义分割模型；利用训练好的图像语义分割模型进行待分割的图像的语义分割处理。本发明图像语义分割模型在分层网络中添加了注意力机制，获得了全局的上下文信息，抑制无用的噪声。使用加权的交叉熵损失函数，使每个神经元获得到全局的上下文信息。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.038 seconds)
