-
公开(公告)号：CN115719475A
公开(公告)日：2023-02-28
申请号：CN202211301662.3
申请日：2022-10-24
Applicant: 北京交通大学
IPC: G06V20/56 , G06V10/25 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习的三阶段铁路轨旁设备故障自动检测方法。该方法包括以下步骤：构建轨旁设备目标检测数据集；将待检测的轨旁图像送入轨旁设备目标检测网络中，定位与识别不同类型的轨旁设备，提取轨旁设备感兴趣区域；构建轨旁设备ROI语义分割数据集；设计并训练基于改进DeepLabv3+的轻量化语义分割网络，对轨旁设备ROI图像进行像素级别的分割；将轨旁设备ROI分割图作为研究对象，根据不同轨旁设备故障所呈现的不同视觉特征，分别设计长宽比例阈值、极点坐标比较和轮廓定量检测的三种快速故障判别算法。本发明充分融合了基于深度学习的目标检测与语义分割技术，对铁路轨旁设备实现了由粗到细的故障自动检测，实际应用意义较强。
-
公开(公告)号：CN114926721A
公开(公告)日：2022-08-19
申请号：CN202210515553.5
申请日：2022-05-11
Applicant: 北京交通大学
Abstract: 本申请涉及一种场景图像解析方法和系统。主要技术方案包括：采集多张场景图像为图像样本数据，对图像样本数据进行标签标记，得到图像标签样本数据；将图像标签样本数据按照自定义划分粒度进行网格划分，得到网格块样本数据；基于网格块样本数据建立空间层次图结构并提取特征向量数据将特征向量数据赋值于空间层次图结构得到场景图像的特征样本数据；根据场景图像的特征样本数据和预设图模型得到场景图像解析模块，基于场景图像解析模块构建场景图像解析模型架构；对场景图像解析模型架构进行模型训练，得到场景图像解析模型。本申请能够提高场景图像解析模型小尺度目标特征学习能力，增强对多尺度场景图像解析的准确度。
-
公开(公告)号：CN114841257A
公开(公告)日：2022-08-02
申请号：CN202210421310.5
申请日：2022-04-21
Applicant: 北京交通大学
IPC: G06K9/62 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于自监督对比约束下的小样本目标检测方法。该方法包括：将小样本目标检测问题建模成一个基于自监督学习的数学优化问题，构建对数据扰动敏感的小样本目标检测模型；设计小样本目标检测模型的优化目标函数；基于优化目标函数使用深度学习更新过程对小样本目标检测模型进行训练，得到训练好的小样本目标检测模型，利用训练好的小样本目标检测模型对待检测的小样本进行目标检测。本发明以两阶段学习过程为基础，使用迁移学习对领域知识进行学习，并在小样本数据集上进行模型微调。实验结果证明，本发明在PASCAL‑VOC公开数据集上取得了良好的性能，可以有效提高模型在小样本目标检测问题上的性能，具有较强的实际应用意义。
-
公开(公告)号：CN111860763A
公开(公告)日：2020-10-30
申请号：CN202010508127.X
申请日：2020-06-05
Applicant: 北京嘀嘀无限科技发展有限公司 , 北京交通大学
Abstract: 本申请提供的模型训练、参数预测方法和装置、电子设备及存储介质，涉及深度学习技术领域。在本申请中，首先，获得样本数据，其中，该样本数据至少包括目标区域中所有路段的路网关系信息和历史通行信息，且路网关系信息包括目标区域中每一路段与其它各路段之间的邻接关系信息。其次，对样本数据中的至少一种信息进行向量化处理得到训练数据。然后，基于训练数据对预先构建的神经网络模型进行训练，得到通行参数预测模型，其中，通行参数预测模型用于对目标区域中的目标路段进行预测处理，得到目标路段的通行参数。通过上述方法，可以改善现有的速度预测技术存在的预测精度较低的问题。
-
公开(公告)号：CN111508000A
公开(公告)日：2020-08-07
申请号：CN202010290926.4
申请日：2020-04-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于参数空间噪声网络的深度强化学习目标跟踪方法。该方法包括：构建基于深度强化学习的目标跟踪模型，设计基于参数空间噪声线性层的网络损失函数，通过目标跟踪模型对目标进行视频序列中的逐帧跟踪，输出跟踪得到的当前帧的目标位置；通过贪心算法选择最优的模型更新模式，根据最优的模型更新模式利用网络损失函数对当前的目标跟踪模型进行参数更新；基于当前帧的目标位置通过更新后的目标跟踪模型进行下一帧的目标跟踪，重复执行上述处理过程，直至完成全部帧的目标跟踪，输出目标在视频序列中完整的位置信息。本发明的方法运算速度更快，具有更好的可迁移性和鲁棒性，在复杂场景下都能够达到更高效、鲁棒的目标跟踪结果。
-
Patent Agency Ranking
公开(公告)号：CN106780506B
公开(公告)日：2020-05-08
申请号：CN201611039325.6
申请日：2016-11-21
Applicant: 北京交通大学
IPC: G06T7/11
Abstract: 本发明公开一种基于多源路径最短距离的交互式图像分割方法，包括：S1、根据图像的像素值特征计算图像中的像素点之间的边权重，并根据像素点之间的边权重将图像转化为无向加权图；S2、在图像中的各待分割物体内部分别标记多个像素点作为各待分割物体的标记点，待分割物体的标记点带有待分割物体各自的标识；S3、对图像中所有未标记的像素点依据无向加权图寻找与其距离最近的标记点，从而将图像分割问题转化为多源最短路径搜索问题；S4、以与各未标记的像素点距离最近的标记点的标识标记各未标记的像素点，得到图像中每个像素点带有的标识，并将带有不同标识的像素点的边界标记为分割边界。本发明能够达到更理想的、高质量的图像分割结果。
-
公开(公告)号：CN106327441B
公开(公告)日：2018-11-06
申请号：CN201610694236.9
申请日：2016-08-19
Applicant: 北京交通大学
Abstract: 本发明公开一种图像径向畸变的自动矫正方法及系统，方法包括：S1、对畸变图像边缘检测，连接相邻边缘得到各边缘轮廓；S2、利用快速圆弧提取方法对边缘轮廓进行圆弧提取，计算各圆弧的参数；S3、划定畸变中心预选区域，计算以其中各像素点作为畸变中心对应的各圆弧的畸变系数，统计各像素点对应的畸变系数的取值集中区间并统计各区间中的畸变系数数量，计算各区间中的畸变系数均值，以畸变系数最多的区间对应的像素点作为实际畸变中心并以该区间的畸变系数均值作为实际畸变系数；S4、根据实际畸变中心和畸变系数对畸变图像进行自动矫正。本发明可实现图像径向畸变的自动矫正，不需要畸变图像相关的来源信息、特定的模板和人工的干预。
-
公开(公告)号：CN104700434B
公开(公告)日：2017-10-31
申请号：CN201510141935.6
申请日：2015-03-27
Applicant: 北京交通大学
IPC: G06T7/20
Abstract: 本发明公开一种用于复杂结构化场景的人群运动轨迹异常检测方法，包括如下步骤：提取监控视频历史数据中复杂结构化场景内的人群运动轨迹并对人群运动轨迹进行分段，得到人群分段运动轨迹；对人群分段运动轨迹进行基于最大最小距离的多中心聚类算法的学习，得到各人群分段运动轨迹类；提取监控视频当前数据中复杂结构化场景内的人群运动轨迹，并根据各人群分段运动轨迹类，对监控视频当前数据中复杂结构化场景内的人群运动轨迹进行基于LOF算法的异常检测。本发明所述技术方案对于复杂结构化场景中的异常检测相对于现有技术中的其他算法具有高鲁棒性、适用性、有效性和高效性，能够很好的满足实际需求。
-
公开(公告)号：CN106650667A
公开(公告)日：2017-05-10
申请号：CN201611221282.3
申请日：2016-12-26
Applicant: 北京交通大学
CPC classification number: G06K9/00369 , G06N3/126
Abstract: 本发明公开了一种基于支持向量机的行人检测方法，所述方法包括：S1：提取训练图像中的边缘和文理信息，处理得到特征向量；S2：对所述特征向量进行降维，得到降维的特征向量；S3：采用引入模拟退火接受准则的遗传算法对支持向量机进行模型训练与特征权重学习；S4：将待检测的图像进行S1和S2的处理，然后输入所述支持向量机进行行人检测，本发明同时公开了一种基于支持向量机的行人检测系统，本发明采用引入模拟退火接受准则的遗传算法对支持向量机进行模型训练与特征权重学习，考虑特征组合对行人检测分类效果的影响，并为所有维度的特征制定权值，提高行人检测的准确度。
-
公开(公告)号：CN103679757A
公开(公告)日：2014-03-26
申请号：CN201310751805.5
申请日：2013-12-31
Applicant: 北京交通大学
Abstract: 本发明公开了一种针对人体运动数据的行为分割方法及系统，该方法包括：对原始未分割的人体运动数据进行预处理，选取作为相似性比较的参考序列片段以及各个子序列片段；针对参考序列片段和各个子序列片段，分别计算其核主成分分析的相关系数；基于获得的所述核主成分分析的相关系数，分别确定参考序列片段和各个子序列片段的核动态纹理参数；基于马丁距离的方法，度量参考序列片段与子序列片段之间核动态纹理的相似性；基于所获取的相似性距离，利用其跳变的特性检测出人体运动数据的行为分割点。本发明对于比较长、复杂、含有多种运动类型的人体运动数据具有良好的行为分割性能，在准确率和召回率的指标上都具有优越性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.021 seconds)
