-
公开(公告)号：CN116192667B
公开(公告)日：2025-04-08
申请号：CN202310141312.3
申请日：2023-02-21
Applicant: 上海海事大学 , 中远海运科技股份有限公司
IPC: H04L41/147 , G06N3/0464 , G06N3/0442 , G06N3/09 , H04L47/70 , H04L47/12 , H04L41/14 , H04L41/16
Abstract: 本发明公开了一种远洋船舶卫星通信网络流量预测方法，包含步骤：获取远洋船舶基于卫星通信产生的网络流量数据样本，根据流量时序从所述网络流量数据样本，生成第一时序数据集；对所述第一时序数据集进行预处理，获得第二时序数据集；对所述第二时序数据集采用TCN提取其短期局部特征；采用LSTM建立预测模型：通过所述预测模型，获得对船舶网络流量的预测值。本发明通过TCN学习时间序列中的短期局部依赖提取高低频信息和LSTM有效捕捉时间序列中的长时间依赖，提供一种精确度高、鲁棒性好预测远洋船舶网络流量方法。
-
公开(公告)号：CN118051609A
公开(公告)日：2024-05-17
申请号：CN202410182895.9
申请日：2024-02-19
Applicant: 上海海事大学
IPC: G06F16/34
Abstract: 本发明涉及自然语言处理技术领域，具体公开了一种基于胶囊网络与显著性感知的航运新闻摘要生成方法，包括如下步骤：S1、使用编码器对输入的文本序列进行编码，并将其转化为向量表示；S2、对编码器输出的句子表示进行建模，并预测每个句子的显著性概率分布；S3、将显著性预测模块得到的显著性信息与编码器和解码器的输出进行整合；S4、使用解码器生成摘要；本发明通过引入句子信息作为显著性信号来扩展编码器和解码器，这将有助于模型在输出时更加关注显著性高的部分，且不以信息丢失为代价，从而提高摘要的质量和准确性。
-
公开(公告)号：CN110414515B
公开(公告)日：2023-12-08
申请号：CN201910706624.8
申请日：2019-08-01
Applicant: 上海海事大学
IPC: G06V20/62 , G06V30/19 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于信息融合处理的汉字图像识别方法，应用于图像识别技术领域，方法包括：获取待处理图像；采用卷积神经网络提取所述待处理图像的图像信息；采用长短时神经网络，根据所述图像信息进行预测，获取多个预测结果；对所述图像信息和所述多个预测结果进行融合，通过全连接网络对图像文字进行识别。此外，本发明还公开了一种基于信息融合处理的汉字图像识别装置及存储介质。应用本发明实施例，能够将图像文字识别和预测相结合，提高识别的准确率。
-
公开(公告)号：CN116248524A
公开(公告)日：2023-06-09
申请号：CN202211585840.X
申请日：2022-12-06
Applicant: 上海海事大学 , 中远海运科技股份有限公司
IPC: H04L41/147 , H04L41/16 , H04L67/12 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种用于远洋船舶的通信网络态势预测模型及方法，所述方法包括：构建远洋船舶卫星通信网络态势数据集，所述数据集包含多种网络流量包特征以及每个流量对应的攻击标签；构建网络态势预测模型；将经过数据处理后的样本训练数据集送入所述网络态势预测模型进行训练；将获取的远洋船舶卫星通信网络态势数据集输入所述训练好的网络态势预测模型，输出远洋航行中的船舶卫星通信网络态势的预测结果。本发明提供的用于远洋船舶的通信网络态势预测模型及方法，针对船舶航行过程中的未来的网络态势预测具有较高的准确率。
-
公开(公告)号：CN116192667A
公开(公告)日：2023-05-30
申请号：CN202310141312.3
申请日：2023-02-21
Applicant: 上海海事大学 , 中远海运科技股份有限公司
IPC: H04L41/147 , G06N3/0464 , G06N3/0442 , G06N3/09 , H04L47/70 , H04L47/12 , H04L41/14 , H04L41/16
Abstract: 本发明公开了一种远洋船舶卫星通信网络流量预测方法，包含步骤：获取远洋船舶基于卫星通信产生的网络流量数据样本，根据流量时序从所述网络流量数据样本，生成第一时序数据集；对所述第一时序数据集进行预处理，获得第二时序数据集；对所述第二时序数据集采用TCN提取其短期局部特征；采用LSTM建立预测模型：通过所述预测模型，获得对船舶网络流量的预测值。本发明通过TCN学习时间序列中的短期局部依赖提取高低频信息和LSTM有效捕捉时间序列中的长时间依赖，提供一种精确度高、鲁棒性好预测远洋船舶网络流量方法。
-
Patent Agency Ranking
公开(公告)号：CN115661766A
公开(公告)日：2023-01-31
申请号：CN202211350178.X
申请日：2022-10-31
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于深度学习的智能船舶安全监控方法及系统，属于船舶安全监控技术领域。包括：获取船舶上监控设备采集的数据，将采集的图像数据输入目标检测模型，根据检测结果，执行后续程序；将采集的视频数据输入行为识别模型，识别船员的行为；若发生事件为紧急事件，则直接产生警报；若发生事件为一般事件，则对涉事船员目标进行跟踪，利用人脸检测模型采集船员人脸数据；建立人脸识别网络，对比收集的涉事船员人脸图像和船员人脸数据库中的图像，确认船员身份，并同上述步骤采集的数据作为证据保存，告警提示。本发明能够监测多种类事件，利用检测算法完成从发现事件到证据搜查的全过程。使得船舶安全监测范围更全面，检测效率更高。
-
公开(公告)号：CN110472539B
公开(公告)日：2022-09-30
申请号：CN201910706780.4
申请日：2019-08-01
Applicant: 上海海事大学
IPC: G06V30/413 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种文本检测方法，应用于文本检测技术领域，包括：获取待检测图片；采用预设神经网络模型对所述待检测图片进行遍历，生成共享特征图，并生成锚盒；将锚盒作为文本提议，采用双向长短记忆网络BLSTM训练文本提议之间的上下文信息，并生成特征向量；根据分类模型和回归模型，对所述特征向量进行判断是否为文本，并你和文本提议具体位置，生成纵坐标方向的平移量和缩放量；根据所述平移量和所述缩放量，合并锚盒，并生成文本检测图像。以及提供了一种文本检测装置及计算机存储介质。应用本发明实施例，能够很好的保留待处理红外图像和待处理可见光图像中的信息减少图像的损失，提高文本检测后的效果。
-
公开(公告)号：CN110543566B
公开(公告)日：2022-07-22
申请号：CN201910842195.7
申请日：2019-09-06
Applicant: 上海海事大学
IPC: G06F16/35 , G06F16/33 , G06F16/332 , G06F40/30
Abstract: 本发明公开了一种基于自注意力近邻关系编码的意图分类方法，该方法包括以下步骤：步骤1：问答系统接收待分类语句，并将待分类语句输入词嵌入层，转换为词向量矩阵；步骤2：将词向量矩阵输入基于近邻关系的自注意力层进行加权计算，映射出目标序列；步骤3：将目标序列输入到传统的自注意力层进行特征学习，获取具有高维语句信息的输出序列；步骤4：将输出序列通过批量归一化层进行批量归一化计算，得到归一化分布序列；步骤5：将归一化分布序列输入全连接层得出分类结果。此方法改善了现有问答系统的准确率和性能提升的瓶颈问题，针对问答系统中的问句意图分类，提出基于新型自注意力机制的改进方法。
-
公开(公告)号：CN112164078A
公开(公告)日：2021-01-01
申请号：CN202011026414.3
申请日：2020-09-25
Applicant: 上海海事大学
Abstract: 本发明披露一种基于编码器‑解码器的RGB‑D多尺度语义分割方法。本发明对基本的编码器‑解码器架构进行改进，将编码器部分进行分支并引入RGB图像和深度图像进行特征融合，在根据对象的颜色及纹理属性识别过程中，利用深度信息降低因具有相似外观而产生不确定性的分割。同时，在编码器的RGB部分采用深度可分离卷积替代传统卷积。在解码器部分，通过将相邻层中前一层的输入上采样添加到后一层输入的方式，保留上层中的空间信息，从而解决多尺度特征缺失问题。本发明提出的基于编码器‑解码器的RGB‑D多尺度语义分割方法，有效地提高了语义分割的准确率，且大大减少了训练时的计算量，进一步提高了性能。
-
公开(公告)号：CN111967480A
公开(公告)日：2020-11-20
申请号：CN202010930861.5
申请日：2020-09-07
Applicant: 上海海事大学
Abstract: 本发明提供一种基于权重共享的多尺度自注意力目标检测方法。该方法由一个权重共享的多尺度卷积网络和一个视觉自注意力模块构成。此方法在一定程度上能够兼顾多尺度、注意力机制、细粒度特征提取以及模型轻量化，创新性的在多尺度卷积网络中融入残差块与膨胀卷积技术，在保证模型轻量化的同时又具备深度提取特征的能力；在多尺度卷积网络中引入视觉注意力机制，使网络能更多的注意图像中的重点区域，节约计算资源。本发明方法适应性广，鲁棒性强，可用于多种目标检测任务。通过将该方法在知名数据集上的进行实验，实验结果表明该方法在保证模型轻量化的同时具有较高的准确率，取得了73.6的平均准确率，证明了其有效性。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.027 seconds)
