-
公开(公告)号：CN109389044B
公开(公告)日：2021-11-23
申请号：CN201811051713.5
申请日：2018-09-10
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于卷积网络与多任务学习的多场景人群密度估计系统及方法。包括人群密度图生成模块、跨摄像头多场景学习模块、各场景密度图校准模块。其中框架的第一部分为基于卷积神经网络的鲁棒密度图生成模块，卷积神经网络由三个深度融合子网络组成，每个深度融合子网络具有三路卷积核大小、数目不同的网络构成，因此可以有效把握密度估计问题的共性，对实际应用中在背景、光照、人群密度等方面数据分布差异较大的跨摄像头多场景监控视频帧进行较为鲁棒的密度图估计；框架的第二部分为基于多任务学习的各场景数据分布学习，学习到各个场景互不相同的人群分布特征；框架第三部分利用多任务学习学习到的各个场景人群分布特征对第一部分通用人群密度估计的结果进行校准微调。此系统在真实监控场景下，可以对多场景跨摄像头的人群进行高效准确地密度估计。
-
公开(公告)号：CN109389044A
公开(公告)日：2019-02-26
申请号：CN201811051713.5
申请日：2018-09-10
Applicant: 中国人民解放军陆军工程大学
CPC classification number: G06K9/00718 , G06K9/00778 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于卷积网络与多任务学习的多场景人群密度估计系统及方法。包括人群密度图生成模块、跨摄像头多场景学习模块、各场景密度图校准模块。其中框架的第一部分为基于卷积神经网络的鲁棒密度图生成模块，卷积神经网络由三个深度融合子网络组成，每个深度融合子网络具有三路卷积核大小、数目不同的网络构成，因此可以有效把握密度估计问题的共性，对实际应用中在背景、光照、人群密度等方面数据分布差异较大的跨摄像头多场景监控视频帧进行较为鲁棒的密度图估计；框架的第二部分为基于多任务学习的各场景数据分布学习，学习到各个场景互不相同的人群分布特征；框架第三部分利用多任务学习学习到的各个场景人群分布特征对第一部分通用人群密度估计的结果进行校准微调。此系统在真实监控场景下，可以对多场景跨摄像头的人群进行高效准确地密度估计。
-
Patent Agency Ranking
公开(公告)号：CN113420141B
公开(公告)日：2022-10-04
申请号：CN202110703515.8
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
IPC: G06F16/335 , G06F16/31 , G06F16/35 , G06F40/205 , G06F40/30 , G06F40/242 , G06F40/247
Abstract: 基于哈希聚类和上下文信息的敏感数据搜索方法，涉及一种数据脱敏技术，特别是一种基于在线敏感词汇识别、扩充、搜索、删除等数据脱敏方法。包括如下三个步骤：基于敏感词汇的哈希局部聚类：采用哈希的方法，对敏感词汇的局部特征点进行聚类；根据聚类目标构造上下文语义信息进行语义建模；最后引入相对熵方法利用构造的上下文语义信息对全文内容进行相似度度量完成对敏感词汇的检索。本发明同时集成了哈希局部聚类方法、上下文文本语义信息模型构造、相对熵计算相似度等功能，在敏感数据识别的关键环节采用该方法，可辅助人工实现脱敏策略制定。提供了敏感数据识别判别的新思路，大大提高了大规模敏感数据识别判别的效率。
-
公开(公告)号：CN113420141A
公开(公告)日：2021-09-21
申请号：CN202110703515.8
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
IPC: G06F16/335 , G06F16/31 , G06F16/35 , G06F40/205 , G06F40/30 , G06F40/242 , G06F40/247
Abstract: 基于哈希聚类和上下文信息的敏感数据搜索方法，涉及一种数据脱敏技术，特别是一种基于在线敏感词汇识别、扩充、搜索、删除等数据脱敏方法。包括如下三个步骤：基于敏感词汇的哈希局部聚类：采用哈希的方法，对敏感词汇的局部特征点进行聚类；根据聚类目标构造上下文语义信息进行语义建模；最后引入相对熵方法利用构造的上下文语义信息对全文内容进行相似度度量完成对敏感词汇的检索。本发明同时集成了哈希局部聚类方法、上下文文本语义信息模型构造、相对熵计算相似度等功能，在敏感数据识别的关键环节采用该方法，可辅助人工实现脱敏策略制定。提供了敏感数据识别判别的新思路，大大提高了大规模敏感数据识别判别的效率。
-
公开(公告)号：CN112560087A
公开(公告)日：2021-03-26
申请号：CN202011438587.6
申请日：2020-12-11
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了基于矩阵补全技术的敏感数据补全方法，包括获得敏感数据缺失的文本数据；对缺失敏感数据的数据提取文本特征，假设提取的文本特征中存在一个矩阵；若矩阵是完整的，即可对矩阵进行分解；若矩阵中含有敏感数据的缺失值，随机初始化分解的矩阵，与含有缺失值的矩阵计算损失误差，当损失误差最小时，采用近似的梯度下降法来求解，以对矩阵中缺失的敏感数据进行补全。通过矩阵补全技术，可以对矩阵中缺失的敏感数据进行有效补全，并提高了补全数据的有效性和真实性。并且实时性高，提高了敏感数据补全的准确性。
-
公开(公告)号：CN115941017A
公开(公告)日：2023-04-07
申请号：CN202211205564.X
申请日：2022-09-30
Applicant: 中国人民解放军陆军工程大学
IPC: H04B7/185 , G06N3/0442 , G06N3/08
Abstract: 基于多智能体强化学习的物联网通信资源联合分配方法，建立空天地一体化物联网场景下中继节点通信资源联合分配模型；将中继节点的动态信道选择与功率控制决策建模为Dec‑POMDP；采用集中式训练框架，训练基于全连接通信多智能体强化学习的信道选择与功率控制方法；收集有标签数据，训练通信范围神经网络；利用训练收敛的通信范围神经网络，进行动态调整通信范围机制下资源联合分配策略的微调。本发明基于神经网络学习通信范围，有效提高了空天地一体化物联网场景下，中继节点资源分配策略的优化效果与学习效率，且压缩了额外通信开销。
-
公开(公告)号：CN113658012A
公开(公告)日：2021-11-16
申请号：CN202110703377.3
申请日：2021-06-24
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种基于深度网络表示学习的社团发现方法，涉及作图分割问题的技术领域。将网络建模成图；构建社团结构矩阵；获得网络节点表示向量；在获得的网络低维表示上运行K‑均值策略获得最终的网络社团结构。本发明提出的方法利用深度神经网络成功捕捉了网络的非线性结构，学习了更加准确和丰富的节点表示，为后续的社团发现打下坚实的基础。实现了在大规模、稀疏和高维网络中准确挖掘社团结构的任务。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
