-
公开(公告)号：CN113920302B
公开(公告)日：2025-03-07
申请号：CN202111037829.5
申请日：2021-09-06
Applicant: 北京交通大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/74 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于交叉注意力机制的多头弱监督目标检测方法，包括：获取图像，对图像进行处理，将处理后的图像分成训练集和测试集；定义类原型特征，构建包含类原型特征的基于交叉注意力机制的弱监督目标检测网络WCAN模型；采用训练数据集对WCAN模型进行训练；基于训练好的WCAN模型，对测试集图像进行目标检测。本方法在只有类别标签的条件下，能够更全面地、充分地感知位置和类别信息，实现更准确高效的目标检测。
-
公开(公告)号：CN119418168A
公开(公告)日：2025-02-11
申请号：CN202410952324.9
申请日：2024-07-16
Applicant: 北京交通大学
IPC: G06V10/82 , G06V10/80 , G06N5/025 , G06V10/74 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06V10/764
Abstract: 本发明提供一种基于元学习的多模态关系抽取方法及系统，属于文本实体识别技术领域，获取待预测的文本图像对；利用预先训练好的关系预测模型对获取的文本图象对进行处理，得到实体之间的多模态关系。本发明提出基于元学习的多模态关系抽取框架，适用于任何基于梯度下降的关系分类模型；通过元学习从头部关系类中学习获得初始参数，然后对尾项特征学习过程中的模型参数进行微调，它利用了从头部数据中学习到的先验知识，实现从易到难的任务学习；增强了尾部类的特征表示，弥合头类和尾类之间的特征差距，提高了关系识别的性能；在稀有类别训练时，动态地提高正梯度的权重并降低负梯度的权重，用于解决尾部数据稀疏问题。
-
公开(公告)号：CN118862144A
公开(公告)日：2024-10-29
申请号：CN202410837156.9
申请日：2024-06-26
Applicant: 北京交通大学
IPC: G06F21/62 , G06N3/0464 , G06N3/0442 , G06N3/094 , G06F18/25 , G06F18/22
Abstract: 本发明提供一种多模态隐私数据生成模型训练方法、数据生成方法及系统，属于数据隐私保护技术领域，本发明实现了在一个统一框架中生成RGB图像和表格数据，无需使用额外的公开数据和端到端的训练方式，并且各类型数据的生成过程中相互联系，提升了生成数据的语义一致性，能够有效融合不同模态的关键信息实现准确的多模态数据判别；提出多角度判别与多模态匹配损失，多模态判别损失主导GAN模型的训练过程，单模态判别损失用于辅助模型平衡不同模态的学习效率，匹配损失促进模型对模态间关系的学习。为了降低生成模型的隐私泄漏风险，提出将差分隐私机制应用在基于GAN的图像与表格数据联合生成模型上，以平衡合成数据的可用性与隐私性。
-
公开(公告)号：CN118230263A
公开(公告)日：2024-06-21
申请号：CN202410111708.8
申请日：2024-01-26
Applicant: 北京交通大学
Abstract: 本发明提供一种骑行流量及人流量轻量化监控方法及装置，属于基于机器视觉的交通流量监控技术领域，获取慢行交通道路非机动车道视频，进行预处理，得到所需格式的视频图像序列进行标注，输入模型进行训练，得到训练轮次内平均精确度最高的权重文件，用于目标检测和跟踪算法；在检测视频中划分非机动车道区域，检测非机动车道上的机动车辆；利用训练好的模型，对非机动车道行驶的机动车进行识别检测，为每辆车分配唯一的标识；维护一个集合，记录每个标识和对应的数量；根据目标标识和集合，动态更新骑行流量和行人流量数据。本发明通过目标的唯一标识，可以动态更新人流量和骑行流量数据，提供了准确、实时、稳定可靠的慢行交通数据。
-
公开(公告)号：CN117911710A
公开(公告)日：2024-04-19
申请号：CN202311750746.X
申请日：2023-12-19
Applicant: 北京交通大学 , 中移雄安信息通信科技有限公司
IPC: G06V10/44 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种多光谱目标检测模型训练方法、目标检测方法及系统，属于基于深度学习的目标检测技术领域。本发明面对恶劣天气等目标可视性差等问题时，在轮廓增强模块实现数据增强的效果，显著提升目标检测的准确性和鲁棒性。加入轻量化融合聚焦模块，将特征细分为高频和低频特征，在保证模型较低计算量的同时，更好地从可见光和红外模态中提取细节信息，将不同空间位置目标的关键信息聚焦到可见光‑红外模态上，利用Transformer的自注意机制对可见光‑红外特征的互补信息进行适当融合。对比度桥模块，利用对比度学习的思想来指导模型提高其在VIS‑IR场景中感知模态不变特征的能力，弥合可见光和红外模态之间的差距，使其适应真实的复杂的可见‑红外场景。
-
Patent Agency Ranking
公开(公告)号：CN116962085A
公开(公告)日：2023-10-27
申请号：CN202311213109.9
申请日：2023-09-20
Applicant: 北京交通大学
Abstract: 本说明书实施例提供了一种鲁棒的个性化联邦学习方法、装置及系统，方法包括：服务器接收来自多个客户端的模型更新数据，模型更新数据为在客户端上训练的本地模型的参数在训练前后的参数差值；服务器根据模型更新数据，得到各模型更新数据之间的基于α的层位置正则化相似度；服务器针对每一个客户端，根据基于α的层位置正则化相似度，得到模型更新数据的权重；服务器根据模型更新数据的权重和模型更新数据，分别得到各客户端对应的聚合模型更新数据；服务器发送聚合模型更新数据到各客户端。本申请提供的技术方案用以解决在联邦学习中系统中存在恶意攻击者时，通过本地协作训练算法同时训练本地模型和聚合模型来抵御恶意客户端的投毒攻击问题。
-
公开(公告)号：CN116306910A
公开(公告)日：2023-06-23
申请号：CN202211089847.2
申请日：2022-09-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于联邦节点贡献的公平性隐私计算方法。该方法包括：客户端使用本地数据集训练本地模型，服务器端额外收集根数据集以便对客户端的贡献进行评估；服务器计算每个客户端的贡献值，根据客户端的贡献值评估客户端的节点信誉，按照比例公平聚合各个客户端的参数更新；各个客户端根据自身的训练贡献从服务器端下载相应的全局模型作为计算回报，进行下一轮本地训练更新。本发明在层级上比较了参与端本地模型每一层与全局模型对应层之间的差异性，根据每个客户端的实际贡献为每个客户端分配与节点信誉相匹配的全局模型参数，能够促进联邦节点在全局聚合和计算回报过程中的公平性。
-
公开(公告)号：CN116189280A
公开(公告)日：2023-05-30
申请号：CN202211594956.X
申请日：2022-12-13
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
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06V20/40 , G06V10/74 , G06N3/047 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供一种基于子空间分类的小样本行为识别方法及系统，属于计算机识别技术领域，包括：获取待识别的图像；利用预先训练好的小样本行为识别模型对所述获取的待识别图像进行处理，得到图像中行为识别结果；所述小样本行为识别模型包括深度估计网络、特征提取网络、特征融合网络和识别网络。本发明充分利用支持集每一类中的所有样本特征，通过为每一类行为构建子空间来进行分类，而非直接地使用特征均值；将每一类的样本特征凝练为一个子空间，直接计算查询样本特征到子空间的距离，而非依次计算查询样本特征到每一类中每个样本的距离，减少计算量。
-
公开(公告)号：CN116110121A
公开(公告)日：2023-05-12
申请号：CN202211594563.9
申请日：2022-12-13
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
IPC: G06V40/20 , G06V20/40 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明提供一种基于特征压缩的轻量化行为识别方法及系统，属于计算机识别技术领域，包括：获取待识别视频序列；利用预先训练好的识别模型对所述获取的待识别视频序列进行处理，得到视频中的行为识别结果；其中，预先训练好的识别模型包括特征提取网络和分类网络，特征提取网络包括至少一个瓶颈结构，瓶颈结构包括依次连接的两个特征压缩模块。本发明能够有效减少卷积神经网络的计算量和参数量，同时高效的提取特征图中的信息；能够通过注意力机制对时空特征进行激活，使网络更关注于有价值的特征信息上，可简便的方式建模视频帧之间的运动信息；具有较低的参数量和运算量。
-
公开(公告)号：CN116070698A
公开(公告)日：2023-05-05
申请号：CN202211684648.6
申请日：2022-12-27
Applicant: 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
IPC: G06N3/098 , G06N3/0455
Abstract: 本发明提供一种基于自编码器的单分类联邦学习方法及系统，属于联邦学习技术领域，在数据预处理阶段，利用预训练模型进行原始数据的特征提取和分析；在训练阶段，客户端按照数据标签分别使用自编码器完成单分类模型的训练，服务器根据标签对单分类模型进行分类聚合，并将聚合后的模型按标签重新下发给客户端；在预测阶段，基于集成学习整合多个单分类专家模型和预训练模型的输出，以确定预测结果。本发明提取出不同标签数据的关键特征，对客户端本地的数据类别没有要求，并且可以抑制客户端模型间的离散程度，提高全局模型的性能，能够在保护客户端隐私的情况下有效应对各种Non‑IID情况。此外训练过程中的异步聚合更新还可以提高训练过程中的通信效率。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.043 seconds)
