-
公开(公告)号：CN114882488B
公开(公告)日：2024-06-28
申请号：CN202210547679.0
申请日：2022-05-18
Applicant: 北京理工大学
IPC: G06V20/62 , G06V20/10 , G06V10/82 , G06V30/18 , G06V30/19 , G06F16/36 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于深度学习与注意力机制的多源遥感图像信息处理方法，包括：步骤1，构建图像描述生成器，所述图像描述生成器基于自上而下图像描述模型构建而成；该自上而下图像描述模型包括顺序连接的注意力LSTM模型和语句生成LSTM模型；步骤2：采用融入词性特征的文本图像匹配的POS‑SCAN模型对图形描述生成器进行训练，得到所述图形描述生成器的损失函数；步骤3：将所述图像描述生成器进行自序列训练后，将所述多源遥感图像进行区域特征提取，并将区域特征提取结果输入所述图像描述生成器，得到所述图像对应的文字标签；步骤4：将所述区域特征提取结果、所述文字标签及候选语句输入相似性评分模块，得到相似度评分结果。
-
公开(公告)号：CN115578574A
公开(公告)日：2023-01-06
申请号：CN202211340495.3
申请日：2022-10-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习和拓扑感知的三维点云补全方法，涉及计算机视觉技术领域，使用本发明能够在点云特征提取模块中，通过边卷积算子学习点云中隐式的拓扑信息；在粗粒度点云生成模块，生成稀疏但结构相对完整的粗粒度点云，初步生成的稀疏点云与残缺输入拼接起来，从而最大程度上保留输入点云的细节；在细粒度点云生成模块利用自注意力机制提高特征提取能力，通过附加二维网格增加点云形变能力，实现最终稠密点云的生成，实现了针对三维点云的补全，可应用于自动驾驶中，使用激光雷达针对自动驾驶场景获取到的缺失点云进行补偿，点云场景中，对点云进行补全后，可以进行目标检测。
-
公开(公告)号：CN117274636A
公开(公告)日：2023-12-22
申请号：CN202311232674.X
申请日：2023-09-22
IPC: G06V10/62 , G06V20/13 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于孪生神经网络的遥感卫星视频目标跟踪方法。使用本发明能够有效实现遥感卫星视频影像中复杂背景下的目标跟踪。本发明利用孪生神经网络分别提取模板图块和搜索图块的模板特征和搜索特征，然后采用基于注意力的特征融合模块对孪生神经网络提取的模板特征向量和搜索特征向量进行基于自注意力和交叉注意力的特征融合，增强目标的显著性特征表示、并弱化背景信息和干扰物的特征表达，从而生成更具判别力的目标显著性特征表示，然后基于注意力融合后的模板特征和搜索特征得到表观相似性响应图，利用分类回归网络完成目标位置的跟踪。
-
公开(公告)号：CN114386669A
公开(公告)日：2022-04-22
申请号：CN202111522122.3
申请日：2021-12-13
Applicant: 北京理工大学
Abstract: 本公开的基于PPDE模型的人口预测方法，按照种群数量增长理论，选取影响我国人口的生育率、死亡人口、净迁入人口、生育政策因素作为因子构建数学模型PPDE，通过采用现有模型组合的方式，充分发挥现有模型的优点，分别对因子进行预测估计，将得到的参数序列值作为相应参数值带入模型构建可计量的PPDE模型，该模型解决政策因素、人口迁移对人口结构的影响，符合我国人口实际情况的预测，旨在考虑多种因素下提高人口结构预测的正确率。
-
公开(公告)号：CN117131858B
公开(公告)日：2024-08-30
申请号：CN202311074757.0
申请日：2023-08-24
Applicant: 北京理工大学
IPC: G06F40/242 , G06F40/126 , G06F40/194 , G06F16/33 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于字典的轨迹预测系统及方法，属于深度学习技术领域。其包括聚类模块，用于针对轨迹数据集进行聚类，以选取代表性轨迹；所选取代表性轨迹送入字典模块。字典模块利用过去编码器和未来编码器进行字典的构建；目标轨迹输入至编码器‑注意力‑解码器预测架构，由过去编码器对目标轨迹的历史轨迹部分进行编码，得到观测特征编码，利用观测特征编码，查询字典，构建辅助特征；通过卷积神经网络CNN将辅助特征与观测特征编码进行融合，融合后的特征作为注意力机制解码器的初始隐藏状态，注意力机制解码器输出预测的未来轨迹。本发明能够有效降低计算成本，使用更少的内存，减少数据冗余。
-
Patent Agency Ranking
公开(公告)号：CN114925808B
公开(公告)日：2023-10-10
申请号：CN202210397325.2
申请日：2022-04-15
Applicant: 北京理工大学 , 北京大学深圳研究生院
IPC: G06F18/2433 , G06F18/15 , G06N3/044 , G06N3/08
Abstract: 本发明涉及一种基于云网端资源中不完整时间序列的异常检测方法，包括：输入带有缺失的云网端资源中的时间序列，生成时间序列样本，并对所述时间序列样本进行预处理操作；构建深度学习网络模型，将经过预处理操作的时间序列样本分为训练样本集和测试样本集，所述训练样本集输入所述深度学习网络模型中完成模型训练，所述测试样本集进行模型异常检测测试，得到异常检测结果。本发明提出的方法中云网端资源中不完整时间序列的异常检测模型将缺失值插补过程与异常检测过程相结合，减少了从缺失值插补到异常检测导致的误差传递。相较于现有技术，发明成果在云网端资源中不完整时间序列场景下进行异常检测拥有更高的准确率。
-
公开(公告)号：CN115712848A
公开(公告)日：2023-02-24
申请号：CN202211297895.0
申请日：2022-10-21
Applicant: 北京理工大学
IPC: G06F18/2323 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 一种基于图结构学习的结构化深度聚类网络，该网络包括：节点特征学习模块；结构化数据特征学习模块；图结构学习模块，用于根据数据特征，包括节点特征和结构化数据特征，对图结构进行学习，并将学习到的图结构用于数据特征的进一步学习；以及自监督聚类模块。本公开在应用传统的自编码器和图卷积网络等提取数据的节点特征、结构化特征的基础上，加入了图结构学习模块，能够克服初始图结构可能存在的噪声和错误，提升聚类的效果；进而通过自监督聚类模块将各模块统一为一体，优化整个网络面向聚类的数据表示，能够提升对大规模数据进行信息分析与提取的准确度和效率。
-
-
公开(公告)号：CN115578574B
公开(公告)日：2024-10-18
申请号：CN202211340495.3
申请日：2022-10-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习和拓扑感知的三维点云补全方法，涉及计算机视觉技术领域，使用本发明能够在点云特征提取模块中，通过边卷积算子学习点云中隐式的拓扑信息；在粗粒度点云生成模块，生成稀疏但结构相对完整的粗粒度点云，初步生成的稀疏点云与残缺输入拼接起来，从而最大程度上保留输入点云的细节；在细粒度点云生成模块利用自注意力机制提高特征提取能力，通过附加二维网格增加点云形变能力，实现最终稠密点云的生成，实现了针对三维点云的补全，可应用于自动驾驶中，使用激光雷达针对自动驾驶场景获取到的缺失点云进行补偿，点云场景中，对点云进行补全后，可以进行目标检测。
-
公开(公告)号：CN114970956A
公开(公告)日：2022-08-30
申请号：CN202210409197.9
申请日：2022-04-19
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于OLS和QOIC人口关联分析及预测方法，属于数据挖掘、人口学、统计学研究技术领域。本发明针对人口指标的不同状态数据使用QOIC进行关联性分析，得到数据关联系数结果后，再根据黄金分割率进行筛选，选定人口预测参数，使用QOIC算法检测相关性，对人口出生数量、综合生育率等不同量级的数据可以直接归一化，准确的量化影响人口发展的所有因素，使得评估人口发展的相关因素进而构建预测模型体系变得更加客观，再次基础上使用最小二乘法OLS进行多项式拟合得到预测模型进行人口预测，预测结果和真实值误差在，最后使用极端聚类算法进行分析并可视化聚类结果。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.015 seconds)
