-
公开(公告)号：CN112200093B
公开(公告)日：2022-08-30
申请号：CN202011091366.6
申请日：2020-10-13
Applicant: 北京邮电大学
Abstract: 本发明涉及一种基于不确定性估计的行人再识别方法，属于行人再识别技术领域，包括步骤：获取待识别的原始图像序列，原始图像序列中的每一帧原始图像均包含同一行人；将原始图像序列输入至利用基于不确定性估计的行人再识别模型训练方法训练得到的行人再识别模型中，计算输出集合；使用不确定性估计集合对输出集合进行排序，选择不确定性估计最高的Δ个输出的标号，获得标号集合和选定输出集合；将选定输出集合中的所有输出与数据库中的样本计算距离，并分别匹配出距离最小的图像作为行人再识别的检索结果。本发明能够同时抑制输入图像中的区域噪声和随机噪声，降低噪声对于行人再识别模型性能的影响，提高模型的稳定性，提升行人再识别的准确率。
-
公开(公告)号：CN111860672B
公开(公告)日：2021-03-16
申请号：CN202010738474.1
申请日：2020-07-28
Applicant: 北京邮电大学
Abstract: 一种基于分块卷积神经网络的细粒度图像分类方法，涉及细粒度图像识别技术领域，解决现有方法将原始图像平均分块后输入到卷积神经网络中用于细粒度图像分类，存在感受野限制较弱的问题，本发明不引入额外的参数与运算，在预测过程中保留通用卷积神经网络的高效性，不需要过大的感受野的特性将输入特征图进行分块，每块分别进行卷积操作后，再重新拼接，具有较强的限制性。本发明将卷积的感受野按需要进行限制，使网络更加关注局部区域的特征，更适合应用于细粒度图像分类任务。本发明所述的细粒度图像分类方法，在不引入更多参数的前提下，限制卷积层的感受野范围，使卷积神经网络能够寻找较小的有判别力的局部区域。
-
公开(公告)号：CN112200093A
公开(公告)日：2021-01-08
申请号：CN202011091366.6
申请日：2020-10-13
Applicant: 北京邮电大学
Abstract: 本发明涉及一种基于不确定性估计的行人再识别方法，属于行人再识别技术领域，包括步骤：获取待识别的原始图像序列，原始图像序列中的每一帧原始图像均包含同一行人；将原始图像序列输入至利用基于不确定性估计的行人再识别模型训练方法训练得到的行人再识别模型中，计算输出集合；使用不确定性估计集合对输出集合进行排序，选择不确定性估计最高的Δ个输出的标号，获得标号集合和选定输出集合；将选定输出集合中的所有输出与数据库中的样本计算距离，并分别匹配出距离最小的图像作为行人再识别的检索结果。本发明能够同时抑制输入图像中的区域噪声和随机噪声，降低噪声对于行人再识别模型性能的影响，提高模型的稳定性，提升行人再识别的准确率。
-
公开(公告)号：CN111860672A
公开(公告)日：2020-10-30
申请号：CN202010738474.1
申请日：2020-07-28
Applicant: 北京邮电大学
Abstract: 一种基于分块卷积神经网络的细粒度图像分类方法，涉及细粒度图像识别技术领域，解决现有方法将原始图像平均分块后输入到卷积神经网络中用于细粒度图像分类，存在感受野限制较弱的问题，本发明不引入额外的参数与运算，在预测过程中保留通用卷积神经网络的高效性，不需要过大的感受野的特性将输入特征图进行分块，每块分别进行卷积操作后，再重新拼接，具有较强的限制性。本发明将卷积的感受野按需要进行限制，使网络更加关注局部区域的特征，更适合应用于细粒度图像分类任务。本发明所述的细粒度图像分类方法，在不引入更多参数的前提下，限制卷积层的感受野范围，使卷积神经网络能够寻找较小的有判别力的局部区域。
-
公开(公告)号：CN110671740A
公开(公告)日：2020-01-10
申请号：CN201910990322.8
申请日：2019-10-17
Applicant: 北京邮电大学
IPC: F24D19/10
Abstract: 本发明提供了一种集中供热系统生产自动调节方法，包括通过传感器实时获取集中供热系统对应的所有用户端整体峰值消耗量，并将所述整体峰值消耗量记录为热负荷序列；基于时域与频域变换，将热负荷序列转换为频谱图；通过时间序列预测模型分别对频谱图的每个频段进行预测得到频域预测频谱图；利用时域与频域变换，将频域预测频谱图转换为热负荷预测值序列；根据热负荷预测值序列，动态调整集中供热系统中供暖设备输出功率，从而动态调整集中供热系统的峰值负载。本发明针对现有集中供热系统的自动调节方法难以动态反映热负荷变化，预测的准确率较低的技术问题，旨在保证实时性的同时，提高模型预测准确率的同时降低模型训练时间，并且减少内存消耗。
-
Patent Agency Ranking
公开(公告)号：CN115017501A
公开(公告)日：2022-09-06
申请号：CN202210626314.7
申请日：2022-06-02
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于不确定性估计的图像对抗攻击样本检测方法和系统，包括将图像输入到深度神经网络中得到每一层网络的输出值；根据深度神经网络每一层的输出值计算的一阶矩、二阶矩；根据计算得到的一阶矩及二阶矩计算分布参数；对参数进行评估，判断输入图像是否受到扰动。旨在来利用不确定性估计方法判断目标网络的输入图像是否受到了扰动，有效识别对抗攻击样本。
-
公开(公告)号：CN110671740B
公开(公告)日：2020-08-21
申请号：CN201910990322.8
申请日：2019-10-17
Applicant: 北京邮电大学
IPC: F24D19/10
Abstract: 本发明提供了一种集中供热系统生产自动调节方法，包括通过传感器实时获取集中供热系统对应的所有用户端整体峰值消耗量，并将所述整体峰值消耗量记录为热负荷序列；基于时域与频域变换，将热负荷序列转换为频谱图；通过时间序列预测模型分别对频谱图的每个频段进行预测得到频域预测频谱图；利用时域与频域变换，将频域预测频谱图转换为热负荷预测值序列；根据热负荷预测值序列，动态调整集中供热系统中供暖设备输出功率，从而动态调整集中供热系统的峰值负载。本发明针对现有集中供热系统的自动调节方法难以动态反映热负荷变化，预测的准确率较低的技术问题，旨在保证实时性的同时，提高模型预测准确率的同时降低模型训练时间，并且减少内存消耗。
-
公开(公告)号：CN110807465A
公开(公告)日：2020-02-18
申请号：CN201911072231.2
申请日：2019-11-05
Applicant: 北京邮电大学
Abstract: 本发明一种基于通道损失函数的细粒度图像识别方法，包括下列步骤：特征提取、特征判别性损失函数计算、特征多样性损失函数计算、模型优化损失函数计算，本发明综合考虑了细粒度图像类内差异大，类间差异小，背景噪声影响大等因素的一项，约束属于每个类别的特征图都具有判别性，且具有对应类别的特征，减小了类内的差异性，降低了学习的难度，学习到了更好的判别性特征；约束属于每个类别的特征图均具有多样性，从而增大了类间的差异性，从而取得了良好的效果，易于实际部署，在多个细粒度图像分类任务上起到了明显的效果提升。
-
公开(公告)号：CN107992453A
公开(公告)日：2018-05-04
申请号：CN201711393696.9
申请日：2017-12-21
Applicant: 北京邮电大学
IPC: G06F17/18
CPC classification number: G06F17/18
Abstract: 本发明提供了一种用于非负L1范数约束优化的贝叶斯方法，该方法包括：步骤一、基于贝叶斯理论，将初始化的狄利克雷先验分布以及混合指数幂分布似然函数联合构建后验分布，并确定所述后验分布的采样点数；步骤二、根据所述采样点数，对后验分布进行采样，获取采样样本；步骤三、根据所述采样样本，计算采样样本的矩，通过采样样本的矩估计近似狄利克雷后验分布的矩；步骤四、根据所述狄利克雷后验分布的矩，计算近似狄利克雷后验分布峰值点，即为最优模型参数。本发明改善带有非负L1范数约束的优化问题，在具有非负L1范数约束场景下可以有效提高模型优化性能。
-
公开(公告)号：CN107895214A
公开(公告)日：2018-04-10
申请号：CN201711290917.X
申请日：2017-12-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种多元时间序列预测方法，该方法包括：步骤一、基于局部回归的季节性与趋势分解算法，将多元时间序列季节分解为趋势序列、循环序列和不规则序列；步骤二、通过线性或非线性回归算法对趋势序列预测得到趋势序列预测值；步骤三、基于组合模型对分别引入外部因素和历史各期变量的循环序列进行预测得到循环序列初始预测值，使用前馈神经网络将初始预测值进行融合得到循环序列预测值；步骤四、将趋势序列预测值和循环序列预测值进行加和得到多元时间序列预测值。本发明解决了多元时间序列预测精度问题，可以更加合理地分析多元时间序列的自身特性以及外部影响因素的影响，得到更准确的时间序列预测结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.135 seconds)
