-
公开(公告)号：CN114821492B
公开(公告)日：2025-04-08
申请号：CN202210370567.2
申请日：2022-04-10
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本申请涉及一种基于YOLOv4的道路车辆检测系统及方法，所述道路车辆检测系统包括道路车辆数据采集模块、道路车辆检测模型和终端设备，所述道路车辆检测模型为改进的YOLOv4算法模型，所述改进的YOLOv4算法模型的主干网络以MobileVit网络作为主干特征提取网络，颈部Neck包括空间金字塔池化层SPP和预测层PANet；模型的定位损失函数为CDIOU损失函数。本发明采用GridMask图像增强方法进行图片预处理，并通过训练好的道路车辆检测模型进行道路车辆检测，改善了现有的YOLOv4模型精度低，检测速度慢，不够轻量型的问题，在提升检测效率的同时，保证了模型的检测精度。
-
公开(公告)号：CN117131908B
公开(公告)日：2024-01-30
申请号：CN202311365822.5
申请日：2023-10-20
Applicant: 华东交通大学
IPC: G06N3/0464 , G06N3/082 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请涉及一种基于退火衰减的深度卷积神经网络的压缩方法，它包括如下步骤：选择待压缩模型；计算待压缩模型中每个卷积核的冗余系数，作为卷积核的评估分数；设定压缩率 和衰减系数，并将每个卷积核的评估分数由高到低进行排序，将卷积核的评估分数位于后的部分筛选出来，形成冗余卷积核集合；使用衰减系数对冗余卷积核集合内的冗余卷积核进行卷积衰减，衰减完成后对模型进行再训练，并重复这一过程，当每个卷积层中的冗余卷积核权重均小于预先设定的阈值时，停止卷积衰减操作，并将卷积核权重小于所述阈值的卷积核全部删除。本发明能够加速模型的压缩(56)对比文件熊李艳 等.基于局部结构保留的级联子空间深度聚类《.计算机应用研究》.2020,第37卷(第8期),2358-2361.叶汉民 等.基于稀疏化卷积网络剪枝的图像识别方法研究《.实验室研究与探索》.2022,第41卷(第12期),9-13.Dajiang Li 等.Energy Analysis inSingle Cluster WSNs with Power Controland In-network Data Compression《.2022IEEE Canadian Conference on Electricaland Computer Engineering》.2022,107-111.
-
公开(公告)号：CN101964165A
公开(公告)日：2011-02-02
申请号：CN201010247482.2
申请日：2010-08-06
Applicant: 华东交通大学
Abstract: 一种手语视频报站系统，该系统采用视频播放方式，将每次到站、驶离车站、以及中间行车中需要报站或者通知消息的手语视频文件集进行播放，并提供多个重放按键，乘客按下重放按键后，将播放刚刚播放完的手语视频信息；所述系统包括以下功能模块：手语视频片段生成器、视频播放管理、视频管理器、报站系统信息库管理器、视频输出终端。本发明能让聋哑人士乘客在乘车时通过该系统的手语视频服务能够轻松了解所乘车的到站、换乘、乘车规定以及路况信息等信息服务，给他们的出行带来轻松与方便。本发明适用于车站使用，为聋哑人士的乘车出行提供方便。
-
公开(公告)号：CN116402186A
公开(公告)日：2023-07-07
申请号：CN202310139464.X
申请日：2023-02-21
Applicant: 华东交通大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/092
Abstract: 本申请涉及一种基于时空增强学习网络的人群流量预测方法，它包括如下步骤：选取自适应图卷积循环神经网络AGCRN与图卷积门控循环神经网络GC‑GRU为基础结构，构建空间增强学习模块，获取人群流量空间关系；结合自适应图卷积循环神经网络AGCRN和自注意力机制，构建时间增强学习模块，获取人群流量时间关系；将人群流量空间关系与人群流量时间关系通过融合模块进行融合，得到最终的预测结果。本发明通过多种邻接矩阵的构造方式并引入自注意力机制来实现，增强了模型挖掘时间与空间依赖关系的能力，具有更强的准确性，从而能够有效地提升人群流量预测的精度。
-
公开(公告)号：CN114821492A
公开(公告)日：2022-07-29
申请号：CN202210370567.2
申请日：2022-04-10
Applicant: 华东交通大学
Abstract: 本申请涉及一种基于YOLOv4的道路车辆检测系统及方法，所述道路车辆检测系统包括道路车辆数据采集模块、道路车辆检测模型和终端设备，所述道路车辆检测模型为改进的YOLOv4算法模型，所述改进的YOLOv4算法模型的主干网络以MobileVit网络作为主干特征提取网络，颈部Neck包括空间金字塔池化层SPP和预测层PANet；模型的定位损失函数为CDIOU损失函数。本发明采用GridMask图像增强方法进行图片预处理，并通过训练好的道路车辆检测模型进行道路车辆检测，改善了现有的YOLOv4模型精度低，检测速度慢，不够轻量型的问题，在提升检测效率的同时，保证了模型的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN101916209B
公开(公告)日：2012-11-21
申请号：CN201010247472.9
申请日：2010-08-06
Applicant: 华东交通大学
Abstract: 一种多核处理器集群任务资源分配方法，该方法根据接收用户所提交到该集群上的作业任务，以CPU资源节点为基本分配单元，进行任务分配，构成任务资源分配器。所述任务资源分配器将集群上的资源映射为一个M×N的矩阵AR。在为该任务寻找空闲资源位置时，本方法均匀地将任务分散分配所需要的资源到节点上，使每个任务所占用的资源节点位置上有一定的间隔。该方法避免了以往任务分配算法中，任务过分集中于某一区域，时间一长时造成该区域突然产生大量的热能集中，局部芯片温度过高，影响计算机的正常工作效率的问题。本方法采用的任务调度算法是一个在线的实时任务调度算法，在多核处理器集群系统的作业与任务管理中有很好的应用前景。
-
公开(公告)号：CN116403152A
公开(公告)日：2023-07-07
申请号：CN202310061969.9
申请日：2023-01-19
Applicant: 华东交通大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于空间上下文学习网络的人群密度估计方法，其从公共场所的监控视频中截取不同密度的人群图像构建数据集，采用基于高斯核卷积对人群图像进行预处理，得到真实密度图；结合空间金字塔密度感知模块和空间通道注意力模块，构建空间上下文学习网络；将获取的人群图像送到空间上下文学习网络，生成预测密度图，结合预测密度图与真实密度图构建损失函数模型训练网络，生成优化后的空间上下文学习网络；最后对预测密度图逐像素积分求和，得到人群密度估计结果。本发明可以自适应地编码预测人群密度所需的上下文信息的规模，可以在不同通道之间提取更具区分性的特征，有效解决尺度变化问题，并抑制背景噪声，提人群密度估计的精度。
-
公开(公告)号：CN110046667B
公开(公告)日：2022-08-12
申请号：CN201910319686.3
申请日：2019-04-19
Applicant: 华东交通大学
Abstract: 本发明提供了一种基于深度神经网络学习评分数据对的教学评价方法，所述方法包括以下步骤：以课程为节点，以学生选课为边构建一个学生选课图，然后通过图聚类的方法把课程分成几个课群，同一课群内的课程具有相似的选课学生群体，不同课群的课程具有不同的选课学生群体；在每个课群内，根据学生对课程的教学评价数据库生成教学评价对，所述教学评价对是一名学生对两门课程的教学评价结果；通过深度神经网络学习教学评价对，得到每门课程的教学评价表示向量；聚类每门课程的教学评价表示向量，将一个课群分成若干个课程分组，然后通过统计不同课程分组之间的教学评价对，得到最后的课程评价结果。本发明能够得到更加公平、公正的教学评价结果。
-
公开(公告)号：CN110046667A
公开(公告)日：2019-07-23
申请号：CN201910319686.3
申请日：2019-04-19
Applicant: 华东交通大学
Abstract: 本发明提供了一种基于深度神经网络学习评分数据对的教学评价方法，所述方法包括以下步骤：以课程为节点，以学生选课为边构建一个学生选课图，然后通过图聚类的方法把课程分成几个课群，同一课群内的课程具有相似的选课学生群体，不同课群的课程具有不同的选课学生群体；在每个课群内，根据学生对课程的教学评价数据库生成教学评价对，所述教学评价对是一名学生对两门课程的教学评价结果；通过深度神经网络学习教学评价对，得到每门课程的教学评价表示向量；聚类每门课程的教学评价表示向量，将一个课群分成若干个课程分组，然后通过统计不同课程分组之间的教学评价对，得到最后的课程评价结果。本发明能够得到更加公平、公正的教学评价结果。
-
公开(公告)号：CN117351414A
公开(公告)日：2024-01-05
申请号：CN202311290129.6
申请日：2023-10-08
Applicant: 华东交通大学
IPC: G06V20/52 , G06V10/44 , G06V10/52 , G06V10/54 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本申请涉及一种基于深度神经网络的人群密度估计方法，它包括如下步骤：构建人群计数数据集，并生成对应的真实密度图；构建人群密度估计模型，包括前端网络、差值纹理模块、多尺度特征提取模块、Inception‑v3组、多通道阈值置换注意力模块和终端网络；对人群密度估计模型进行训练，将模型输出的模型预测图与对应的真实密度图一起输入至损失函数中进行迭代训练，对模型参数进行更新，优化模型；使用训练好的人群密度评估模型进行人群密度估计。本发明能够提高模型对前景信息的关注度，丰富特征图的空间和通道信息，并增强人群特征的权重，使模型更加关注人群的头部位置，减少图像中遮挡、噪声、图像扭曲等问题对计数性能的影响。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
