-
公开(公告)号：CN110458115B
公开(公告)日：2021-08-31
申请号：CN201910749550.6
申请日：2019-08-14
Applicant: 四川大学
Abstract: 本发明公开了一种基于时序的多帧集成目标检测算法，包括：S1、输入连续若干帧图片，得到包含若干张图片的序列；S2、提取步骤S1中所得序列的图像特征，得到待检测对象空间信息的特征张量；S3、根据步骤S2中所得特征张量，提取若干帧图片中蕴含的时序信息，得到新的蕴含时序信息的特征张量；S4、基于特征金字塔网络，对步骤S3中所得特征张量进行训练，输出待检测物体在每帧图片中的包围盒位置、类标签以及对应的置信度；S5、根据输出的包围盒位置以及置信度，在每帧图片中画出包围待检测对象的包围盒、类标签和置信度。本发明充分利用连续的多帧图像间存在的时序信息来提高目标检测的准确率，并结合FPN网络解决了小目标难以识别的问题。
-
公开(公告)号：CN118295980A
公开(公告)日：2024-07-05
申请号：CN202310000862.3
申请日：2023-01-03
Applicant: 四川大学
IPC: G06F16/174 , G06F16/18 , G06F11/14 , H04L41/069 , H04L69/04 , H04L69/22
Abstract: 本发明的核心思想是减少原始日志文件中包含的冗余信息，具体包括：使用正则表达式拆分日志头和日志消息；对日志头执行启发式的字段提取；对日志消息进行模板提取；对参数进行映射处理；使用通用压缩工具对中间对象压缩。本发明针对工控设备日志头和日志消息分别设计了高效的压缩算法。此外，为了增强针对小日志文件的压缩比，对日志的模板提前进行预处理并存储，解决了传统日志压缩算法需要从待压缩文件中提取，由于文件太小导致模板的提取准确率低，进而导致压缩比不高的问题。此外，相对现有的日志压缩算法，也在一定程度上提高了压缩速率。
-
公开(公告)号：CN113553350B
公开(公告)日：2023-07-18
申请号：CN202110587211.X
申请日：2021-05-27
Applicant: 四川大学
IPC: G06F16/2458 , G06F18/23213 , G08G1/01
Abstract: 本发明提出了基于相似演化模式聚类及动态时区划分的交通流时间序列分区模型，首次尝试挖掘交通流随时间变化的动态时空特征，解决交通流时间非平稳性在短时交通流预测中的挑战。具体的工作包括：首先使用亲和力传播聚类算法(APC)，自动识别出路网内具有相似交通流演化模式的路段。其次针对交通流的日内演化差异，用曲度K‑Means算法，对相似演化模式中的交通流进行动态时区划分，更深层次地挖掘路网交通流的时空状态特征。然后在相似模式识别和自动时区划分后，对不同模式下的不同时区内的交通流分别建模，对交通流的状态信息进行量化，使模型的预测精度更加准确。最后使用真实数据集对所提模型的有效性进行验证。
-
公开(公告)号：CN118228091A
公开(公告)日：2024-06-21
申请号：CN202211640159.0
申请日：2022-12-20
Applicant: 四川大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/0985 , G06F123/02
Abstract: 本发明涉及一种基于注意力机制的CNN‑LSTM自动编码器，用于检测多变量时间序列中的异常情况，发明中的自动编码器模型能够捕获多变量时间序列数据中变量间的潜在关系。首先使用一个两阶段的滑动窗口为自动编码器提供更好的数据表示。在第一个滑动窗口中增加一个核心属性的派生属性来丰富原始数据中的信息，并扩展为带有正常或异常标签的固定长度序列段。在第二个较小的滑动窗口中，每个序列段被转换为连续的子序列。然后使用了一个CNN和LSTM自动编码器提取数据在时空上的深层次特征，并引入注意力机制保证学习性能。最后通过一个全连接层作分类输出。最后，自动编码器中的几个超参数通过随机搜索方式进行优化，以进一步提高模型的性能。
-
公开(公告)号：CN116188771A
公开(公告)日：2023-05-30
申请号：CN202111407608.2
申请日：2021-11-24
Applicant: 四川大学
Abstract: 本发明公开了一种基于相同下采样频率的语义分割方法。该方法为了解决现有神经网络无法很好地实现多尺度特征融合的问题，在使用ResNet‑50进行特征提取的过程中，会经过5次下采样来保留图片中的主要特征信息，每次下采样后的信息，都会经过对应的特征处理网络，来提升特征的感受野。ResNet50网络第一次下采样后的底层信息，会经过具有4次下采样的U‑Net网络处理，再通过跨层连接与上采样后的信息进行合并，ResNet50网络第二次下采样后的信息，会经过具有3次下采样的U‑Net网络处理，再进行信息融合。对特征进行上采样的过程中，利用跨层连接，来融合语义分割网络中处理后的底层细粒度信息和高级语义信息。
-
Patent Agency Ranking
公开(公告)号：CN116092189A
公开(公告)日：2023-05-09
申请号：CN202310010763.3
申请日：2023-01-05
Applicant: 四川大学
IPC: G06V40/20 , G06V40/70 , G06V20/40 , G06T7/73 , G06V10/764 , G06V10/82 , G06V40/10 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于RGB数据和骨骼数据的双模态人体行为识别方法，通过使用不同的网络结构，能够精准捕捉骨架中的动作信息和RGB模态中的空间信息，解决了Transformer框架中骨骼信息和RGB信息难以融合发挥最大效果的难题。首先，为骨骼数据生成伪热图，这可以避免将骨骼表达为图形造成的稳固性不足，无法处理多人场景的问题。然后设计了拥有不同注意力层，不同视窗大小的双流Transformer架构，并将伪热图和RGB帧以不同的时间和空间分辨率输入双流结构。最终，通过实验验证，所提出的行为识别方法，准确率更高，可以解决多人场景下的行为识别。基于该方法的双流结构和骨骼热图生成方式，适用于多种公共监控中的行为识别。
-
公开(公告)号：CN110458115A
公开(公告)日：2019-11-15
申请号：CN201910749550.6
申请日：2019-08-14
Applicant: 四川大学
Abstract: 本发明公开了一种基于时序的多帧集成目标检测算法，包括：S1、输入连续若干帧图片，得到包含若干张图片的序列；S2、提取步骤S1中所得序列的图像特征，得到待检测对象空间信息的特征张量；S3、根据步骤S2中所得特征张量，提取若干帧图片中蕴含的时序信息，得到新的蕴含时序信息的特征张量；S4、基于特征金字塔网络，对步骤S3中所得特征张量进行训练，输出待检测物体在每帧图片中的包围盒位置、类标签以及对应的置信度；S5、根据输出的包围盒位置以及置信度，在每帧图片中画出包围待检测对象的包围盒、类标签和置信度。本发明充分利用连续的多帧图像间存在的时序信息来提高目标检测的准确率，并结合FPN网络解决了小目标难以识别的问题。
-
公开(公告)号：CN117237983A
公开(公告)日：2023-12-15
申请号：CN202311031292.0
申请日：2023-08-16
Applicant: 四川大学
IPC: G06V40/10 , G06V10/764 , G06V10/44
Abstract: 本发明针对现实场景中一些行为识别任务需要短时或实时地给出结果，提出了以RGB和骨骼双模态为输入的在线人体行为检测算法SRLSTR(Skeleton‑RGB LSTR)。针对先前研究使用LSTM难以实现并行化的问题，本发明使用长短期Transformer(Long Short‑Term Transformer，LSTR)对输入序列进行建模。针对现阶段大部分在线行为检测研究使用光流法捕捉动态信息极为耗时的问题，本发明提出了三种骨骼特征提取方式代替光流法用以动态信息捕捉。同时，本发明针对监控系统中的异常行为检测需求创建了异常行为数据集。最后，在自建数据集上，以RGB和骨骼为输入的SRLSTR与以光流为输入的LSTR相比，平均精度均值提升了3.09\％，且用时仅占据LSTR的三分之一。
-
公开(公告)号：CN116168206A
公开(公告)日：2023-05-26
申请号：CN202111405971.0
申请日：2021-11-24
Applicant: 四川大学
Abstract: 本发明公开了一种基于图像边缘监督的语义分割算法。该方法提取出图像的边缘信息，下采样后，融合图像边缘信息，弥补在下采样过程中损失的图像信息，提升网络的语义分割效果。先获得待识别图片的边缘轮廓图，输入到语义分割网络，网络将边缘轮廓图作为目标，基于边缘信息提取网络EdgeUNet待识别图片的边缘信息。主网络通过ResNet‑50网络完成图像语义信息提取，然后利用双线性插值方法对图像特征进行上采样，在上采样的过程中，利用跨层连接的方法融合语义分割网络中的底层细粒度信息和高级语义信息，通过EdgeUNet提取出的待识别图片中的边缘信息。上采样的次数与下采样一致，最后在生成的图片中，分割出检测到的目标。
-
公开(公告)号：CN116152346A
公开(公告)日：2023-05-23
申请号：CN202111395368.9
申请日：2021-11-23
Applicant: 四川大学
Abstract: 本发明公开了一种基于跟踪和区域相似性的标记匹配方法。本发明涉及到手术器械定位技术领域。该方法采用相关滤波跟踪器对标记球进行实时跟踪以将圆心坐标与其正确对应，并使用基于视差方差的匹配区域划定方法以缩小同名点匹配的搜索范围并避免错误匹配，最后基于改进的AD‑Census匹配代价计算函数匹配同名点。该方法在连续定位过程中能正确地将标记圆心坐标与标记球正确对应，准确地匹配标记的同名点，并且不对标记的几何关系做任何限制。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
