-
公开(公告)号：CN113971797B
公开(公告)日：2025-02-07
申请号：CN202111473235.9
申请日：2021-12-02
Applicant: 山东海量信息技术研究院 , 济南大学
IPC: G06V20/59 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于动作行为特征的危险驾驶行为识别方法及系统，该网络以CenterNet为目标检测主体，将ResNet‑50和Hourglass网络各自做了改进并结合，用作CenterNet的主干。为了提升精度和速度，在其他多个模块也都做了改进，并采集自然条件下的驾驶员危险驾驶行为数据集用于评估网络，实验部分分别做了消融实验和对比实验，证明每一个模块的改进都可以对模型性能产生积极影响。
-
公开(公告)号：CN113971797A
公开(公告)日：2022-01-25
申请号：CN202111473235.9
申请日：2021-12-02
Applicant: 山东海量信息技术研究院 , 济南大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于动作行为特征的危险驾驶行为识别方法及系统，该网络以CenterNet为目标检测主体，将ResNet‑50和Hourglass网络各自做了改进并结合，用作CenterNet的主干。为了提升精度和速度，在其他多个模块也都做了改进，并采集自然条件下的驾驶员危险驾驶行为数据集用于评估网络，实验部分分别做了消融实验和对比实验，证明每一个模块的改进都可以对模型性能产生积极影响。
-
公开(公告)号：CN114842400A
公开(公告)日：2022-08-02
申请号：CN202210565190.6
申请日：2022-05-23
Applicant: 山东海量信息技术研究院 , 济南大学
IPC: G06V20/40 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了基于残差块和特征金字塔的视频帧生成方法及系统；其中所述方法，包括：获取待处理的前后两帧图像；将获取的前后两帧图像，输入到训练后的视频帧生成模型中，输出生成的中间帧图像；其中，视频帧生成模型包括相互连接的改进后的编码器和改进后的解码器；所述改进后的编码器，是通过将U‑Net网络编码器的卷积层替换为残差块得到；所述改进后的编码器，用于提取前后两帧图像的空时特征；所述改进后的解码器，是通过将U‑Net网络的解码器设置为特征金字塔网络得到；所述改进后的解码器，用于对提取的特征进行特征融合，以生成中间帧图像。
-
公开(公告)号：CN115170402A
公开(公告)日：2022-10-11
申请号：CN202210492821.6
申请日：2022-05-07
Applicant: 山东海量信息技术研究院 , 济南大学
Abstract: 本发明提出了基于循环残差卷积和过度参数化卷积的帧插入方法及系统，将获取的前后两帧图片拼接后输入到基于循环卷积和残差操作的特征提取器中,提取深度特征；利用深度特征得到两帧图片中每个像素的偏移向量和权重,根据偏移向量和权重对每个像素进行扭曲,得到扭曲后的两帧图片；通过基于Gr i dNet的帧生成网络对扭曲后的前后两帧图片进行融合,生成新的插入帧；本发明通过基于循环残差卷积的特征提取器提取更准确的深度特征，过度参数化卷积提高深度网络训练的速度，并帮助网络在不增加计算复杂度的情况下提高网络性能，提高插入帧的视觉质量。
-
公开(公告)号：CN114883001A
公开(公告)日：2022-08-09
申请号：CN202210570384.5
申请日：2022-05-24
Applicant: 山东海量信息技术研究院 , 济南大学
Abstract: 本发明公开了基于异质信息网络的疾病预测系统，包括：获取模块，其被配置为：获取待预测患者的当前电子病历；疾病预测模块，其被配置为：将待预测患者的当前电子病历，输入到训练后的疾病预测模型中，输出疾病预测结果；其中，疾病预测模型的工作原理为：对待预测患者的当前电子病历进行数据扩充，基于扩充后的数据构建电子病历异质图；在电子病历异质图上，基于元路径的学习表示进行电子病历的嵌入表示，通过注意力机制进行元路径邻居节点的聚合；最终实现对待预测患者的疾病预测。以便准确预测患者是否存在潜在疾病，对患者做出准确地预测。
-
Patent Agency Ranking
公开(公告)号：CN119068355A
公开(公告)日：2024-12-03
申请号：CN202411269948.7
申请日：2024-09-11
Applicant: 济南大学
IPC: G06V20/13 , G06V20/10 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于分组卷积注意力网络的多尺度检测优化方法及系统。其实现方法的实现步骤为：构造分组卷积注意力网络模块；将分组卷积注意力网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和分组卷积注意力网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的分组卷积注意力网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于多尺度物体检测，在不增加计算代价的同时提高了物体检测精度。
-
公开(公告)号：CN116681176B
公开(公告)日：2024-05-03
申请号：CN202310689450.5
申请日：2023-06-12
Applicant: 济南大学
IPC: G06Q10/04 , G08G1/01 , G08G1/065 , G06Q50/40 , G06F18/23 , G06F18/22 , G06F17/16 , G06F17/10 , G06N3/04 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于聚类和异构图神经网络的交通流预测方法，属于交通流预测领域，所述交通流预测方法包括聚类模块、图转换模块以及时空特征学习模块；聚类模块通过动态时间规整算法与瓦瑟斯坦距离度量各节点在交通模式上的相似性，并使用谱聚类将节点按交通模式划分为不同簇；图转换模块用以自适应地为同簇节点构造元路径图；时空特征学习模块用以根据元路径图捕获节点间的时空相关性。本发明可以移植并应用于多种现有的基于图神经网络的交通流预测模型，在其基础上对交通数据的异质性建模，提高其预测精度。
-
公开(公告)号：CN117896526A
公开(公告)日：2024-04-16
申请号：CN202410059485.5
申请日：2024-01-15
Applicant: 济南大学
IPC: H04N19/132 , H04N19/182 , H04N19/42 , H04N19/44 , G06T9/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于双向编码结构的视频帧插值方法及系统；对第一尺度的输入帧图像进行预处理，得到第二和第三尺度的输入帧图像；将第一尺度的输入帧图像，输入到训练后的插值帧生成模型得到插值帧；模型对第一尺度的输入帧图像进行处理，得到第一尺度原始特征；对第一尺度原始特征进行预处理，得到第二、三尺度的原始特征；将第一、二和三尺度的原始特征，各自输入到对应的子网络，分别得到第一、二和三尺度原始特征上每个目标像素的像素级参数；基于每个尺度原始特征上每个目标像素的像素级参数和AdaCoF，对相应尺度的输入图像进行扭曲操作，得到相应尺度的扭曲帧图像；对多个尺度的扭曲帧图像进行合成操作得到插值帧。
-
公开(公告)号：CN112099630B
公开(公告)日：2024-04-05
申请号：CN202010958262.4
申请日：2020-09-11
Applicant: 济南大学
Abstract: 本发明公开一种多模态意图逆向主动融合的人机交互方法，包括：获取环境数据、用户的手势数据以及用户的语音数据；对所述环境数据进行场景感知获取环境信息，对所述手势数据进行手势信息提取获取手势意图，对所述语音数据进行语音信息提取获取语音意图；进行对环境信息、手势意图以及语音意图进行多模态意图提取获取融合意图；对所述融合意图进行信任度评价获取目标融合意图；按所述目标融合意图进行交互反馈。本发明融合意图结合环境时刻、手势数据、语音数据多模态提取而获得，使得意图识别更加准确；能够避免老年人因健忘而重复某一意图；通过主动问询的方式确认发生概率较低的融合意图是否用户本意，获取反映用户本意的目标融合意图。
-
公开(公告)号：CN115984712A
公开(公告)日：2023-04-18
申请号：CN202310011631.2
申请日：2023-01-05
Applicant: 济南大学
IPC: G06V20/13 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/82 , G06T5/00 , G06T5/20 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于多尺度特征的遥感图像小目标检测方法及系统；获取待检测的遥感图像；对待检测的遥感图像进行去雾处理和亮度增强处理；将亮度增强处理后的图像，输入到训练后的遥感图像小目标检测模型中，得到遥感图像的小目标检测结果；训练后的遥感图像小目标检测模型，其工作原理包括：对亮度增强处理后的遥感图像进行多尺度特征提取；对提取的多尺度特征进行特征融合和特征增强，得到特征图；对特征图中不同尺寸的感兴趣区域进行尺寸固定，得到目标的建议候选框；将提取出来的建议候选框经过非极大值抑制后，得到目标的预测边界框坐标，绘制目标所在区域的最小外接矩形，将最小外接矩形作为目标预测边界框，得到遥感图像目标的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.037 seconds)
