公开(公告)号：CN118197364A

公开(公告)日：2024-06-14

申请号：CN202410280041.4

申请日：2024-03-12

Applicant: 河北工业大学

Inventor： 赵炎 ,  齐巧玲 ,  李英双 ,  董瑶 ,  陶建华 ,  董永峰

IPC: G10L25/63 ,  G10L25/30 ,  G10L25/24

Abstract: 本发明涉及一种基于图注意力网络的语音伪装情绪检测方法及装置，所述方法包括：将接收的待检测语音输入预设语音检测模型的预训练的情感识别前端，输出待检测语音的深度情绪特征；将待检测语音的深度情绪特征输入预设语音检测模型的图融合层，将输出待检测语音的时序图和频谱图的组合图特征；将待检测语音的组合图特征输入预设语音检测模型的最大图运算层，输出待检测语音的最大图和堆栈节点；将待检测语音的最大图经过处理后与堆栈节点连接，输出待检测语音的隐藏层向量。通过采用基于图注意力网络的模型以及对抗训练的方法，即向训练数据中添加伪装情绪的语音，可以提升对语音中伪装情绪的检测能力，从而有效减少伪装情绪语音对社会的危害。

公开(公告)号：CN117934889A

公开(公告)日：2024-04-26

申请号：CN202410117322.8

申请日：2024-01-29

Applicant: 河北工业大学

Inventor： 董永峰 ,  李英双 ,  张佳雪 ,  邓亚晗 ,  任梓瑜 ,  陈雨濛 ,  魏欣欣

IPC: G06V10/762 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0985 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于双数据增强的对比多视图深度融合聚类算法，该方法对数据进行多视图的结构增强和特征增强，通过图对比学习编码器提取图结构信息和节点信息，学习数据的共性信息和个性信息；设计双尺度自注意力机制，在节点级关注不同节点的重要程度，在整体图上，提升图表示的稳定性，促进了多视图一致性信息的有效提取；通过图神经网络更加深入的捕获各个视图的个性信息，在进行视图间的深入融合，再在节点和视图上使用自注意力机制，捕获重要视图和重要节点；最后，应用双重自监督模块联结了双数据增强的图对比编码器模块以及多视图卷积融合模块，将二者的表示联合优化，共同提升聚类结果。

公开(公告)号：CN119886263A

公开(公告)日：2025-04-25

申请号：CN202510049484.7

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 王振 ,  张奥甜 ,  李鹏飞 ,  常雪莹 ,  李英双 ,  齐巧玲 ,  程昊 ,  董永峰

IPC: G06N3/084 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明提供了一种双重平滑驱动的标签噪声鲁棒学习方法，包括如下步骤：获取带有噪声的数据集；初始化两个网络和各项参数；搭建模型与损失函数；将数据集输入两个网络中进行初始训练；每次迭代训练前对标签进行平滑处理；通过样本选择方法将原始数据集划分为伪干净数据集和伪噪声数据集；将伪干净数据集分别输入对方网络训练；将伪噪声数据集做损失平滑后输入对方网络进行训练。本发明方法针对数据集存在噪声的问题，采用双网络模型，通过双重平滑和设计新的损失函数，使得模型对噪声标签的敏感度降低，从而提高模型在面对噪声数据时的鲁棒性和泛化能力。

公开(公告)号：CN117975520A

公开(公告)日：2024-05-03

申请号：CN202310236273.5

申请日：2023-03-13

Applicant: 河北工业大学

Inventor： 董永峰 ,  钟璨 ,  李英双 ,  王振 ,  李林昊

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V40/10

Abstract: 本发明涉及图像识别领域，公开了一种人脸面部特征的分类方法、装置、设备及存储介质，用于提高通过人脸图像进行人脸分类时的准确率。该方法包括：获取待分类图像，将待分类图像输入预置的深度残差网络进行多层特征提取，得到对应的多层特征图；通过注意力机制对待分类图像进行显著特征区域分割，确定多个局部特征图；对多层特征图进行特征融合，生成多个融合特征图；基于多个局部特征图对多个融合特征图进行权重设置，得到目标特征图；通过目标特征图对待分类图像进行类别分析，得到对应的人脸类型，并完成待分类图像的分类。

公开(公告)号：CN116523959A

公开(公告)日：2023-08-01

申请号：CN202310409494.8

申请日：2023-04-17

Applicant: 河北工业大学

Inventor： 董永峰 ,  任笑贤 ,  李林昊 ,  王振 ,  李英双

IPC: G06T7/246 ,  G06T7/194 ,  G06T7/136 ,  G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，公开了一种基于人工智能的运动目标检测方法及系统，用于提高运动目标检测的准确率，方法包括：获取初始动态视频，对所述初始动态视频中的多个初始视频帧进行背景补偿，得到多个目标视频帧；采用三帧差法，对多个目标视频帧进行运动目标检测，得到初始运动目标信息；调用预置的编码器网络，对多个目标视频帧进行特征提取，得到每个目标视频帧的深度特征；对所述初始运动目标信息和每个目标视频帧的深度特征进行多尺度卷积处理，得到融合特征；调用预置的解码器网络，对所述融合特征进行解码处理，得到二值掩膜结果，并通过所述二值掩膜结果对目标车辆在行驶过程中的运动目标进行检测，确定运动目标检测结果。

公开(公告)号：CN115984616A

公开(公告)日：2023-04-18

申请号：CN202211688325.4

申请日：2022-12-27

Applicant: 河北工业大学

Inventor： 李林昊 ,  臧晗 ,  李英双 ,  王振 ,  董永峰

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及图像分类方法领域，尤其是一种基于双线性卷积神经网络的细粒度车辆分类方法，包括以下步骤：将车辆RGB图像输入到卷积神经网络中；将ResNet50作为Backbone，提取基础特征，得到基础特征向量fI；采用双线性卷积网络并行提取车辆局部特征信息和整体特征信息；对局部特征向量和整体特征向量进行结合；将上述结果输入到分类器中，得到每个类别的分数，取平均值S作为最终结果，从而得到训练集的车辆特征数据和测试集的车辆数据。本发明针对车辆整体特征信息和局部特征信息设计了上下不同的子网络，并对上层子网络单独设置辅助损失函数，得到更具判别价值的局部特征信息。

公开(公告)号：CN119939514A

公开(公告)日：2025-05-06

申请号：CN202510092934.0

申请日：2025-01-21

Applicant: 河北工业大学

Inventor： 王振 ,  孙雅丽 ,  李英双 ,  齐巧玲 ,  程昊 ,  董永峰

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明提供了一种基于单模态监督的双层质量感知的可信多模态融合方法，分别在特征层面和模态层面进行动态建模，根据特征和模态质量动态融合多模态数据，并引入图注意网络和结构引导的特征聚合模块来获得结构保留的全局紧凑特征表示，同时利用基于单模态监督的对比学习算法使无效模态向有效模态对齐。本发明的基于单模态监督的双层质量感知的可信多模态融合方法减少了噪声特征和模态对模型性能的负面影响，实现了更强的特征抽取能力，加强了模态间的关系，提高了模型分类的准确性和决策的可信度。

公开(公告)号：CN115952865A

公开(公告)日：2023-04-11

申请号：CN202211605552.6

申请日：2022-12-14

Applicant: 河北工业大学

Inventor： 王利琴 ,  耿智雷 ,  姚爽 ,  李英双 ,  董永峰

IPC: G06N5/04

Abstract: 本发明提供了一种融合实体上下文和逻辑规则的知识推理方法，该方法包括实体上下文模块、逻辑规则模块和评分模块。实体上下文模块首先抽取目标三元组头尾实体的关系上下文，然后使用消息传递方式编码实体上下文为实体上下文向量。逻辑规则模块首先抽取目标三元组之间的路径，再根据路径得到逻辑规则，最后使用双向长短期记忆网络和规则注意力编码逻辑规则为规则向量。评分模块根据实体上下文向量、规则向量和目标关系向量对目标三元组评分。本发明在推理过程中融合了三元组周围的实体上下文和逻辑规则等结构信息，同时设计了基于注意力的方法编码逻辑规则，缓解了知识推理过程中结构信息利用不充分的问题，提高了在知识推理任务上的效果。

公开(公告)号：CN115660086A

公开(公告)日：2023-01-31

申请号：CN202211285505.8

申请日：2022-10-20

Applicant: 河北工业大学

Inventor： 王利琴 ,  宋金晟 ,  李英双 ,  王振 ,  董永峰

IPC: G06N5/04 ,  G06N5/02 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/092

Abstract: 本发明涉及基于逻辑规则与强化学习的知识图谱推理方法，针对基于强化学习的多跳推理方法存在的路径关联性弱、探索奖励难以确定的问题，提出利用逻辑规则优化强化学习路径奖励的方法，解决了强化学习在知识图谱推理过程中探索奖励难以确定的缺陷。本发明在强化学习奖励的设定上，采用命中奖励、嵌入奖励和规则奖励相结合的方式，使智能体在探索学习的过程中充分利用逻辑规则作为引导，有效提高模型的学习效率和正确率。对于单步奖励的设定，引入衰减因子以区分不同路径的重要程度。通过实验结果分析，本发明提出的改进方法能够有效提升知识图谱推理任务的准确率。

公开(公告)号：CN114385801A

公开(公告)日：2022-04-22

申请号：CN202111617839.6

申请日：2021-12-27

Applicant: 河北工业大学

Inventor： 董永峰 ,  黄港 ,  齐巧玲 ,  李林昊 ,  李英双

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对现有深度学习方法模型的不足，提出了一种基于分层细化LSTM网络的知识追踪方法及系统，属于知识追踪技术领域，该方法包括：构件深度追踪知识模型：通过初步学习层、双层注意力层、深入学习层的层次化过程，在学生学习的过程中得到学生的知识掌握情况；学生知识掌握情况融合自注意力机制作为LSTM网络的输入，计算得到学生的最终知识掌握情况；基于学生的最终知识掌握情况预测学生回答问题是否正确。本发明提高了知识追踪的性能，同时在一定程度上提供了可解释性，可以更好的帮助学习者的制定个性化计划。