-
公开(公告)号：CN116383374B
公开(公告)日：2025-03-25
申请号：CN202211669988.1
申请日：2022-12-25
Applicant: 西北工业大学
IPC: G06F16/353 , G06F16/334 , G06F40/30 , G06N3/0464 , G06N3/047 , G06N3/096
Abstract: 本发明公开了一种基于元迁移学习的社交媒体假消息检测方法，收集社交媒体上某个事件的文本与图像数据，利用深度学习模型提取文本特征与图像特征，并利用元迁移学习模型学习历史事件中的知识，帮助模型实现对于新发生事件的检验。本发明的核心机制是元学习的两阶段训练过程：在事件自适应训练阶段将训练集划分为不同的任务对内部模型进行训练，优化模型的初始化参数。在特定事件检测阶段用优化后的模型在新出现事件进行测试，针对特定事件快速优化模型。本发明方法能够提取不同事件中的共性知识用于迁移到新事件的检测中，利用少量新事件样本数据即可实现准确的新事件假消息检测，以具备对新出现事件的快速检测能力。
-
公开(公告)号：CN117690052A
公开(公告)日：2024-03-12
申请号：CN202311571191.2
申请日：2023-11-23
Applicant: 西北工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/774
Abstract: 本公开实施例是关于一种用于智能硬件的轻量化自适应视频异常检测方法。本公开实施例利用基于残差网络的轻量化编码器提取源域视频帧的源域特征和目标域视频帧的目标域特征，将源域视频帧的源域特征输入记忆内存模块得到增强后的源域特征并进行重构，根据重构图像的差异判别是否出现了异常；同时，源域特征和目标域特征输入多层对抗自适应模块，结合所述重构损失，计算对抗损失，通过降低对抗损失减少源域和目标域之间的差异，实现目标域自适应。通过多层对抗域自适应机制和轻量化视频异常检测架构能够在智能硬件设备中利用较少的计算资源实现快速自适应的视频异常检测，并使用记忆内存保证检测精度。
-
公开(公告)号：CN118781513A
公开(公告)日：2024-10-15
申请号：CN202410763252.3
申请日：2024-06-13
Applicant: 西北工业大学
IPC: G06V20/40 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种视频异常检测的方法。其中，该方法包括：获取源场景视频的第一视频帧；将第一视频帧输入轻量化视频特征提取器中进行特征提取，得到第一视频帧的多个第一图像特征，并将多个第一图像特征输入至样本重构器中，得到每一第一图像特征对应的每一第一图像信息，其中，轻量化视频特征提取器为多层次结构特征提取器。本发明解决了现有人工智能技术实现不同场景中的异常事件检测时，使用单一训练场景下训练模型可能在其他场景中检测效果下降的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116383374A
公开(公告)日：2023-07-04
申请号：CN202211669988.1
申请日：2022-12-25
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于元迁移学习的社交媒体假消息检测方法，收集社交媒体上某个事件的文本与图像数据，利用深度学习模型提取文本特征与图像特征，并利用元迁移学习模型学习历史事件中的知识，帮助模型实现对于新发生事件的检验。本发明的核心机制是元学习的两阶段训练过程：在事件自适应训练阶段将训练集划分为不同的任务对内部模型进行训练，优化模型的初始化参数。在特定事件检测阶段用优化后的模型在新出现事件进行测试，针对特定事件快速优化模型。本发明方法能够提取不同事件中的共性知识用于迁移到新事件的检测中，利用少量新事件样本数据即可实现准确的新事件假消息检测，以具备对新出现事件的快速检测能力。
-
公开(公告)号：CN118590759A
公开(公告)日：2024-09-03
申请号：CN202410627285.5
申请日：2024-05-21
Applicant: 西北工业大学
IPC: H04N23/695 , H04N23/61 , H04N23/661 , H04N23/90 , H04N7/18 , H04N17/00 , G06T7/292 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/092
Abstract: 本发明涉及一种多摄像头主动目标跟踪方法，属于模式识别领域。包括：对摄像头观测序列进行编码，捕捉目标的外观信息和运动信息，并预测目标的运动；根据本地观测判断是否需要辅助，若观测良好，则不需要辅助，根据本地观测判断摄像头应该如何旋转以跟踪移动目标；若观测不完美，则发出请求，判断哪些摄像头的观测信息能辅助自己，同时检测与各个摄像头通信链路的信道状态，根据通信配置接收这些摄像头的观测特征进行加权融合，随后根据本地观测和融合特征判断摄像头应该如何旋转，在不能实时旋转的情况下，保持对快速移动目标的持续跟踪与观测。本发明提高智能视频监控系统的性能，为公共安全、交通管理等方面带来更多的便利和保障。
-
公开(公告)号：CN117789109A
公开(公告)日：2024-03-29
申请号：CN202311457704.7
申请日：2023-11-03
Applicant: 西北工业大学
Abstract: 本发明涉及一种工业场景下无人值守的异常行为检测方法和系统，包括：获取待识别图像；其中，待识别图像为工业场景下的监控图像；对待识别图像进行预处理，以得到预处理后的图像；对预处理后的图像进行切片辅助推理，以得到图像特征向量；将图像特征向量输入到预先训练好的YOLO模型中进行目标识别，以得到目标边界框的位置；基于目标边界框的位置，从待识别图像中裁剪出目标边界框图像，并将目标边界框图像输入到预先训练好的SAM模型中进行分割处理，以得到分割后的图像；将分割后的图像与语义库中的参考图像进行相似度比较，以得到相似度得分，并根据相似度得分判断待识别图像所在的工业场景中是否存在异常行为，从而能够提高检测效率。
-
公开(公告)号：CN116228560A
公开(公告)日：2023-06-06
申请号：CN202211679472.5
申请日：2022-12-26
Applicant: 西北工业大学
IPC: G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F1/3206
Abstract: 本发明公开了一种移动设备上能耗感知的低照度视频流增强方法，首先监控移动设备的资源状况，采用针对神经网络离线完成建模的运行时能耗分析模块对数据进行分析建模，预测出不同的神经网络运行情况所对应的能耗数据。其次，在能耗控制器模块中，控制器采用两层全连接网络对当前帧和参考帧的信息进行处理，提供可选的计算优化超参数组合和用户体验数据。与此同时，从运行时能耗分析模块获取计算优化超参数组合对应的能耗预测数据，对能耗和用户体验进行权衡后，得出一组最优计算超参数。最后，神经网络根据能耗控制器的提供的计算优化超参数进行计算，得到像素级的伽马矫正参数图，并采用该参数图对输入视频帧进行伽马矫正，完成低照度视频帧增强。
-
公开(公告)号：CN116088988A
公开(公告)日：2023-05-09
申请号：CN202310008076.8
申请日：2023-01-04
Applicant: 西北工业大学
IPC: G06F9/451 , G06F3/0481 , G06F16/954
Abstract: 本发明公开了一种用于手机软件的旅游路线展示方法，基于react native实现，主要分为以下几个模块：特色路线介绍模块采用滑动卡片形式对不同主题的旅游路线进行简介，路线详情模块展示旅游路线的评分信息及路线长度，路线地图展示页面在地图上设立三维标记并在地图上绘制对应路线，底部采用滚动卡片展示景点图片及信息，滑动图片到相应景点后地图自动调整视角聚焦到相应景点，点击滑动卡片后可以显示相关的地图软件安装信息，可以唤起地图软件进行景点导航。本发明可以对不同主题的旅游路线进行展示，能够美观的展示对应的旅游信息，改善游客的游览体验。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
