-
公开(公告)号：CN118429911A
公开(公告)日：2024-08-02
申请号：CN202410511395.5
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/30 , G06V10/36 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开一种多尺度特征融合的危化品运输车辆检测方法和装置，包括以下步骤：步骤S1、获取危化品运输车辆图像数据；步骤S2、对危化品运输车辆图像数据进行预处理；步骤S3、将预处理后的危化品运输车辆图像数据输入多尺度特征融合模型中进行训练，得到多尺度目标检测网络；利用多尺度目标检测网络检测危化品车辆标识。采用本发明技术方案，具有计算速度快，准确率高的特点。
-
公开(公告)号：CN118429857A
公开(公告)日：2024-08-02
申请号：CN202410511537.8
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/40 , G06V20/52 , G06V10/42 , G06V10/82 , G06F16/332 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了融合记忆机制基于大语言模型的监控视频理解方法及系统，其中方法步骤包括：S1.采集长时监控视频，并提取长时监控视频的全局特征，长时监控视频包括：超过300秒的监控视频；S2.构建短期记忆模块，对长时监控视频进行批量帧提取，并将超出预设值的视频帧弹出；S3.构建长期记忆模块，对长时监控视频的全局视频帧进行稀疏编码，得到编码结果，并对编码结果与全局特征进行加权平均，得到初步特征；S4.将被弹出的视频帧输入至构建长期记忆模块中进行稀疏编码，完善初步特征，得到全局视频特征；S5.将全局视频特征作为输入层融合进大语言模型中，实现以问答的模式对视频进行提问和解答。
-
公开(公告)号：CN116805403A
公开(公告)日：2023-09-26
申请号：CN202310425074.9
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V20/52 , G06V10/774 , G06V10/20 , G06V20/40 , G06V10/80 , G06Q10/0832
Abstract: 本发明公开了一种基于自注意力机制的危化品运输车辆检测识别方法，针对交通视频获取单帧图像，构建危化品运输车辆数据集，通过对图像进行数据增强与还原处理，淡化天气等特定信息对检测的影响，接着将处理好的图像输入检测网络，采用基于自注意力机制的特征提取模块与自下而上和自上而下两种多尺度特征融合方式对车辆特征进行提取与融合，结合目标的浅层特征和语义特征，增强特征图捕获上下文信息的能力。本发明对解决复杂环境中小目标车辆检测具有重要意义。
-
公开(公告)号：CN117951379A
公开(公告)日：2024-04-30
申请号：CN202410130577.8
申请日：2024-01-30
Applicant: 西北工业大学
IPC: G06F16/9535 , G06F16/36 , G06F40/186 , G06F16/33
Abstract: 本发明公开一种用户兴趣深度挖掘与多层次可解释性推荐方法和装置，包括以下步骤：步骤S1、根据用户的历史交互数据，得到用户兴趣特征；步骤S2、根据用户兴趣特征，得到用户兴趣图谱；步骤S3、根据用户兴趣图谱和提示模板，得到符合用户兴趣的候选物品；步骤S4、根据候选物品，得到具有吸引力和可解释性的推荐文案。采用本发明的技术方案，可以捕捉并表示用户的多层次兴趣，同时生成具有可解释性的推荐文案。
-
公开(公告)号：CN117951378A
公开(公告)日：2024-04-30
申请号：CN202410130206.X
申请日：2024-01-30
Applicant: 西北工业大学
IPC: G06F16/9535 , G06F40/186 , G06F17/16
Abstract: 本发明公开一种上下文语境提示的数据生成推荐方法和装置，包括：步骤S1、根据推荐任务，得到多token文本序列模板；步骤S2、根据多token文本序列模板，得到包含用户兴趣和物品特征的文本序列；步骤S3、根据文本序列，构建user‑item稠密交互矩阵；步骤S4、根据user‑item稠密交互矩阵进行用户兴趣的推荐。采用本发明的技术方案，以解决推荐系统中的数据稀疏和冷启动问题。
-
Patent Agency Ranking
公开(公告)号：CN115131760A
公开(公告)日：2022-09-30
申请号：CN202210838154.2
申请日：2022-07-17
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于改进特征匹配策略的轻量级车辆追踪方法，使用多个公开车辆重识别数据集对特征匹配模块进行训练，提升模型特征提取能力；通过使用度量学习的损失函数，在不增加模型复杂度的情况下有效提升模型特征匹配能力；使用更加轻量的ShuffleNetV2网络，以达到降低模型参数的效果；最终通过多个模块对性能的不同提升实现更稳定的实时车辆追踪。本发明有效降低跟踪算法特征匹配部分的网络参数量，从而有效提升跟踪算法的实时性，在保证跟踪准确度的同时，大大降低了模型的复杂度，具有轻量级的特点，具备实时性，保证了接入实际视频流进行实时跟踪车辆时，模型能够稳定高效的运行，具有广阔的应用前景。
-
公开(公告)号：CN113689464B
公开(公告)日：2024-09-06
申请号：CN202110800081.3
申请日：2021-07-09
Applicant: 西北工业大学
IPC: G06T7/246 , G06V10/62 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/084 , G06N3/048
Abstract: 本发明提供了一种基于孪生网络的自适应多层响应融合的目标跟踪方法，构建一个具有残差通道注意力裁剪模块的深度孪生神经网络，将目标图像和搜索图像输入到深度孪生神经网络对应的目标模板分支和搜索区域分支，目标图像和搜索图像经过深度孪生神经网络分别生成对应的特征图，在搜索区域分支对应的特征上做卷积操作，得到得分图，对得分图做融合相加操作，最终得到融合得分图，通过调节深度孪生神经网络的超参数，得到优化后的深度孪生神经网络，通过深度孪生神经网络给出检测结果，以实现目标自动跟踪。本发明能够很好地自适应不同的目标对象，能够跟踪视频序列中用户任意指定的目标，进一步提高了目标跟踪的可靠性。
-
公开(公告)号：CN118094436A
公开(公告)日：2024-05-28
申请号：CN202410447035.3
申请日：2024-04-15
Applicant: 西北工业大学
IPC: G06F18/2433 , G06F18/214 , G06F18/2135 , G06F18/22 , G06Q10/20 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种专故障敏感的自监督装备异常检测方法及系统，包括：获取装备状态监测数据；基于装备状态监测数据，构建对比学习样本对；构建并训练对比特征学习模块，并将输入的对比学习样本对映射到特征空间中；对特征空间进行L2正则化处理；基于主成分分析法，对正则化处理后的特征空间进行降维，提取满足预设要求的特征表示；基于满足预设要求的特征表示进行健康状态阈值判定，获得装备异常检测结果。本发明从易受非关键信息干扰的传统检测模型转向只对故障敏感的异常检测模型，显著提高现实世界约束下的故障检测和诊断性能，缓解了先前存在的局限性，并将深度学习的适用性扩展到现实环境中的装备健康状态监测。
-
公开(公告)号：CN115115890B
公开(公告)日：2024-03-19
申请号：CN202210838159.5
申请日：2022-07-17
Applicant: 西北工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/09 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于自动化机器学习的轻量化高速公路团雾分类方法，构建轻量化的搜索空间，收集高速公路上产生的团雾图像，建立团雾分类数据集，基于搜索阶段结束后得到的决策级融合的结构，利用全连接层对不同尺度的特征图分别进行分类，并将各分类结果进行按元素求和，并归一化得到最终的分类结果，训练得到决策级融合网络，以实现对团雾图像的分类。本发明解决了目前主流深度卷积神经网络参数量大从而无法在边缘端设备上部署的问题，在保证检测准确率的情况下，参数量和计算量降低了50％左右，极大改善了模型的分类效率，以满足高速公路上团雾的实时性检测，能更好地减少由于团雾发生引起的高速公路交通事故的次数。
-
公开(公告)号：CN116665142A
公开(公告)日：2023-08-29
申请号：CN202310409478.9
申请日：2023-04-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种恶劣视觉环境下的道路车辆检测方法，首先采集道路视频图像，然后构建基于图像双通道信息的数字图像增强算法，通过图像亮通道信息建立初始映射；再通过图像暗通道信息对建立的映射进行修正，以减少图像增强过程中由于传递造成的信息失真；从图像的亮通道结果中获取参数全局亮度；将全局亮度和修正后的映射关系代入数字图像经验公式，获取针对恶劣视觉环境去暗增强后的增强图像；构建基于手工标注与卷积神经网络的深度学习车辆检测模型，使用标注过的数据集对模型进行训练得到车辆检测模型，实现恶劣视觉环境下的车辆检测。本发明有效提升了恶劣视觉环境下车辆检测的精度与准确率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
