公开(公告)号：CN119917857A

公开(公告)日：2025-05-02

申请号：CN202411981644.3

申请日：2024-12-31

Applicant: 西南交通大学

Inventor： 张继 ,  曾宇歆 ,  李天瑞

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/22 ,  G06F18/241 ,  G06F18/25 ,  G06N3/084 ,  G06N5/04

Abstract: 本发明公开了一种噪声驱动的小样本分布外检测方法及系统，包括以下步骤：步骤1：获取数据集，包括小样本训练集、测试集；步骤2：构建检测模型，检测模型包括数据编码模块、噪声提取模块、融合检测模块；步骤3：对噪声区域集进行噪声增强，结合干净区域集构建损失函数，根据损失函数采用梯度反向传播算法对检测模型进行训练，采用测试集对检测模型进行测试；步骤4：根据测试后的检测模型进行小样本分布外检测；本发明解决了当前小样本分布外检测方法噪声鲁棒性差的问题，提升了小样本学习模型的ID分类和OOD检测性能。

公开(公告)号：CN119580116A

公开(公告)日：2025-03-07

申请号：CN202411656673.2

申请日：2024-11-19

Applicant: 西南交通大学

Inventor： 胡节 ,  何秋润 ,  彭博 ,  李天瑞

IPC: G06V20/13 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于多聚内核的遥感图像目标动态检测方法，属于遥感图像检测领域，该方法包括：采集遥感图像，并对YOLOv8模型进行优化，利用优化后的YOLOv8模型主干网络中基于多聚内核的跨阶段特征融合模块对遥感图像进行信息提取，得到不同尺度的特征图；利用颈部网络对特征图进行动态上采样，响应于颈部网络输出上采样特征图，添加动态检测头并利用注意力机制对上采样特征图进行优化以及特征融合，得到融合特征图；对特征图进行分类，得到分类后的目标检测结果。本发明解决了现有技术在多类别数据集上的实验效果不充分、小目标数量多、遥感图像目标尺度变化大和分布密集以及复杂背景下的检测情况的问题。

公开(公告)号：CN119250138A

公开(公告)日：2025-01-03

申请号：CN202411257061.6

申请日：2024-09-09

Applicant: 西南交通大学

Inventor： 张继 ,  李天瑞 ,  王红军

IPC: G06N3/0499 ,  G06N3/08 ,  G06F40/284 ,  G06F16/35 ,  G06V10/764

Abstract: 本发明公开了一种基于类知识增强的多模态大模型提示学习方法，属于提示学习技术领域，包括以下步骤：为目标任务初始化一组提示词；获取目标任务各个类别的词向量，并将词向量拼接之至提示词后，得到类别特定提示词；设计间隔自调节图片‑文本匹配损失函数；将类别特定提示词和图片依次输入至预训练的多模态大模型CLIP中，得到文本特征和图片特征；将文本特征和图片特征输入至间隔自调节图片‑文本匹配损失函数中计算分类损失，并将分类损失进行反向传播，更新提示词；通过更新后的提示词进行图片分类。本发明解决了现有提示学习方法存在模型在目标任务上性能越好，在未知新任务上性能越差的问题。

公开(公告)号：CN117216566B

公开(公告)日：2024-04-09

申请号：CN202311189197.3

申请日：2023-09-14

Applicant: 西南交通大学

Inventor： 储节磊 ,  赵晴 ,  李天瑞 ,  吕凤毛

IPC: G06F18/214 ,  G06N3/0895 ,  G06N3/098

Abstract: 本发明公开了一种基于局部‑全局伪标记的联邦半监督学习方法，步骤S1、在通信轮次t开始时，服务器将全局模型参数#imgabs0#传输到活动客户端；每个客户端在接收到参数后再利用全局模型#imgabs1#和上一轮通信轮次t‑1中训练得到的本地模型#imgabs2#在未标记数据的弱增强视图#imgabs3#上生成伪标签，并将其作为本地训练强增强视图的目标用于优化交叉熵损失；S2、本地训练结束后每个客户端将本地模型的参数#imgabs4#发回到服务器，服务器聚合这些参数并对其进行微调，最后得到一个新的全局模型#imgabs5#上述交替训练过程重复多次至全局模型收敛后结束。

公开(公告)号：CN117745240A

公开(公告)日：2024-03-22

申请号：CN202311853248.8

申请日：2023-12-28

Applicant: 西南交通大学

Inventor： 陈丁 ,  李天瑞

IPC: G06Q10/10 ,  G06V40/10 ,  G06V10/74 ,  G06V10/44 ,  G06V10/80 ,  G06V20/52

Abstract: 本发明公开了一种基于多视图行人重识别的船舶人员管理系统，属于图像处理和船舶管理技术领域，包括采集子系统、优化子系统、重识别子系统、信息子系统、管理子系统和备份子系统；本发明实现了无接触原始图片采集，并对低质量的原始图片优化处理，弥补了单一识别技术的缺点和固定摄像头的视觉局限，且通过高效的人员特征比对识别，解决了难以在低质量监控图片的基础上对船舶人员高效识别和管理的问题。

公开(公告)号：CN116467299A

公开(公告)日：2023-07-21

申请号：CN202310441059.3

申请日：2023-04-23

Applicant: 西南交通大学

Inventor： 杜圣东 ,  刘心瑶 ,  李天瑞 ,  胡节

IPC: G06F16/215 ,  G06F18/214 ,  G06F18/2415 ,  G06F40/295 ,  G06F40/30 ,  G06N3/045 ,  G06N3/091

Abstract: 本发明公开一种基于预训练主动学习的重复数据融合检测方法，包括在标记数据集中生成候选对，并将候选对进行序列化获得序列化数据集；将序列化数据集输入NER模型来识别已知类型，并使用正则表达式来识别特定类型；对序列化数据集进行预处理；将预处理后的序列化数据集输入预训练模型Bert，将选择当前模型在未标记数据集中最不确定的数据，并进行标记，再将已标记的数据将输入标记数据集；使用R‑Drop策略进行数据增强对步骤4中的标记数据集进行增强；将增强后的标记数据集继续迭代，获得最终的标记数据集。本发明结合了结合主动学习算法，选择最有价值的数据进行手工标注，降低人工标注的成本，用少量数据快速提高模型的质量。

公开(公告)号：CN114398961B

公开(公告)日：2023-05-05

申请号：CN202111624056.0

申请日：2021-12-28

Applicant: 西南交通大学

Inventor： 杜圣东 ,  邹芸竹 ,  李天瑞 ,  张凡 ,  张晓博 ,  赵小乐

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06F40/284 ,  G06V10/80 ,  G06V10/774 ,  G06F18/25

Abstract: 本发明公开了一种基于多模态深度特征融合的视觉问答方法，包括以下步骤：(1)使用卷积神经网络和长短时记忆网络分别获取图像和文本两种模态数据特征，然后利用获取的图像和文本两种模态数据特征进行模态内部和模态间的注意力建模；(2)构建注意力网络并将注意力层串联堆叠，其中两种模态特征相互作为注意力权重学习的参考进行更深度的特征交互；(3)通过多模态融合函数融合注意力加权后的图像信息和文本语义，并将融合特征传入分类器结合答案文本数据预测结果。除此之外本发明还公开了一种基于多模态深度特征融合的视觉问答模型。本发明相较于现有方法具有稳定性好、预测准确率更高、实验硬件环境要求更低等优点。

公开(公告)号：CN113488196B

公开(公告)日：2023-04-07

申请号：CN202110855063.5

申请日：2021-07-26

Applicant: 西南交通大学

Inventor： 李天瑞 ,  廖雄 ,  贾真 ,  罗威

IPC: G16H70/40 ,  G06F40/295 ,  G06F40/30 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/084 ,  G06N7/01

Abstract: 本发明公开了一种药品说明书文本命名实体识别建模方法，包括步骤：使用BERT模型将药品说明书文本语句序列向量化，得到带有上下文信息及文本语义信息的特征向量；使用双向长短期记忆网络BiLSTM从特征向量中学习到药品说明书文本的上下文信息，得到隐藏向量；使用全连接层FC将隐层向量进行降维，得到标签特征向量；利用条件随机场CRF对标签特征向量进行解码，得到语句序列最终的输出序列。本发明还对BERT模型为微调进行了微调。本发明通过BERT‑BiLSTM‑CRF模型构建药品说明书文本中命名实体向量的识别模型，实现了针对多源药品说明书的命名实体识别。对BERT模型进行微调，提升了BERT‑BiLSTM‑CRF模型在药品说明书文本命名实体识别任务上的效果，使得通过模型处理得到的数据更具有可靠性。

公开(公告)号：CN115309843A

公开(公告)日：2022-11-08

申请号：CN202210945892.7

申请日：2022-08-08

Applicant: 西南交通大学

Inventor： 李崇寿 ,  彭莉兰 ,  郭翔宇 ,  李天瑞 ,  谢鹏 ,  王皓焱

IPC: G06F16/29 ,  G06Q50/30

Abstract: 本发明公开了一种基于公交刷卡数据集的站点空间关系构建方法，首先基于公交刷卡数据构建物理图来表示站点的空间依赖关系，在物理图的基础上进一步聚合构建层次图。本发明的有益效果在于，充分从公交刷卡的原始数据中挖掘公交线路的真实物理图，反映公交刷卡数据的真实站点空间依赖关系。进一步地，通过物理图聚合将公交站点从细粒度转换为粗粒度，将大规模物理图转换为层次图，能够减少下游任务(如交通流预测任务等)的资源消耗，提高下游任务的计算效益。

公开(公告)号：CN115062159A

公开(公告)日：2022-09-16

申请号：CN202210666541.2

申请日：2022-06-13

Applicant: 西南交通大学

Inventor： 李天瑞 ,  黄维 ,  刘佳 ,  王德贤 ,  李崇寿 ,  滕飞

IPC: G06F16/36 ,  G06N5/02 ,  G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于联邦学习的多粒度动态知识图谱嵌入模型构造方法，包括步骤：客户端对多粒度动态知识图谱嵌入模型进行本地训练；多个完成本地多轮训练多粒度动态知识图谱嵌入模型的客户端，将模型的卷积核集合和权重向量上传到服务器，服务器按照平均聚合规则(或者多粒度聚合规则)更新卷积核集合和权重向量，之后下传到每个客户端；重复执行上述步骤多轮后，得到全局多粒度动态知识图谱嵌入模型。本发明关注不同时间粒度的信息与事实三元组的关联性，提高了动态知识图谱嵌入模型中事实三元组表征的准确性。联邦学习使用多粒度聚合规则时，提高了动态知识图谱嵌入模型的通信效率，降低了冗余信息。