-
公开(公告)号：CN112861698B
公开(公告)日：2023-04-07
申请号：CN202110150371.8
申请日：2021-02-03
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06V40/20 , G06V20/40 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , H04N19/42 , H04N19/85
Abstract: 本发明公开了一种基于多尺度时序感受野的压缩域行为识别方法，该方法对于压缩编码后的视频流，先将视频均等划分为8段，从每段中随机选择一个视频组，解码其I帧和4个P帧运动矢量图像，送入包含长时序感受野网络和短时序感受野网络两个支路的多尺度感受野网络中进行预测，最终结果为两个支路预测分数的加权平均。同时在长时序感受野支路加入运动矢量特征引导的通道注意力机制，突出前景特征，减少背景的干扰。经过在公开数据集上训练和测试，验证了本发明的有效性，对于压缩域行为识别的精度提升明显。
-
公开(公告)号：CN111414876B
公开(公告)日：2022-04-22
申请号：CN202010224816.8
申请日：2020-03-26
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种基于时序引导空间注意力的暴力行为识别方法，该方法采用双流参数共享的深度卷积网络提取RGB图像和帧差图像特征，分别作为空间域和时间域信息的表征，并对双流特征进行融合，提高了特征对于暴力行为的表征能力；在时序引导空间注意力模块，采用ConvLSTM的隐含时序状态引导空间注意力权值的策略，相较于传统的自注意力，时序引导的空间注意力根据全局运动信息赋予空间权值，引导网络关注运动区域，忽略背景信息的干扰，同时增大运动区域特征的比例可以减少目标较小时的漏检。在公开数据集上的测试结果验证了本发明对于暴力行为识别性能提升的有效性。
-
公开(公告)号：CN111444861A
公开(公告)日：2020-07-24
申请号：CN202010238317.4
申请日：2020-03-30
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种基于监控视频的车辆偷盗行为识别方法，包括步骤：首先使用3维卷积预训练模型提取特征，在分类之前加入时空联合注意力机制，用来聚焦车辆偷盗行为发生的时空位置，最后通过分类实现对偷盗行为的识别。针对监控视频中犯罪目标犯罪行为隐蔽，动作幅度小导致难以检测的问题，在网络中加入时间注意力机制来捕捉时间上的运动信息的变化；针对监控视频中犯罪目标较小，在空间上所占的位置较小的问题，在网络中加入空间注意力机制；然后使用先时间后空间级联的时空联合机制来建模车辆偷盗行为的时空间信息，得到具有较好区分度的3维时空特征，从而提高识别准确率，在车辆偷盗行为数据集上的识别准确率达到了97.8％。
-
公开(公告)号：CN111414876A
公开(公告)日：2020-07-14
申请号：CN202010224816.8
申请日：2020-03-26
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种基于时序引导空间注意力的暴力行为识别方法，该方法采用双流参数共享的深度卷积网络提取RGB图像和帧差图像特征，分别作为空间域和时间域信息的表征，并对双流特征进行融合，提高了特征对于暴力行为的表征能力；在时序引导空间注意力模块，采用ConvLSTM的隐含时序状态引导空间注意力权值的策略，相较于传统的自注意力，时序引导的空间注意力根据全局运动信息赋予空间权值，引导网络关注运动区域，忽略背景信息的干扰，同时增大运动区域特征的比例可以减少目标较小时的漏检。在公开数据集上的测试结果验证了本发明对于暴力行为识别性能提升的有效性。
-
公开(公告)号：CN112861698A
公开(公告)日：2021-05-28
申请号：CN202110150371.8
申请日：2021-02-03
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种基于多尺度时序感受野的压缩域行为识别方法，该方法对于压缩编码后的视频流，先将视频均等划分为8段，从每段中随机选择一个视频组，解码其I帧和4个P帧运动矢量图像，送入包含长时序感受野网络和短时序感受野网络两个支路的多尺度感受野网络中进行预测，最终结果为两个支路预测分数的加权平均。同时在长时序感受野支路加入运动矢量特征引导的通道注意力机制，突出前景特征，减少背景的干扰。经过在公开数据集上训练和测试，验证了本发明的有效性，对于压缩域行为识别的精度提升明显。
-
Patent Agency Ranking
公开(公告)号：CN111414969B
公开(公告)日：2022-08-16
申请号：CN202010225765.0
申请日：2020-03-26
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种雾天环境下的烟检测方法，该方法基于雾天烟的特点，针对视频图像中雾对烟的模糊遮挡引起的小目标检测问题，在VGG16_BN网络的第二层卷积层后加入基于空间注意力和通道注意力结合的注意力机制，对目标烟区域赋予更高的权值，从而对烟给予更多关注，减少背景干扰，提升了烟检测的准确率；针对雾与烟之间的相似干扰问题，在注意力机制模块后采用特征融合的方式，获得同时具有烟细节信息和语义信息的特征输出，提高目标烟特征的判别力；而决策层融合模块，不仅对输出特征进行有效分类，还通过改变分类层结构，减少网络参数，提高检测效率。在雾天烟数据集上的测试结果验证了本发明对于雾天烟检测性能提升的有效性。
-
公开(公告)号：CN111414969A
公开(公告)日：2020-07-14
申请号：CN202010225765.0
申请日：2020-03-26
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种雾天环境下的烟检测方法，该方法基于雾天烟的特点，针对视频图像中雾对烟的模糊遮挡引起的小目标检测问题，在VGG16_BN网络的第二层卷积层后加入基于空间注意力和通道注意力结合的注意力机制，对目标烟区域赋予更高的权值，从而对烟给予更多关注，减少背景干扰，提升了烟检测的准确率；针对雾与烟之间的相似干扰问题，在注意力机制模块后采用特征融合的方式，获得同时具有烟细节信息和语义信息的特征输出，提高目标烟特征的判别力；而决策层融合模块，不仅对输出特征进行有效分类，还通过改变分类层结构，减少网络参数，提高检测效率。在雾天烟数据集上的测试结果验证了本发明对于雾天烟检测性能提升的有效性。
-
公开(公告)号：CN119378367A
公开(公告)日：2025-01-28
申请号：CN202411358612.8
申请日：2024-09-27
Applicant: 国网经济技术研究院有限公司 , 西安交通大学 , 国网河北省电力有限公司经济技术研究院
Inventor： 刘栋 , 李凡 , 郭国栋 , 秦博宇 , 李晖 , 王智冬 , 孙珂 , 李恒毅 , 王丹 , 薛雅玮 , 张章 , 孟健 , 梁涵卿 , 秦继朔 , 张逸兴 , 宋天力 , 桂旭 , 周波
IPC: G06F30/27 , G06F30/28 , G06N3/092 , G06N7/01 , G06Q10/0631 , G06Q50/06 , G06F119/08 , G06F113/08 , G06F119/14 , G06F113/14 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种综合能源系统的调度优化方法及系统，所述方法包括根据综合能源系统中能源网络内部介质流动的动态特性，建立HCNG网络的非等温模型和DHN网络的热力学模型，以构建综合能源系统动态模型，从而确定综合能源系统中能源网络之间的互动灵活性裕度；利用所述互动灵活性裕度，构建综合能源系统的日前及实时两阶段调度模型；采用深度确定性策略梯度算法，对调度模型的决策过程进行优化，得到优化调度结果。能够基于HCNG网络的非等温模型，构建综合能源系统的日前及实时两阶段调度模型，提高调度模型的可靠性，并解决没有不确定性先验知识情况下的调度运行问题。
-
公开(公告)号：CN118297473A
公开(公告)日：2024-07-05
申请号：CN202410459373.9
申请日：2024-04-17
Applicant: 国网经济技术研究院有限公司 , 国网湖南省电力有限公司经济技术研究院 , 西安交通大学
Inventor： 刘栋 , 李凡 , 秦博宇 , 王智冬 , 孙珂 , 张哲 , 王丹 , 章德 , 薛雅玮 , 张逸兴 , 于昊洋 , 张睿琪 , 辛蜀骏 , 陈天一 , 刘忠健 , 秦旷 , 佟宇梁 , 司远
IPC: G06Q10/0639 , G06Q10/04 , G06Q10/0635 , G06N3/006 , G06N3/0464 , G06Q50/06 , H02J3/00
Abstract: 本发明涉及一种电力系统电压安全评估及优化方法、系统、设备和介质，包括以下步骤：确定评估指标，并对预先搭建的残差神经网络进行训练；获取电力系统在指定条件下的运行数据，并将训练完善的残差神经网络与基于惯性权重及加速常数自适应调整策略的改进粒子群优化算法相结合，在改进粒子群优化算法迭代求解的过程中利用残差神经网络得到对应条件下的电力系统安全稳定水平，以及综合考虑控制代价和电力系统安全稳定水平的最优控制参数。本发明可以广泛应用于电力系统运行评估领域。
-
公开(公告)号：CN118247146A
公开(公告)日：2024-06-25
申请号：CN202410262767.5
申请日：2024-03-07
Applicant: 西安交通大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/11 , G06T7/194 , G06N3/045 , G06N3/0475 , G06N3/042 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于专家知识监督的遥感图像超分辨率学习方法及装置。该方法针对现有超分辨率学习方法通过双三次插值制作的数据集学习无法学习到对于遥感图像实际应用中起关键作用的信息，导致模型无法应对严重退化和包含不同物体的遥感图像，超分辨率图像在实际应用中无法取得满意的效果。将专家知识纳入超分辨率模型的学习过程中，使用粗粒度注释在细粒度任务中取得了显著改进。同时，提出了区域损失、特征损失和归因性损失，从三个角度利用专家先验信息，以指导超分辨率模型实现更加精确的多尺度物体重建，尤其是小物体。该装置包括初始化模块、图像处理模块、第一计算模块、第一判断模块、第二判断模块、第二计算模块和第三判断模块。本发明可以在不增加参数和推理时间的情况下提高实际任务的性能，为资源有限的遥感边缘设备提供了一种新的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.01 seconds)
