-
公开(公告)号：CN119646084A
公开(公告)日：2025-03-18
申请号：CN202411477776.2
申请日：2024-10-22
Applicant: 重庆大学
Abstract: 本发明公开一种基于区块链与负载均衡结合的车载边缘网格化数据调度系统，包括动态资源分配模块、智能调度模块、数据管理模块、数据安全与隐私保护模块；本发明的系统能够动态地调整计算和存储资源的分配，根据实时交通和车辆状态信息进行数据调度，从而实现高效的车载边缘计算。
-
公开(公告)号：CN119067839B
公开(公告)日：2025-02-25
申请号：CN202411213350.6
申请日：2024-08-30
Applicant: 重庆大学
Abstract: 本发明涉及图像处理技术，揭露了一种基于否定概率和深度估计的图像BEV视角转换方法，包括：提取每个视角下的前视图像的语义特征图集；对所述前视图像语义特征图集进行深度估计并进行概率映射，得到初始概率分布，汇总初始概率分布得到初始概率分布矩阵；对初始概率分布矩阵进行否定概率变换，得到否定概率分布矩阵；将否定概率分布矩阵和初始概率分布矩阵分别与前视图像语义特征图集进行特征融合，得到平面特征；将所述平面特征转化为视锥特征并映射至三维空间，得到BEV视角特征图。本发明还提出一种基于否定概率和深度估计的图像BEV视角转换装置、设备及介质。本发明可以提高基于否定概率和深度估计的图像BEV视角转换的准确性。
-
公开(公告)号：CN119067839A
公开(公告)日：2024-12-03
申请号：CN202411213350.6
申请日：2024-08-30
Applicant: 重庆大学
Abstract: 本发明涉及图像处理技术，揭露了一种基于否定概率和深度估计的图像BEV视角转换方法，包括：提取每个视角下的前视图像的语义特征图集；对所述前视图像语义特征图集进行深度估计并进行概率映射，得到初始概率分布，汇总初始概率分布得到初始概率分布矩阵；对初始概率分布矩阵进行否定概率变换，得到否定概率分布矩阵；将否定概率分布矩阵和初始概率分布矩阵分别与前视图像语义特征图集进行特征融合，得到平面特征；将所述平面特征转化为视锥特征并映射至三维空间，得到BEV视角特征图。本发明还提出一种基于否定概率和深度估计的图像BEV视角转换装置、设备及介质。本发明可以提高基于否定概率和深度估计的图像BEV视角转换的准确性。
-
公开(公告)号：CN119067206A
公开(公告)日：2024-12-03
申请号：CN202411042729.5
申请日：2024-07-31
Applicant: 重庆大学
IPC: G06N5/02 , G06N5/025 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种针对汽车系统故障知识图谱的知识嵌入方法，该方法过程分为文本增强型实体嵌入向量层、多尺度特征交互层和动态预测与补全层三个阶段；文本增强型实体嵌入向量层通过利用预训练模型对知识图谱中的实体描述文本进行深层语义信息提取，并引入注意力机制，对文本嵌入向量和图嵌入向量进行融合；多尺度特征交互层通过不同尺度的卷积操作捕获从局部到全局的关系特征，提供多层次的信息解析能力，增加残差路径以促进深层网络中的梯度流动；动态预测与补全层通过概率评分预测函数预测知识图谱中缺失的实体和关系，用以提供补全知识图谱的信息预测依据。本发明方法，有效捕捉了实体和关系的复杂交互，实现了知识图谱的持续学习和完善。
-
公开(公告)号：CN119066613A
公开(公告)日：2024-12-03
申请号：CN202411193492.0
申请日：2024-08-28
Applicant: 重庆大学
IPC: G06F18/25 , G06F18/22 , G06N3/0464
Abstract: 本发明提供了一种基于多尺度局部交叉注意力的多传感器特征融合方法，包括：将图像特征张量作为查询矩阵源数据，将点云特征张量分别作为键矩阵源数据和值矩阵源数据，利用多尺度局部交叉注意力算法获得图像多尺度注意力加权特征；将点云特征张量作为查询矩阵源数据，将图像特征张量分别作为键矩阵源数据和值矩阵源数据，利用多尺度局部交叉注意力算法获得点云多尺度注意力加权特征；融合图像多尺度注意力加权特征和点云多尺度注意力加权特征获得模态融合特征。本发明还公开了一种基于多尺度局部交叉注意力的多传感器特征融合装置，一种计算机程序产品，一种电子设备。本发明减少了信息丢失，提升了最终获得的模态融合特征的感知性能。
-
Patent Agency Ranking
公开(公告)号：CN116664416B
公开(公告)日：2024-09-06
申请号：CN202310411310.1
申请日：2023-04-17
Applicant: 重庆大学
IPC: G06T5/70 , G01S7/48 , G01S17/931 , G06T5/50
Abstract: 本发明涉及人工智能技术，揭露了一种雷达点云数据处理方法，包括：获取原始点云数据，并根据预设的采样率对所述原始点云数据中点云执行点云剔除，得到精简点云数据；对所述精简点云数据执行体素转换，得到体素图；根据证据理论对所述体素图中点云进行降采样处理，得到标准体素图；将所述标准体素图还原成点云数据图，完成点云数据处理。本发明还提出一种雷达点云数据处理装置、电子设备以及存储介质。本发明有益效果为提升点云数据处理的准确率。
-
公开(公告)号：CN118397598A
公开(公告)日：2024-07-26
申请号：CN202410520640.9
申请日：2024-04-28
Applicant: 重庆大学
IPC: G06V20/58 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/18
Abstract: 本发明公开一种轻量级车载目标检测模型及其混合精度量化方法，包括以下步骤：1)构建轻量级车载目标检测模型；所述轻量级车载目标检测模型的主干网络和颈部网络采用在线卷积重参数化的跨阶段特征融合模块C2f_OREPA；2)对轻量级车载目标检测模型进行混合精度的量化感知训练；3)获取输入数据，并输入至训练后的轻量级车载目标检测模型，得到输出。本发明提出的OCW‑YOLO模型相较于YOLOv8模型改进后的算法FLOPs下降，计算需求降低，更加轻量，并且精度上升，更好地满足资源受限地车载设备的高精度、高实时性需求。
-
公开(公告)号：CN114820139B
公开(公告)日：2024-05-28
申请号：CN202210583484.1
申请日：2022-05-25
Applicant: 重庆大学
IPC: G06Q30/0601 , G06F16/36 , G06N3/0442 , G06N3/048 , G06N3/08 , G06N5/04
Abstract: 本发明公开一种基于知识图谱路径推理的多用户推荐系统，包括知识图谱构建模块、路径推理模块和评分预测模块；所述知识图谱构建模块获取用户交互历史数据，构建知识图谱G，并传输至路径推理模块；所述路径推理模块根据知识图谱G生成若干用户和目标项目之间的关系路径，并传输至评分预测模块；所述评分预测模块对接收到的若干关系路径进行评价预测，根据评价预测结果，向用户输出项目推荐列表。本发明通过构建用户与项的知识图谱挖掘更多丰富的用户兴趣隐语义信息，利用知识图谱上多条路径组合推理预测多个用户潜在共同偏好，不同路径之间利用带注意力机制的池化聚合操作在区分不同用户偏好程度的同时给出最大化兴趣偏好和多样化的推荐列表。
-
公开(公告)号：CN117132345A
公开(公告)日：2023-11-28
申请号：CN202310939348.6
申请日：2023-07-28
Applicant: 重庆大学
IPC: G06Q30/0601 , G06F16/9535
Abstract: 本发明公开一种基于跨场景的个性化服务智能推荐系统，包括信息记录模块、嵌入向量转化模块、用户‑服务交互模块、个性化特征提取模块、跨场景特征匹配网络构建模块、服务推荐模块；本发明主要针对目前滥用服务投放的困境，通过收集成熟场景的丰富行为数据、用户数据，结合目标场景的稀疏数据，提供冷启动服务推荐方案，满足用户个性化和多样性需求，提升服务关联的商品点击和转化率。本发明通过控制服务展现的范围、展现顺序、展现时机、展现频率，在新用户、新服务、新场景使用PC或移动设备时，帮助推荐系统更准确地为用户推荐服务内容，减弱服务存在感，真正满足用户的需求，提高服务投放的效果。
-
公开(公告)号：CN111814450B
公开(公告)日：2023-08-11
申请号：CN202010664010.0
申请日：2020-07-10
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/205 , G06F40/279 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种基于残差注意力的方面级情感分析方法，方法包括以下步骤：对输入的语句和所有的方面目标信息进行编码，得到文本编码；对待预测的方面目标在文本中的位置信息进行编码，并与得到的文本编码进行融合；对待预测的方面目标信息和融入位置编码的文本编码进行处理；将得到的编码与融入位置信息的文本编码进行结合；提取其余方面目标中的信息，与得到的文本编码进行交互处理，然后从得到的文本编码中过滤；对过滤后的文本编码进行处理，得到最终结果。本发明提出了一种将残差网络引入到注意力机制的方法，能够显著的提高文本方面级别情感分析的准确率，并且模型具有较好的鲁棒性和通用性，分析的效率也有了一定的提升。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.04 seconds)
