-
公开(公告)号：CN119476408A
公开(公告)日：2025-02-18
申请号：CN202411415967.6
申请日：2024-10-11
Applicant: 北京交通大学
IPC: G06N3/096 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及一种模型训练方法、装置、计算机设备和存储介质。方法包括：在源域模型的网络结构中新增一分类器，得到目标网络结构；目标网络结构包括原始分类器和去偏分类器；基于原始分类器的权重初始化去偏分类器的权重，将原始分类器的权重设置为不可更新状态，将去偏分类器的权重设置为可更新状态；获取目标域样本数据；目标域样本数据包括多个目标域样本以及每个目标域样本对应的伪标签和初始的自适应权重；根据目标域样本数据和预设的目标函数对目标网络结构进行迭代训练，得到训练好的目标域模型。本申请能在域间差异和类别不平衡同时存在的场景下，有效提高基于源域模型迁移得到的目标域模型的性能，同时提高目标域模型在尾部类上的性能。
-
公开(公告)号：CN118132222A
公开(公告)日：2024-06-04
申请号：CN202410163760.8
申请日：2024-02-05
Applicant: 北京交通大学
Abstract: 本申请涉及一种光通信仿真任务分配方法和装置。其技术方案包括：根据预设参数形成初始化蜣螂种群任务分配执行序列后进行随机选择操作得到随机化蜣螂种群任务分配执行序列；计算随机化蜣螂种群任务分配执行序列的初代任务分配执行成本得到初代演化蜣螂种群任务分配执行序列；对初代演化蜣螂种群任务分配执行序列依次进行重新分配、躲避天敌以及任务均衡操作得到最终更新蜣螂种群任务分配执行序列，计算最终更新蜣螂种群任务分配执行序列的二代任务分配执行成本；将各蜣螂的二代任务分配执行成本和对应初代任务分配执行成本进行比对且结合预设迭代次数，得到最优光通信仿真任务分配执行序列。本申请可达到提高光通信仿真任务分配的合理性的效果。
-
公开(公告)号：CN108460406B
公开(公告)日：2022-04-29
申请号：CN201810105576.2
申请日：2018-02-02
Applicant: 北京交通大学
Abstract: 本发明公开一种基于最小单纯形融合特征学习的场景图像属性识别方法，包括：S1、采集多个数据样本并定义概念标签；S2、将每个数据样本分割为多个数据样本块；S3、对每个数据样本块进行特征提取并对应为多个特征向量；S4、向属于不同数据样本的具有相同含义的数据样本块标记同一个概念标签，建立特征向量与概念标签的关联，得到关联矩阵；S5、进行最小单纯形融合特征学习，得到各概念对应的单纯形融合特征；S6、进行多特征融合权重学习，建立含有表示同一概念的不同单纯形融合特征的权重的权重矩阵；S7、基于权重矩阵和单纯形融合特征进行信息属性识别。本发明能够对原始数据细粒度的概念标签进行学习，避免了单标签的不准确问题。
-
公开(公告)号：CN108460406A
公开(公告)日：2018-08-28
申请号：CN201810105576.2
申请日：2018-02-02
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明公开一种基于最小单纯形融合特征学习的信息属性识别方法，包括：S1、采集多个数据样本并定义概念标签；S2、将每个数据样本分割为多个数据样本块；S3、对每个数据样本块进行特征提取并对应为多个特征向量；S4、向属于不同数据样本的具有相同含义的数据样本块标记同一个概念标签，建立特征向量与概念标签的关联，得到关联矩阵；S5、进行最小单纯形融合特征学习，得到各概念对应的单纯形融合特征；S6、进行多特征融合权重学习，建立含有表示同一概念的不同单纯形融合特征的权重的权重矩阵；S7、基于权重矩阵和单纯形融合特征进行信息属性识别。本发明能够对原始数据细粒度的概念标签进行学习，避免了单标签的不准确问题。
-
公开(公告)号：CN117671737A
公开(公告)日：2024-03-08
申请号：CN202311730224.3
申请日：2023-12-15
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/26 , G06V10/764 , G06V20/70 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本申请公开了一种人体图像解析方法、系统、电子设备及存储介质，涉及计算器视觉技术领域，包括接收原始图像，获取原始图像的初始像素点，采用超像素算法基于初始像素点构建图邻接矩阵；获取原始图像的高级语义特征，将提取得到的高级语义特征作为像素点的初始图节点特征，结合初始图节点特征和图邻接矩阵形成无向图，采用图神经网络对无向图进行特征传播并获取优化后图节点特征；将优化后图节点特征与初始图节点特征进行矩阵变换及拼接得到最终融合特征，解码最终融合特征得到解析结果，本申请通过利用先验结构知识指导特征传播，实现高级语义特征优化，获取更丰富有效的特征，从而提高弱监督细粒度人体解析的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117290478A
公开(公告)日：2023-12-26
申请号：CN202311215605.8
申请日：2023-09-20
Applicant: 中车信息技术有限公司 , 北京交通大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F16/36 , G06F18/2321 , G06N3/0455 , G06N3/08 , G06F18/24
Abstract: 本申请涉及一种知识图谱问答方法、装置、设备和存储介质。主要技术方案包括：获取用户输入的询问信息，其中，询问信息包括询问语句，解析询问语句，得到主题查询图，根据主题查询图和预设知识图谱，生成询问语句的结果候选图，计算主题查询图和结果候选图的相似值，根据相似值最大的结果候选图，生成答复信息。主题查询图包含了更丰富的结构特征表示和询问语句的主题信息，避免询问语句的主题信息丢失，通过主题查询图和结果候选图的匹配准确地回应多跳、聚合等复杂问句的答案。
-
公开(公告)号：CN116612492A
公开(公告)日：2023-08-18
申请号：CN202310373231.6
申请日：2023-04-10
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/44 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本申请公开了一种基于层次语义图神经网络的弱监督人体解析方法及系统，涉及图像处理的领域，在原始图像上设置人体目标框和初始标注语义像素点；将人体目标框和初始标注语义像素点作为弱监督信息，并联合区域语义化无监督图像分割生成初始像素级伪标签；基于人体解析初步预测结果筛选初始像素级伪标签，生成高置信度伪标签；构建初始稠密图，联合初始稠密图和动态图池化生成动态层次语义图，解码生成层次化人体解析结果。本申请利用无监督图像分割和少量标注的语义像素点，初步获取人体解析伪标签，极大减轻标注成本，所提层次语义图神经网络能够在含有噪声的伪标签监督训练下，提取准确的人体语义结构特征，生成高性能人体解析模型。
-
公开(公告)号：CN114926721A
公开(公告)日：2022-08-19
申请号：CN202210515553.5
申请日：2022-05-11
Applicant: 北京交通大学
Abstract: 本申请涉及一种场景图像解析方法和系统。主要技术方案包括：采集多张场景图像为图像样本数据，对图像样本数据进行标签标记，得到图像标签样本数据；将图像标签样本数据按照自定义划分粒度进行网格划分，得到网格块样本数据；基于网格块样本数据建立空间层次图结构并提取特征向量数据将特征向量数据赋值于空间层次图结构得到场景图像的特征样本数据；根据场景图像的特征样本数据和预设图模型得到场景图像解析模块，基于场景图像解析模块构建场景图像解析模型架构；对场景图像解析模型架构进行模型训练，得到场景图像解析模型。本申请能够提高场景图像解析模型小尺度目标特征学习能力，增强对多尺度场景图像解析的准确度。
-
公开(公告)号：CN114841257A
公开(公告)日：2022-08-02
申请号：CN202210421310.5
申请日：2022-04-21
Applicant: 北京交通大学
IPC: G06K9/62 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于自监督对比约束下的小样本目标检测方法。该方法包括：将小样本目标检测问题建模成一个基于自监督学习的数学优化问题，构建对数据扰动敏感的小样本目标检测模型；设计小样本目标检测模型的优化目标函数；基于优化目标函数使用深度学习更新过程对小样本目标检测模型进行训练，得到训练好的小样本目标检测模型，利用训练好的小样本目标检测模型对待检测的小样本进行目标检测。本发明以两阶段学习过程为基础，使用迁移学习对领域知识进行学习，并在小样本数据集上进行模型微调。实验结果证明，本发明在PASCAL‑VOC公开数据集上取得了良好的性能，可以有效提高模型在小样本目标检测问题上的性能，具有较强的实际应用意义。
-
公开(公告)号：CN106327441B
公开(公告)日：2018-11-06
申请号：CN201610694236.9
申请日：2016-08-19
Applicant: 北京交通大学
Abstract: 本发明公开一种图像径向畸变的自动矫正方法及系统，方法包括：S1、对畸变图像边缘检测，连接相邻边缘得到各边缘轮廓；S2、利用快速圆弧提取方法对边缘轮廓进行圆弧提取，计算各圆弧的参数；S3、划定畸变中心预选区域，计算以其中各像素点作为畸变中心对应的各圆弧的畸变系数，统计各像素点对应的畸变系数的取值集中区间并统计各区间中的畸变系数数量，计算各区间中的畸变系数均值，以畸变系数最多的区间对应的像素点作为实际畸变中心并以该区间的畸变系数均值作为实际畸变系数；S4、根据实际畸变中心和畸变系数对畸变图像进行自动矫正。本发明可实现图像径向畸变的自动矫正，不需要畸变图像相关的来源信息、特定的模板和人工的干预。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
