-
公开(公告)号：CN114972871A
公开(公告)日：2022-08-30
申请号：CN202210617656.2
申请日：2022-06-01
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于图像配准的少样本图像异常检测方法及系统，包括：对支撑图像和待检测图像提取图像的高维特征；对图像的高维特征进行特征的空间变换得到变换的图像特征；对变换的图像特征实现特征编码；对编码特征实现特征配准；对变换的图像特征拟合支撑图像的特征分布得到特征分布模型；对变换的图像特征和特征分布模型实现图像异常评定。本发明针对目前异常检测方法存在的问题，提出一种基于图像配准的少样本异常检测方法，本发明利用已知类别物体数据训练可推广的通用模型，不需要对新类别物体数据重新训练模型，而是仅利用少样本的新类别数据，即可应用于新类别物体的异常检测任务。
-
公开(公告)号：CN114120189A
公开(公告)日：2022-03-01
申请号：CN202111388139.4
申请日：2021-11-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种渐进式特权信息蒸馏的在线动作检测方法及系统，包括：步骤S1：对未经裁剪的视频使用视频特征提取网络进行特征提取，得到能够表达视频语义信息的视频特征序列；步骤S2：截取当前时刻之后不同时长的视频，并利用相应的视频特征序列分别对多个不同的离线教师模型进行训练；步骤S3：利用提取的视频特征序列对在线学生模型进行训练，得到训练后的在线学生模型；步骤S4：将离线教师模型和在线学生模型在模型层面的不同层次间进行特征对齐；步骤S5：特征对齐后，在线学生模型通过渐进式模型蒸馏的方式向多个不同的离线教师模型学习；步骤S6：利用提取的视频特征序列根据蒸馏学习后的的在线学生模型预测当前时刻动作检测的结果。
-
公开(公告)号：CN113936174A
公开(公告)日：2022-01-14
申请号：CN202111190861.7
申请日：2021-10-13
Applicant: 上海交通大学
Abstract: 本发明提供了一种单帧监督视频时序动作检测与分类方法及系统，包括：根据输入长视频提取视频特征图；将视频特征图映射为动作种子帧概率图；产生动作种子帧位置；根据动作种子帧位置将输入长视频划分为若干个单实例视频片段；将单实例视频片段特征映射为动作位置提案；将动作位置提案映射为时序位置掩膜；基于时序位置掩膜获取单实例视频片段中的动作特征、背景特征；将动作特征、背景特征映射为动作类别概率、背景类别概率；基于动作位置提案、动作类别概率产生视频的检测与分类结果。本发明采用分而治之的策略将单帧监督时序动作检测与分类任务化繁为简，实现更完整、更精确的时序动作检测与分类。
-
公开(公告)号：CN109446413B
公开(公告)日：2021-06-01
申请号：CN201811116273.7
申请日：2018-09-25
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F17/16 , G06N3/08 , G06Q30/06
Abstract: 本发明提供一种基于物品关联关系的序列化推荐方法，从网络端获取用户与物品之间的交互数据；令交互数据构建物品的共生关系图，所述共生关系图用关联关系图邻接矩阵进行表示；令关联关系图邻接矩阵进行图卷积操作，获得物品的关联性特征；令物品的关联性特征输入推荐模型进行训练；令推荐模型输出序列化推荐。能够对用户行为中隐含的物品关联性关系的挖掘，与序列化推荐模型联合训练，为用户的序列化推荐提供服务；利用用户与物品交互数据挖掘物品间的关联关系，并对关联关系进行了向量化的表示，直观而客观的展现每个物品的关联性特征，采用欧式距离对关联物品分析；以端到端的方式和序列化推荐模型协同训练，为用户提供最终的序列化推荐服务。
-
公开(公告)号：CN112651916A
公开(公告)日：2021-04-13
申请号：CN202011567684.5
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供了一种自监督模型预训练方法、系统及介质，包括：对不同模态图像使用归一化方法进行预处理；对归一化图像使用非线性变换、局部扰动、内部填充和外部填充得到变换后的图像；对变换后的图像使用深度卷积神经网络提取图像的模态不变图像特征；对变换后的图像，使用密集连接模态判别网络提取图像特征，与模态不变图像特征进行对抗学习；对模态不变图像特征，使用多层次特征学习网络进行尺度预测；对模态不变特征图像特征使用图像恢复网络得到恢复图像；根据恢复图像和归一化图像实现自监督学习。本发明对不同模态图像提取模态不变的且有较强多层次判别力的特征，通过有效的自监督学习，提高了预训练模型的泛化能力，实现良好的通用性。
-
Patent Agency Ranking
公开(公告)号：CN109543100B
公开(公告)日：2021-04-02
申请号：CN201811287804.9
申请日：2018-10-31
Applicant: 上海交通大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明提供了一种基于协同学习的用户兴趣建模方法和系统，利用用户的历史交互行为数据和辅助信息数据，协同地对用户兴趣进行建模，给用户推荐符合心理的物品。在训练阶段中，利用两个变分自编码器(VAE)对两种信息分别进行编码，得到两个表征用户兴趣的变分分布，同时提出利用协同学习机制对两个变分分布进行相互约束。在预测阶段中，根据新用户的历史交互行为数据或者辅助信息数据为其推荐新的物品。采用变分分布来表征用户兴趣爱好，在两个变分自编码器之间设计了基于相对熵的协同学习训练，使得两个变分自编码器利用两种数据能够相互增强，从而使变分分布能够更加准确的表征用户兴趣，进而为用户推荐出更加符合心理的物品。
-
公开(公告)号：CN107767679B
公开(公告)日：2021-04-02
申请号：CN201610680330.9
申请日：2016-08-17
Applicant: 上海交通大学
IPC: G08G1/0962
Abstract: 本发明提供一种基于专用短程通信的信号灯路口车速引导装置及方法，所述装置包括车载单元与路侧单元，其中：所述车载单元包括第一数据处理模块，第一DSRC通信收发模块，第一GPS模块，自车信息采集模块和HMI模块；所述路侧单元包括第二数据处理模块，第二DSRC通信收发模块，第二GPS模块，信息采集模块和通信模块。本发明通过车载单元和路侧单元的信息交互，可完成车辆与行车环境之间的互联互通；采用DSRC通信收发模块，通过车路协同技术能获得车辆周边的道路信息以及其他车辆信息，车辆不再是道路上的信息孤岛，由此可以防止碰撞，提高行车安全，提升交通效率，计算量较小，易于实现。
-
公开(公告)号：CN111652083A
公开(公告)日：2020-09-11
申请号：CN202010403823.4
申请日：2020-05-13
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于自适应采样的弱监督时序动作检测方法及系统，包括：根据输入的视频提取视频特征图；将视频特征图映射成均匀分布类别激活序列；根据均匀分布类别激活序列产生伯努利数列作为自适应重采样位置索引；对视频特征图进行特征重采样；将视频重采样特征图映射成非均匀分布类别激活序列；对均匀和非均匀分布类别激活序列使用分类网络预测视频为各个类别的概率；对非均匀分布类别激活序列进行分布均匀化，从而和均匀分布类别激活序列在时间分布上对齐；选择对齐后的均匀或非均匀分布类别激活序列使用阈值法得到视频的检测结果。本发明对输入视频提取两种相互补充、互相监督的类别激活映射序列，实现更精确的弱监督的视频时序动作检测。
-
公开(公告)号：CN107786306B
公开(公告)日：2020-06-12
申请号：CN201611260318.9
申请日：2016-12-30
Applicant: 上海交通大学
Abstract: 本发明提供了一种适用于多点协同通信系统的低码率LDPC码字结构和编码方法，其中码率最低的码字称为母码，是码长为N、信息比特为K的raptor‑like结构的LDPC码字，根据编码码表以及编码方法进行编码，获得原始码字；其他比母码码率高的码字称为截取码字，是基于母码编码后的原始码字截取获得，从原始码字中截取部分比特，并拼接在一起进行传输，剩余比特不进行传输，具体截取的比特由截取比特码表给出。多点协同通信系统要求在LDPC码字可以进行单独的编译码的同时，还能够将不同码率的码字联合在一起进行联合译码，获得性能增益。本发明给出的码字结构和编码方法可以很好的满足这个要求。
-
公开(公告)号：CN111199216A
公开(公告)日：2020-05-26
申请号：CN202010014577.3
申请日：2020-01-07
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向人体骨架的运动预测方法及系统，包括：数据获取步骤：获取人体骨架数据；人体多尺度图构建步骤：根据人体骨架数据构建多尺度人体，并基于多尺度人体构建以身体部位为点，以部位之间关系为边的人体多尺度图；人体运动特征提取步骤：将人体多尺度图引入由空间多尺度图卷积构成的深度模型中，提取多尺度人体的综合动作语义信息；动作分析与预测步骤：根据综合动作语义信息，实现动作预测。本发明利用自适应的、动态的图结构和DMGNN，可以提取动作的高层语义信息，利用高层语义信息实现了动作的预测。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.04 seconds)
