公开(公告)号：CN116126680B

公开(公告)日：2023-07-21

申请号：CN202211474627.1

申请日：2022-11-23

Applicant: 北京交通大学

Inventor： 王伟 ,  周英楠 ,  王俊勇 ,  刘煜昊 ,  李超 ,  段莉 ,  金一 ,  李浥东 ,  刘吉强

IPC: G06F11/36

Abstract: 本发明提供的一种软件系统配置错误诊断方法和系统，通过对程序执行数据构造频谱信息，计算卡方检验数快速定位导致配置错误的配置选项。同时，对配置选项的控制流和数据流抽象为向量，进行向量距离计算，判断配置选项之间是否存在关联关系。解决了多配置错误的诊断难题，同时指出了配置选项之间是否存在约束和关联关系。避免了由于模式匹配造成的漏报，同时使用频谱、卡方检验数和距离度量的方法不局限于特定的软件程序，具有普适性和广泛性，适用于更多的软件程序。

公开(公告)号：CN115049786B

公开(公告)日：2023-07-18

申请号：CN202210689275.5

申请日：2022-06-17

Applicant: 北京交通大学

Inventor： 金一 ,  王旭 ,  岑翼刚 ,  刘柏甫 ,  王涛 ,  李浥东

IPC: G06T17/00 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提供任务导向的点云数据下采样方法及系统，属于点云数据处理技术领域，对变换器网络中资源密集型的结构进行调整，去除位置嵌入、简化输入数据嵌入层结构，删除自注意力机制的映射矩阵操作，在前馈神经网络层引入扩缩策略；基于采样损失函数，扩大下采样点云的覆盖范围和重点区域的关注能力，促进生成点云为原始点云的真子集；将下采样模块与任务网络相结合，利用采样损失和任务损失共同更新下采样网络的权重参数。本发明降低了对计算和存储资源的消耗；设计采样损失函数，促使获得点云分布更加均匀、关键点覆盖更加全面的真子集点云数据；将通用下采样模块与三维分类任务网络相结合，实现任务网络的性能最优化和资源开销最小化的有效权衡。

公开(公告)号：CN116305238A

公开(公告)日：2023-06-23

申请号：CN202211662084.6

申请日：2022-12-23

Applicant: 北京交通大学

Inventor： 王伟 ,  吕晓婷 ,  刘敬楷 ,  刘吉强 ,  段莉 ,  李超 ,  金一 ,  李浥东

IPC: G06F21/62 ,  G06N20/20

Abstract: 本发明提供一种联邦学习后门攻击检测方法及系统，属于网络数据安全技术领域，在联邦学习系统中，攻击者向系统中注入虚假用户，攻击者基于当前接收到的全局模型并利用所有恶意用户的正常样本优化后门触发器触发器。优化目标希望最小化嵌入后门触发器样本在全局模型上的预测损失；攻击者接收到触发器并将触发器嵌入到本地数据集中，攻击者利用篡改后的数据进行本地模型训练。本发明攻击者在进行模型对于训练样本学习同时，最小化恶意模型与正常模型之间的距离，控制由于嵌入触发器引起的模型偏差；攻击者通过这两种方法的联合作用，控制由于嵌入后门触发器引起的恶意模型与正常模型之间的偏差，增强后门攻击的隐蔽性绕过多种防御方法。

公开(公告)号：CN115240106B

公开(公告)日：2023-06-20

申请号：CN202210815080.0

申请日：2022-07-12

Applicant: 北京交通大学

Inventor： 金一 ,  王佳艺 ,  冯松鹤 ,  郎丛妍 ,  王涛 ,  李浥东

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明提供一种任务自适应的小样本行为识别方法及系统，属于计算机视觉技术领域，获取待识别的视频数据；利用预先训练好的识别模型，对获取的所述待识别的视频数据进行处理，得到动作类别结果加入注意力层，提取行为主体在图片帧中的位置信息以及图像内容信息，通过注意力机制对提取的特征特征进行调制，获取同一类动作的类内特征共性以及不同类动作的类间的差异性。本发明提取特征时加入注意力层，产生更具分辨性的特征表示；对同类行为中不同样本进行随机多模态融合，扩充了支持集数据，使得模型对行为主体所在环境的变换鲁棒性更强；通过task级的特征调制，使特征更符合当前任务的需求并聚焦于行为主体，有助于提高分类准确率。

公开(公告)号：CN115689044A

公开(公告)日：2023-02-03

申请号：CN202211426701.2

申请日：2022-11-15

Applicant: 北京交通大学

Inventor： 赵子枞 ,  荀径 ,  董海荣 ,  李浥东 ,  高士根 ,  周敏

IPC: G06Q10/04 ,  G06N7/01 ,  G06Q50/30

Abstract: 本发明提供一种列车运行速度曲线优化方法，属于列车控制技术领域，包括：采集列车运行线路的线路数据，所述线路数据包括运行线路的动态线路数据与运行线路的静态线路数据；对列车运行线路的线路数据进行预处理与数据增强处理；在Python环境下，构建基于学习马尔可夫决策过程策略算法的防护模型；基于处理后的线路数据，训练并压缩所述防护模型，通过训练和压缩好的防护模型生成列车速度曲线。本发明基于静态线路数据和动态线路数据，然后通过数据预处理、Shield Q‑learning算法实现列车运行过程中的运行指令推荐，再根据结果进行模型的训练、压缩和部署，以便用于实时辅助列车司机的安全高效驾驶，有效提升了列车的运行舒适度，保障了旅客的出行安全。

公开(公告)号：CN115512319A

公开(公告)日：2022-12-23

申请号：CN202211122478.2

申请日：2022-09-15

Applicant: 北京交通大学

Inventor： 张慧 ,  李浥东 ,  曹原周汉 ,  韩瑜珊 ,  金一 ,  陈乃月

IPC: G06V20/56 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供一种基于异构图网络的多模态协同检测方法及系统，属于目标检测技术领域，包括：智能体基于点云和图像分别提取BEV特征；多个智能体将生成的多模态BEV特征传至中心车辆；基于异构图的方法在节点层和语义层融合多智能体的多模态BEV特征，得到新的协作特征；中心车辆基于新的协作特征进行目标检测，得到最终的检测结果。本发明采取多模态单阶融合检测模型，检测精度显著优于单模态单阶段检测模型，经过异构协作图的特征融合，大大扩大了单车的感知视野，丰富了感知信息，从而提升协同感知性能。

公开(公告)号：CN115049894A

公开(公告)日：2022-09-13

申请号：CN202210609475.5

申请日：2022-05-31

Applicant: 北京交通大学

Inventor： 郎丛妍 ,  陈诗迪 ,  魏莉莉 ,  许喆铭 ,  李浥东 ,  王涛 ,  冯松鹤 ,  金一

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V10/74 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V40/10

Abstract: 本发明公开了一种基于图学习的全局结构信息嵌入网络的目标重识别方法，包括步骤：数据集分类及预处理、训练集上图的构建和初始化、训练深度学习模型、测试深度学习模型。本发明利用图学习理论并通过图卷积神经网络自动学习这种全局结构信息，将该关系嵌入所学的特征中，获得更有表征能力的图形表示，将目标重识别问题转化为新的边预测问题，从而更快更准确地判断数据间的关系，提高了目标重识别的精度。

公开(公告)号：CN115019347A

公开(公告)日：2022-09-06

申请号：CN202210725215.4

申请日：2022-06-24

Applicant: 北京交通大学

Inventor： 岑翼刚 ,  张悦 ,  张芳慧 ,  安高云 ,  金一 ,  李浥东

IPC: G06V40/10 ,  G06V10/25 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于跨类别矩阵满秩约束的行人搜索方法及系统，属于计算机视觉技术领域，利用预先训练好的行人搜索模型对获取的待处理的图像数据进行处理，识别图像中的行人；其中，预先训练好的行人搜索模型的训练使用ResNet50网络为基础网络，根据子任务对ResNet50网络进行拆分，构造了一个分离‑基准网络模型，引入可变形卷积来定位整个行人区域，结合秩感知优化损失，对跨类别概率矩阵进行满秩约束，增强类间特征的判别性和多样性。本发明考虑联合多任务协同训练的特征共享网络权重的问题，提出一个基于跨类别概率矩阵秩约束的特征多样性行人搜索框架，然后引入可变形卷积来定位整个行人区域，最后提出了秩感知优化损失，增强类间特征的判别性和多样性。

公开(公告)号：CN114118239A

公开(公告)日：2022-03-01

申请号：CN202111346506.4

申请日：2021-11-15

Applicant: 北京交通大学

Inventor： 丁春涛 ,  李浥东 ,  陈乃月 ,  金一

IPC: G06K9/62 ,  G06V10/771

Abstract: 本发明提供了一种边缘辅助的图像非线性主成分特征提取方法。该方法包括：基于图像样本集利用KPCA核主成分分析算法生成非线性主成分特征的提取器，将所述提取器设置在终端设备上；终端设备对图像数据进行预处理，使用核函数将预处理后的图像数据映射到高维空间，利用所述提取器提取高维空间中图像数据的非线性特征，将获取的非线性特征数据上传至边缘服务器。本发明通过提取终端设备上图像数据的非线性主成分特征，使终端设备只需要将提取的特征数据上传至边缘服务器，减少了终端设备上传至边缘服务器的数据量，从而降低了传输时延。

公开(公告)号：CN113920488A

公开(公告)日：2022-01-11

申请号：CN202111187146.8

申请日：2021-10-12

Applicant: 北京交通大学

Inventor： 张瞩熹 ,  王飞 ,  李浥东 ,  金一 ,  陈乃月 ,  曹原周汉

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种道路交通标记的检测方法。该方法包括：利用训练图像对Res2net神经网络进行训练，将训练好的Res2net神经网络作为特征提取网络；将采集的待检测道路的图像输入到所述特征提取网络，所述特征提取网络在待检测道路的图像上生成交通标记的初步的候选框；通过神经网络预测各个所述初步的候选框的得分，选出得分最高的若干候选框，并对所述若干候选框进行调整，得到各个预测框，根据各个预测框得到待检测道路的交通标记的检测结果。本发明的方法结合了比较高效的特征提取方式，高效的采样方式，以及样本后处理方式，能够准确快速地检测出交通标志所在的位置以及类别，并给出提示信息，辅助道路车辆的安全行驶。