公开(公告)号：CN117115777A

公开(公告)日：2023-11-24

申请号：CN202310870497.1

申请日：2023-07-14

Applicant: 厦门大学

Inventor： 陈龙彪 ,  纪俊祥 ,  唐清仙 ,  刘昌臻 ,  张诗怡 ,  叶卓涵 ,  武雍易 ,  王程

IPC: G06V20/58 ,  G06V10/82 ,  G06N3/0464 ,  G06Q10/0635 ,  G06Q50/26

Abstract: 本发明公开了一种城市交通风险热点识别方法，属于交通管理领域，一种城市交通风险热点识别方法，包括以下步骤：S1：获取目标城市的三维模型、车辆轨迹数据、以及天气数据进行城市模拟器搭建，S2：在步骤S1搭建的城市模拟器的基础上进行基于目标检测和关系检测的交通违法行为的识别，S3：在步骤S1搭建的城市模拟器的基础上进行停车热点提取，并且对环境特征进行建模得到交通事故热点，S4：对步骤S2识别的交通违法行为和步骤S3得到的交通事故热点基于加权聚类算法计算出交通风险热点。通过城市模拟器来全面的模拟城市中的交通情况，并且通过深度学习等方法来及时地、精确地发现城市交通风险热点区域。

公开(公告)号：CN117056962A

公开(公告)日：2023-11-14

申请号：CN202310903744.3

申请日：2023-07-21

Applicant: 厦门大学

Inventor： 范晓亮 ,  彭朝鹏 ,  王铮 ,  蒋怡宁 ,  朱纪玉 ,  王程

IPC: G06F21/62 ,  G06N3/098 ,  G06F21/60

Abstract: 本发明公开了一种联邦学习大模型精调方法及装置，该方法包括：服务器端将预训练好的模型划分为第一模型和第二模型；客户端构建与第一模型结构一致的本地模型，并根据第一模型的参数固定本地模型参数；在每一轮通信中，客户端获取嵌入数据，并根据差分隐私机制对嵌入数据进行加密，以得到加密后的嵌入数据；服务器端将加密后的嵌入数据输入到第二模型，以得到输出数据；客户端根据输出数据计算模型损失，以便得到对应的梯度；服务器端根据梯度计算第二模型中的参数对应的梯度，并根据第二模型中的参数对应的梯度对第二模型进行更新，重复通信训练直至第二模型收敛；由此，通过联邦分离和差分隐私加密避免了私域数据和模型参数泄露的风险。

公开(公告)号：CN117010490A

公开(公告)日：2023-11-07

申请号：CN202310776719.3

申请日：2023-06-28

Applicant: 厦门大学

Inventor： 范晓亮 ,  彭朝鹏 ,  冯明宽 ,  郑传潘 ,  王程

IPC: G06N5/01 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/25

Abstract: 本申请的实施例提供了一种基于图表示学习的数据插值方法、装置、介质及设备。该方法中对多重异质关系中目标预测节点和邻居节点之间的相似性和差异性同时进行建模，以聚合邻居节点的节点信息，得到目标预测节点的归纳式特征表示，并基于GRU神经网络在多重异质关系中自适应地根据邻居节点在时间维度上的信息流动模式指导目标预测节点时间相关性的建模，再在不同时间步动态地融合多重异质关系中学习到的目标预测节点的目标节点表示以输出目标预测节点的估计序列。本申请实施例的技术方案可以提高数据插值的合理性以及准确性。

公开(公告)号：CN116645583A

公开(公告)日：2023-08-25

申请号：CN202310473867.8

申请日：2023-04-27

Applicant: 厦门大学

Inventor： 刘伟权 ,  郑世均 ,  臧彧 ,  沈思淇 ,  王程

IPC: G06V10/82 ,  G06N3/094 ,  G06V10/774 ,  G06V20/64 ,  G06N3/0475

Abstract: 本申请公开了一种基于自适应局部优化的三维点云对抗攻击方法，包括：对原始点云进行区域划分；将区域划分后的原始点云输入到训练好的网络模型，以得到网络模型的识别结果，并根据识别结果得到每个区域的贡献值，并对每个区域按照贡献值进行排列；获取攻击区域数量，以便根据攻击区域数量在排序后的每个区域中得到攻击的脆弱性区域；对脆弱性区域进行攻击，并根据距离约束和惩罚项约束得到对应的对抗点云；在三维坐标系的不同方向自适应分配扰动量，并迭代优化扰动量，以便更新对抗点云；对更新后的最终对抗点云进行可视化；由此，通过局部区域攻击以减少三维对抗点云的生成代价，同时采用自适应局部攻击算法，能够生成高质量的三维对抗点云。

公开(公告)号：CN116523104A

公开(公告)日：2023-08-01

申请号：CN202310261342.8

申请日：2023-03-17

Applicant: 厦门大学

Inventor： 陈龙彪 ,  朱航 ,  洪涯瑶 ,  范晓亮 ,  王程

IPC: G06Q10/04 ,  G06F18/25 ,  G06F16/29 ,  G06F16/901 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于情景感知和深度学习的异常群体流量预测方法及装置，通过构建群体流量时空预测模型并进行训练，得到经训练的群体流量时空预测模型，获取历史群体流量和地图区域边界，并筛选位于地图区域边界内的历史群体流量，得到区域群体流量，根据区域群体流量构建群体流量时空图；获取事件信息，根据事件信息及其对应的城市环境数据提取得到事件时序特征，根据事件信息和区域群体流量提取得到事件空间影响矩阵；将群体流量时空图、事件时序特征和事件空间影响矩阵输入经训练的群体流量时空预测模型，能够预测得到未来群体流量和事件引发的群体流量波动，并能对未来出现的异常群体流量进行及时响应。

公开(公告)号：CN116091887A

公开(公告)日：2023-05-09

申请号：CN202211734860.9

申请日：2022-12-30

Applicant: 厦门大学

Inventor： 温程璐 ,  卢宇航 ,  王程 ,  范晓亮

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明公开了一种基于弱监督的目标检测模型训练方法及装置，其中方法包括：获取目标环境下的原始三维点云数据和部分标记的三维点云数据；预设多个锚点框，并根据所述多个锚点框对应的点云密度进行筛选以得到对应的第一候选框；对所述对应的第一候选框进行动态调整，以便对所述对应的第一候选框进行筛选，以得到对应的弱伪标签；对所述原始三维点云数据和所述部分标记的三维点云数据进行筛选处理，以得到对应的第二候选框，并根据真实标记框进行伪标签提纯，以得到强伪标签；根据所述弱伪标签和所述强伪标签对预先设置的神经网络进行训练，以得到训练好的目标检测模型，从而减少了人力和时间成本。

公开(公告)号：CN116071661A

公开(公告)日：2023-05-05

申请号：CN202310359928.8

申请日：2023-04-06

Applicant: 厦门大学

Inventor： 陈一平 ,  陈钧 ,  王程 ,  程明

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于激光点云的城市道路场景语义分割方法，包括以下步骤：S1、对原始城市街道点云进行体素下采样得到点云；S2、为点云的所有点随机分配概率值，构建网络的输入点集；S3、训练基于图卷积和注意力融合的神经网络；S4、通过基于图卷积和注意力融合的神经网络进行语义分割预测；该方法使用图卷积和注意力融合的神经网络，提高了城市街道点云的语义分割准确性和效率。

公开(公告)号：CN111259767B

公开(公告)日：2023-04-18

申请号：CN202010031165.0

申请日：2020-01-13

Applicant: 厦门大学

Inventor： 陈龙彪 ,  蒋之晗 ,  王程 ,  范晓亮 ,  黄靖淳 ,  谢天琦

IPC: G06V20/54 ,  G06V10/82 ,  G06V10/75 ,  G06V10/766 ,  G06V10/776 ,  G06V10/778 ,  G06V10/774 ,  G06F16/29 ,  G08G1/01

Abstract: 本发明公开了基于交通数据及街景数据的交通违法行为识别方法和系统。包括首先提取驾驶行为，构建驾驶行为数据库；对驾驶行为时的道路环境数据进行复原，获取对应的街景图片序列；通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。本发明通过地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端，将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，极大地减少了所需要进行检测的街景图片数量，准确识别出对应的违法驾驶行为。

公开(公告)号：CN115937701A

公开(公告)日：2023-04-07

申请号：CN202211518706.8

申请日：2022-11-30

Applicant: 厦门大学

Inventor： 陈龙彪 ,  翁丽娟 ,  罗瑞祥 ,  黄盟涵 ,  陈少扬 ,  王程 ,  臧彧 ,  程明

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/25 ,  G06V10/52 ,  G06V10/82 ,  G06V10/80 ,  G06N3/08 ,  G06T7/62

Abstract: 本发明提供基于多源异构数据融合的山火识别及过火面积估算方法，包括：获取含有热点目标的卫星遥感图像，并进行预处理；采用Faster R‑CNN对卫星遥感图像进行热点目标检测，得到含有热点预测框的图像以及相对应的预测框坐标；对预测框进行坐标转换，利用全球森林覆盖图进行多源数据融合，实现非山火区域滤除；分别采用NDVI阈值法和NBR阈值法对过火面积进行估算；利用卫星热红外遥感数据对山火进行检测，热红外遥感对高温目标识别敏感，通过遥感图像中山火区域和背景区域的灰度值差异，并且融合全球森林覆盖图有效判别火点，不依赖可见光，时间分辨率高、图像覆盖范围广，能够全天候大范围实现山火监测，且卫星重访周期有利于对森林资源的动态监测和过程分析。

公开(公告)号：CN112016735B

公开(公告)日：2023-03-28

申请号：CN202010693026.4

申请日：2020-07-17

Applicant: 厦门大学

Inventor： 陈龙彪 ,  蒋之晗 ,  范晓亮 ,  王程 ,  洪虹

IPC: G06Q10/047 ,  G06Q50/26 ,  G08G1/01 ,  G06F18/2431 ,  G06F18/214

Abstract: 本发明公开一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质，方法具体包括如下步骤：将离散的交通违法事件匹配到道路网络，得到交通违法热点候选区域；提取交通违法热点候选区域的相关时空特征组成数据集；采用拔靴抽样法从数据集中抽取三组训练数据集，分别用三组训练数据集通过协同训练与主动学习训练三组预测模型，所述预测模型采用树集成模型；利用所述三组预测模型，对无标签交通数据进行分类，预测未来交通违法热点的分布情况；根据交通违法热点分布情况，进行交警巡逻路线的建模和优化。本发明提供的方法能够低成本、高覆盖、实时的感知预测城市中的交通违法热点并规划交警巡逻路线，帮助城市交通管理部门全面深入地掌握城市中的交通违法热点，并且高效地规划交警巡逻路线。