-
公开(公告)号：CN106096635B
公开(公告)日：2019-11-15
申请号：CN201610392772.3
申请日：2016-06-06
Applicant: 重庆大学
Abstract: 本发明涉及基于阈值操作的代价敏感神经网络的警告分类方法，包括S1使用FindBugs工具对目标软件一系列版本的jar文件进行分析，得到目标软件的静态警告；S2对S1获得的静态警告进行标注；S3采用代价敏感的BP神经网络，使用样本集中的样本训练分类器，采用该分类器对样本集中的所有样本进行分类，计算得到用于预测有效警告或误报警告的真实类别概率值，采用阈值操作的方式对真实类别概率值进行调整得到新类别概率值，使用该新类别概率值对样本集中的所有样本进行预测分类。本发明方法在有效警告查全率Recall方面平均提高了44.07％，还能快速达到较高而平稳的查全率，同时较传统神经网络方法能达到更低的分类代价。
-
公开(公告)号：CN110109835A
公开(公告)日：2019-08-09
申请号：CN201910368699.X
申请日：2019-05-05
Applicant: 重庆大学
Abstract: 本申请公开了一种基于深度神经网络的软件缺陷定位方法(DMF-BL)，该方法主要从缺陷报告和代码文件等文本数据中提取了文本相似度、结构信息相似度、基于协同过滤算法的缺陷报告相似度、基于缺陷修复历史的相似度和类名相似度五个特征，并利用深度神经网络来整合这些特征，从而捕获特征之间的非线性关系。同时，该方法在六个项目中的23000个缺陷报告上评估了软件缺陷定位的能力，结果表明，不管是Top 1、5和10中成功定位缺陷的准确率还是平均精度均值(MAP)，DMF-BL的性能都要优于目前的缺陷定位技术。
-
公开(公告)号：CN106095671B
公开(公告)日：2018-10-02
申请号：CN201610392819.6
申请日：2016-06-06
Applicant: 重庆大学
Abstract: 本发明涉及基于过采样操作的代价敏感神经网络的警告分类方法，包括S1使用FindBugs工具对目标软件一系列版本的jar文件进行分析，得到目标软件的静态警告；S2对S1获得的静态警告进行标注；S3采用BP神经网络，使用过采样的方式改变样本集中样本的分布得到新的样本集，采用新的样本集中的样本训练分类器，然后使用该分类器对样本集中的所有样本进行预测分类，将样本集中的所有样本预测为有效警告或误报警告。本发明方法在有效警告查全率Recall方面平均提高了44.07％，还能快速达到较高而平稳的查全率，同时较传统神经网络方法能达到更低的分类代价。
-
公开(公告)号：CN114842402B
公开(公告)日：2024-05-31
申请号：CN202210589976.1
申请日：2022-05-26
Applicant: 重庆大学
IPC: G06V20/40 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于对抗学习的弱监督时序行为定位方法，包括如下步骤：从公开数据集中选取未裁剪视频数据,将每个未剪切视频分解为不重复的帧片段，然后提取每个帧片段的原始特征；利用原始特征总数X计算时序连续性支流的输入特征数据Xt；计算基础支流的和时序连续性支流的类激活序列分数及类时序注意力分数；将整体模型的类时序注意力分数和类时序注意力分数进行一致性约束；计算TEN网络模型的总损失函数同时对TEN网络模型进行训练，然后得到训练好的TEN网络模型；将待预测未剪切视频数据输入到训练好的TEN网络模型中，得到对待预测未剪切视频的行为定位。通过使用本方法可以对任意待预测视频中的时序行为进行精确定位。
-
公开(公告)号：CN112686203B
公开(公告)日：2023-10-31
申请号：CN202110037054.5
申请日：2021-01-12
Applicant: 重庆大学
IPC: G06V20/59 , G06N3/0464 , G06V10/82 , G06N3/08 , G06T7/62
Abstract: 本发明涉及车辆安全警示装置检测领域，特别涉及一种基于空间先验的车辆安全警示装置检测方法。本发明提出了基于深度学习和空间先验的车辆安全警示装置检测方法，S1：已有的数据集进行标注；S2：使用标注好的数据集对YOLOv3目标识别框架进行训练；S3：利用训练集及其标签计算距离基准量和面积基准量；S4：使用YOLOv3框架对待预测图片进行识别，之后得到一个存有警示标志信息的数组；S5：使用该数组中的信息计算待预测图片中警示装置的距离得分和面积得分；S6：如果距离得分与面积得分之和大于预先设定的阈值，则输出并同时标记为重点目标。
-
Patent Agency Ranking
公开(公告)号：CN112802054B
公开(公告)日：2023-09-01
申请号：CN202110152658.4
申请日：2021-02-04
Applicant: 重庆大学
IPC: G06T7/215 , G06T7/194 , G06T7/155 , G06V10/762
Abstract: 本发明涉及一种从序列图像或视频流中将运动物体从背景中分离出来的前景检测方法和系统，具体是涉及一种融合图像分割的混合高斯模型前景检测方法。首先，接受一个待检测视频作为数据输入；将此待检测视频作为一个视频图像帧序列，针对视频图像帧序列上的每个视频图像帧进行超像素分割，每个视频图像帧的构成元素由原来的像素转变为超像素；对超像素构成的视频图像帧序列进行混合高斯模型处理，使得前景图像和背景图像进行分离；最后对前景图像进行形态学后处理，输出需要的前景图像序列。
-
公开(公告)号：CN111738048B
公开(公告)日：2023-08-22
申请号：CN202010163685.7
申请日：2020-03-10
Applicant: 重庆大学
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/764
Abstract: 本发明涉及一种行人再识别的方法，首先获取原始图像集，并给每张原始图像标上类别标签；将每张原始图像处理成灰度图像和低分辨率图像；将每个训练样本的原始RGB图像，灰度图像和低分辨率图像作为LRAN模型的输入，对LRAN模型的参数进行优化得到最终LRAN模型；最后行人再识别，将两张行人图像经过处理后输入最终LRAN模型得到两张图像的特征ff1和特征ff2，计算特征ff1和特征ff2的距离两张原始图像之间的相似度。本方法考虑到了行人图像质量的变化，从原始RGB图像、灰度图像和低分辨率图像中提取并融合三种深度行人特征融合为一个更鲁棒的特征，在一定程度上就消除了图像质量差异在行人再识别过程中带来的影响。
-
公开(公告)号：CN110852273B
公开(公告)日：2023-05-16
申请号：CN201911099446.3
申请日：2019-11-12
Applicant: 重庆大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于强化学习注意力机制的行为识别方法，该基于强化学习注意力机制的行为识别方法包括以下步骤：S1：将构建的TSN卷积神经网络模型进行预训练，并通过所述TSN卷积神经网络模型从预先配置好的数据集中提取特征通道集；S2：将构建的深度强化学习网络模型进行预训练，并通过所述深度强化学习网络模型对所述特征通道集进行关键通道集的选择；S3：将构建的判别器神经网络模型进行预训练，并通过所述判别器神经网络模型对所述关键通道集进行动作分类。有益效果：本发明使用深度强化学习的方法获得一个能够主动关注到关键特征通道的注意力机制，并通过该深度强化学习方法可以达到提高视频识别精度的效果。
-
公开(公告)号：CN110188047B
公开(公告)日：2023-04-18
申请号：CN201910474540.6
申请日：2019-06-20
Applicant: 重庆大学
IPC: G06F11/36 , G06N3/0464
Abstract: 本发明涉及一种基于双通道卷积神经网络的重复缺陷报告检测方法，包括三个步骤，数据准备、建立CNN模型和待预测缺陷报告预测；在数据准备，对重复报告有用的字段，从缺陷报告中提取出来，对每一个报告，结构化信息和非结构化信息一起放入一个文本发明档中，经过预处理，每个由文本表示的报告被转化成一个单通道矩阵，把单通道矩阵组合成双通道矩阵，然后把一部分作为训练集，剩下的部分作为验证集。在CNN模型建立，以训练集为输入训练模型。在待预测缺陷报告预测阶段，训练好的模型加载预测一个未知缺陷报告与已知缺陷报告组成的缺陷报告对的相似度，这个相似度是一个表示缺陷报告对重复可能性的概率。本发明方法具有较高的预测准确性。
-
公开(公告)号：CN114255463A
公开(公告)日：2022-03-29
申请号：CN202111577870.1
申请日：2021-12-22
Applicant: 重庆大学
Abstract: 本发明涉及一种车辆车架号检测与识别的方法，包括如下步骤：S1构建车架号检测与识别模型，车架号检测与识别模型包括文本检测模块，文本方向分类模块和字符识别模块三个模块；S2对字符识别模块进行预训练得到次优字符识别模块；S3分别对文本检测模块，文本方向分类模块和次优字符识别模块进行训练得到最优文本检测模块，最优文本方向分类模块和最优字符识别模块；S4将待检测车辆的车架号图片依次输入最优文本检测模块，最优文本方向分类模块和最优字符识别模块，得到该待检测车辆的17位车架号。本发明方法使用基于分割的检测网络、轻量级的分类网络、端到端的识别方法对字符进行检测识别，综合了识别的准确率与推理速度。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.062 seconds)
