公开(公告)号：CN116883649A

公开(公告)日：2023-10-13

申请号：CN202211634617.X

申请日：2022-12-19

Applicant: 西南交通大学

Inventor： 张晓博 ,  张继鑫 ,  韦琮华 ,  倪盼盼 ,  郭芯宇

IPC: G06V10/26 ,  G06V20/13 ,  G06V20/17 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开的基于改进DeepLabV3+的山体滑坡语义分割方法，涉及地质灾害检测技术领域。本发明通过获取遥感卫星或无人机拍摄的山体滑坡处的山体图像；将图像输入至训练后的DeepLabV3+神经网络中进行山体滑坡区域的语义分割；本发明克服了山体滑坡现场勘探的难度，可以利用遥感卫星或无人机现场采集到的滑坡图像进行山体滑坡的灾情初步分析；本发明所改进的DeepLabV3+神经网络无需在较高配置的计算机上运行，一般的计算机都可以运行识别，对硬件要求相对降低；改进了DeepLabV3+神经网络，将主干网络替换为MobileNetV2、优化器选择Adam、损失函数选择CELoss+DiceLoss以及在主干网络最后一层加入CBAM注意力机制，替换之后的算法分割效率更高。

公开(公告)号：CN114398961B

公开(公告)日：2023-05-05

申请号：CN202111624056.0

申请日：2021-12-28

Applicant: 西南交通大学

Inventor： 杜圣东 ,  邹芸竹 ,  李天瑞 ,  张凡 ,  张晓博 ,  赵小乐

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06F40/284 ,  G06V10/80 ,  G06V10/774 ,  G06F18/25

Abstract: 本发明公开了一种基于多模态深度特征融合的视觉问答方法，包括以下步骤：(1)使用卷积神经网络和长短时记忆网络分别获取图像和文本两种模态数据特征，然后利用获取的图像和文本两种模态数据特征进行模态内部和模态间的注意力建模；(2)构建注意力网络并将注意力层串联堆叠，其中两种模态特征相互作为注意力权重学习的参考进行更深度的特征交互；(3)通过多模态融合函数融合注意力加权后的图像信息和文本语义，并将融合特征传入分类器结合答案文本数据预测结果。除此之外本发明还公开了一种基于多模态深度特征融合的视觉问答模型。本发明相较于现有方法具有稳定性好、预测准确率更高、实验硬件环境要求更低等优点。

公开(公告)号：CN115601654A

公开(公告)日：2023-01-13

申请号：CN202211229050.8

申请日：2022-10-09

Applicant: 四川煤矿安全监察局安全技术中心(CN) ,  西南交通大学(CN)

Inventor： 李毅 ,  姬有仓 ,  张晓博 ,  李治旻

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/02

Abstract: 本发明公开了一种基于空天地一体化的矿山尾矿库灾害预警方法，步骤包括：通过遥感卫星获得矿山尾矿库的具体位置、类型、大小信息；对矿山尾矿库采用无人机拍摄技术，获取地貌影像数据图像；构建分类模型，下载地貌数据图像作为训练集，并输入到分类模型中训练得到矿山尾矿库地貌分类模型输出分类结果；对有土地裂缝图像地貌的矿山尾矿库进行结构稳定性的数据采集，选取6个影响因子作为影响矿山尾矿库稳定性能参数；构建BP神经网络并训练；将稳定性能参数输入到训练后的BP神经网络中，得到预测安全系数；对尾矿库安全系数达到阈值范围时，发出预警。本发明利用机器学习方法，能够有效获取尾矿库参数数据，对尾矿库的风险能够及时、有效的预警。

公开(公告)号：CN107729942A

公开(公告)日：2018-02-23

申请号：CN201710990955.X

申请日：2017-10-23

Applicant: 西南交通大学

Inventor： 杨燕 ,  张熠玲 ,  张晓博

IPC: G06K9/62

CPC classification number: G06K9/6298 ,  G06K9/6271 ,  G06K9/6274

Abstract: 本发明公开了一种结构化视图缺失数据的分类方法。属于数据挖掘技术领域。该框架有两个阶段：结构化视图缺失数据处理阶段、结构化视图缺失多任务多视图分类阶段。1.结构化视图缺失数据处理阶段：构建样本图；确定权重；转换样本到特征映射空间；删除缺失视图。2.结构化视图缺失多任务多视图分类阶段：选择合适分类器；训练分类器参数；将删除视图后的样本构造成完备数据集；利用提出的MMLE框架进行分类。本发明可用于实际场景中类似数据的信息不一致或原始数据保存过程中出现的数据缺漏，可以最大程度地提取原始数据特征，同时保留数据的分布及结构，大大提升了多任务多视图分类的性能及应用范围。

公开(公告)号：CN119646272A

公开(公告)日：2025-03-18

申请号：CN202510186603.3

申请日：2025-02-20

Applicant: 西南交通大学

Inventor： 张晓博 ,  盛逸凯 ,  孙波 ,  王富淞 ,  杨芸菲

IPC: G06F16/903 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于信息增强和多模态全局局部特征对齐的图文检索方法，涉及图文检索技术领域，步骤如下：1、获取图片信息和对应文本描述数据；2、分别对图片数据和文本数据进行特征提取，得到图片全局特征、局部特征和文本词特征和句子特征；3、将图片局部特征和图片全局特征进行融合，获得拥有全局信息的局部特征，实现信息增强；4、将图片特征和文本特征放入交叉注意力机制模型中进行粗细粒度特征融合，得到图文全局融合特征和图文局部融合特征，实现图文的粗细粒度对齐；5、将图文局部融合特征与图文局部特征进行相似度计算，以实现图文检索。本发明通过信息增强和特征融合，保证了粗粒度和细粒度的对齐，提高了图像和文本的对齐。

公开(公告)号：CN119091583A

公开(公告)日：2024-12-06

申请号：CN202411072441.2

申请日：2024-08-06

Applicant: 西南交通大学

Inventor： 张晓博 ,  孙宜敏 ,  吴韵杨 ,  陈琳 ,  郑海龙

IPC: G08B21/10 ,  H04L41/14 ,  H04L1/00

Abstract: 本发明提供了一种基于堆叠自编码器的滑坡灾害预警方法，解决了现有灾害预警系统中需要依赖于大量历史数据，并且要求进行精确的参数调优，以便能够准确捕捉和预测影响滑坡位移的各种因素，存在缺乏对新数据的自我调节能力，存在模型偏差等问题，本发明通过获取目标山体的滑坡监测数据；将所述滑坡监测数据进行预处理，获得滑坡特性数据以及滑坡位移阈值；将所述滑坡特性数据与所述滑坡位移阈值输入至滑坡预警模型，获得滑坡位移的预测值，其中，所述滑坡预警模型基于初始滑坡预警模型优化训练得到，由基于模糊逻辑的模糊层、处理线性变换的线性层以及基于堆叠元模型构建的决策层构成；基于所述滑坡位移的预测值确定滑坡预警结果。

公开(公告)号：CN118820941A

公开(公告)日：2024-10-22

申请号：CN202410824814.0

申请日：2024-06-25

Applicant: 西南交通大学

Inventor： 张晓博 ,  吴韵杨 ,  孙宜敏 ,  唐海豪 ,  张欣傲雪

IPC: G06F18/2415 ,  G06N3/049 ,  G06N3/0499 ,  G06N3/0464 ,  G06F18/213

Abstract: 本发明公开了一种基于径向基函数神经网络的矿区地质滑坡位移预测方法，涉及矿区地质滑坡技术领域，方法包括：获取矿区的时序参数数据；采用时间卷积网络提取所述时序参数数据的统计特征；将所述统计特征输入至训练好的径向基函数神经网络模型中，得到矿区地质滑坡位移；所述径向基函数神经网络模型以矿区的历史时序参数数据的统计特征为输入，以矿区的历史累积滑坡位移为输出进行训练。本发明能够实现对矿区地质滑坡态势的精确预测和分析。

公开(公告)号：CN118506122A

公开(公告)日：2024-08-16

申请号：CN202410522763.6

申请日：2024-04-28

Applicant: 西南交通大学

Inventor： 张晓博 ,  张欣傲雪 ,  包金雨 ,  谌柯宇 ,  赵紫煊

IPC: G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048 ,  G06V40/10

Abstract: 本发明涉及机器学习域泛化领域，具体公开了一种基于改进的元学习对抗域增强的域泛化方法，本发明方法通过重构特征提取网络结构、引入WGAN‑GP生成对抗网络，以及使用自归一化和交叉归一化方法进行数据标准化，实现在单一训练域下训练的模型泛化至未知领域中能够实现较好的效果。此外，本发明所提出的模型具有较高的正确识别率和泛化能力，且模型体积较小，能够在资源有限的计算环境中稳定且高效地运行。因此，该方法适合快速且广泛地部署于域泛化应用中，有效提升域泛化的性能和工作效率。

公开(公告)号：CN116824399A

公开(公告)日：2023-09-29

申请号：CN202211652066.X

申请日：2022-12-21

Applicant: 西南交通大学

Inventor： 张晓博 ,  韦琮华 ,  张继鑫 ,  郭佳菱 ,  方雨晨

IPC: G06V20/17 ,  G06V20/10 ,  G06V20/56 ,  G06V10/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开基于改进YOLOv5神经网络的路面裂缝识别方法，涉及路面裂缝识别技术领域。本发明对YOLOv5网络模型应用新的损失函数SIoU，该函数制定了更完善的惩罚指标，提升了模型训练的速度与推理的准确性；将YOLOv5网络模型的非极大抑制算法(NMS)更换为基于损失函数DIoU的DIoU‑NMS，提升识别准确性；在YOLOv5网络模型骨干网络中加入SE注意力机制模块，通过权重矩阵，从通道域赋予图像不同位置不同的权重，识别更重要的特征信息，提升识别准确性。

公开(公告)号：CN116797920A

公开(公告)日：2023-09-22

申请号：CN202310051326.6

申请日：2023-02-02

Applicant: 西南交通大学

Inventor： 张晓博 ,  李永乐 ,  张欣傲雪 ,  季敬皓 ,  倪盼盼

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

Abstract: 本发明公开基于Faster‑RCNN神经网络桥梁结构识别方法，涉及桥梁结构识别技术领域。本发明通过调整第一卷积块网络结构、更换激活函数和使用分组卷积改进Faster‑RCNN神经网络，并将获取的图像输入至训练后的Faster‑RCNN神经网络中进行桥梁结构识别，使其在识别桥梁结构时能够使用更小的模型，实现更高的精确度，更快的收敛速度和更强的鲁棒性。本发明不仅具有较高的正确识别率，并且模型体积相对较小，可以在配置较低的计算机上稳定高效运行，因此可以被快速、大量地应用于桥梁检修和维保工作中，可以有效提高桥梁检修维保工作的智能化水平，提升工作效率。