-
公开(公告)号：CN113505120A
公开(公告)日：2021-10-15
申请号：CN202111061863.6
申请日：2021-09-10
Applicant: 西南交通大学
IPC: G06F16/215 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种大规模人脸数据集的双阶段噪声清洗方法，本发明采用双阶段策略，让网络在训练过程中自发地检测闭集噪声样本和开集噪声样本，最终对闭集噪声样本进行重利用，对开集噪声样本从训练集进行删除。采用本发明方法清洗数据集后，训练出的模型的效果相比未清洗数据集来说在lfw精度上也大大的提高了,经统计可以正确识别出90%以上的噪声，实现非常好的噪声识别效果。清洗后的数据集上的模型训练结果，也大大优于未清洗的数据集上的训练结果，在常见的测试集,如LFW，Age‑DB，cfp‑fp上都证明了这一点。
-
公开(公告)号：CN113468156A
公开(公告)日：2021-10-01
申请号：CN202110772157.6
申请日：2021-07-06
Applicant: 西南交通大学
IPC: G06F16/215 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于特征融合增强的数据集缺失值填补方法。首先，设计了一种新型神经网络隐藏层，通过去跟踪神经元与径向基函数神经元从不同维度学习数据特征。去跟踪神经元可以降低自编码器无效恒等映射问题，有效挖掘数据属性间的关联特征；径向基函数神经元的自动聚类能力，可以更好地学习到缺失样本间的共性特征。其次，采用了一种迭代优化的缺失值动态填补策略，缺失值被视为代价函数的变量与模型的参数一起随着优化函数动态变化，在训练期间缺失值的估计误差会随着迭代优化的深入而渐进降低，模型的准确性和填补精度得以持续提升，同时提升模型对不完整数据的学习填补适应能力。
-
公开(公告)号：CN112381072B
公开(公告)日：2021-05-25
申请号：CN202110030865.2
申请日：2021-01-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于时空信息及人、物交互的人体异常行为检测方法，步骤如下：S1、数据采集与标注；S2、提取人和物体的位置信息；S3、提取人和物体的运动信息；S4、人和物体特征交互关系建模；S5、行为分类及融合；S6、检测结果优化。针对倒地、攀爬和肢体冲突异常动作以及持续性异常状态检测问题，采用人物交互的方式辅助判断异常行为，并结合重心的变化情况检测异常行为的持续性状态，同时，除了能够检测异常行为之外，本发明还可以检测走路、站立以及坐下这些正常动作。
-
公开(公告)号：CN112733719A
公开(公告)日：2021-04-30
申请号：CN202110032091.7
申请日：2021-01-11
Applicant: 西南交通大学
Abstract: 本发明涉及一种融合人脸及人体特征的跨境行人轨迹检测方法，所述检测方法包括：S1、分别对多个摄像机下录制的视频进行多行人/目标追踪，为每个行人/目标生成局部追踪轨迹序列；S2、对局部追踪轨迹序列中提取出的行人图像进行人体及人脸特征提取；S3、建立列表以存储每个局部追踪轨迹的时空信息及行人、人脸的均值特征；S4、根据列表内存储的信息进行全局轨迹匹配。本发明的优点在于：在进行局部轨迹间的匹配时，同时使用行人重识别与人脸识别模型提取的特征综合的计算两两轨迹间的距离，以减少对行人重识别模型性能的依赖，能够得到更准确的结果。
-
公开(公告)号：CN112257527A
公开(公告)日：2021-01-22
申请号：CN202011079614.5
申请日：2020-10-10
Applicant: 西南交通大学
Abstract: 本发明涉及基于多种目标融合与时空视频序列的手机检测方法，包括对改进的yolo模型进行训练得到检测模型，并输入视频图像帧运行检测模型得到第一帧预测值；对第一帧预测值进行解码，去掉score值低于预设值的框并以Diou阈值实现NMS，并根据某帧图像的解码结果在只出现手机框时，对手机框进行抑制；将抑制后的结果作为目标模板，输入视频图像帧作为候选框搜索区域，输入到全连接孪生网络，并选择score map相似度最大的结果对视频图像帧中的手机进行画框标记；如果已跟踪设定帧数，则重复上述步骤直到视频图像输入结束。本发明基于One‑stage检测算法中的轻量化检测网络，对网络结构和训练、检测方式进行精细化修改，在不降低检测速度的情况下，获取了较高的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN108304500B
公开(公告)日：2020-06-02
申请号：CN201810042155.X
申请日：2018-01-17
Applicant: 西南交通大学
IPC: G06F16/904 , G06K9/62
Abstract: 本发明公开了一种基于类属性的平行坐标可视化曲线绑定方法，包括如下步骤：若原始数据集不包含类别属性则采用聚类方法获得类别属性；分别计算各类别数据在各属性轴上的中心位置；根据吸引系数计算数据点在各属性上向其类中心偏移后的位置；在相邻属性轴间设置绑定控制点，并绘制样本在此区间内的绑定曲线；将所有相邻属性轴间的各段绑定曲线连接起来得到数据点的完整曲线。本发明有效地降低了平行坐标可视化在展示大量数据时所产生的视觉杂乱，通过将同类别的样本绑定约束在一起，为用户提供了更直观地了解、分析数据的功能。
-
公开(公告)号：CN108319569B
公开(公告)日：2020-04-03
申请号：CN201810045719.5
申请日：2018-01-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于维度重排序降低平行坐标可视化视觉杂乱的方法，包括如下步骤：首先计算样本在任意两个属性轴间的杂乱度，得到杂乱度矩阵；其次，根据杂乱度矩阵，寻找使得杂乱度之和最小的属性轴排列方式；最后按照得到的属性轴排列顺序将平行坐标轴绘制出来，得到杂乱度最低的平行坐标可视化视图。本发明有效地降低了平行坐标可视化因维度次序排列不当所产生的视觉杂乱，通过减少曲线的交叉点数量，为用户提供了更直观地了解、分析数据的功能。
-
公开(公告)号：CN110879985A
公开(公告)日：2020-03-13
申请号：CN201911129505.7
申请日：2019-11-18
Applicant: 西南交通大学
Abstract: 本发明公开了一种抗噪声数据的人脸识别模型训练方法，包括如下步骤：S1、构建人脸识别数据集，按照个体ID进行分类；S2、对步骤S1所获得的数据集进行预处理；S3、根据步骤S2的预处理结果，构建20层的ResNet网络结构提取特征，使用ArcFace损失函数训练人脸识别模型；S4、统计最近一定数量Batch中cosθ值的分布情况，以cosθ值为横坐标，同一个cosθ的数量为纵坐标，绘制曲线图P；S5、重复步骤S4，直到cosθ分布呈现两个高斯分布，分别计算两个高斯分布顶点横坐标α、β和交点横坐标λ；S6、根据α、β值的大小，判断模型拟合情况，动态调整损失函数。本发明能够自动过滤噪声数据扰，提高模型训练效果。
-
公开(公告)号：CN108876962B
公开(公告)日：2019-12-10
申请号：CN201810578845.7
申请日：2018-06-07
Applicant: 西南交通大学
IPC: G07C5/08
Abstract: 基于小波变换的铁路轨道里程数据的校准方法，属于轨道几何参数检测技术领域。本发明利用台账数据的曲线信息对采样数据的的每个区段进行逐一修整并以此作为标准数据，利用小波变换提取标准数据区段和待校准数据区段的高频细节部分作为特征值，基于余弦相似度原理寻找与待校准的采样数据区段相匹配的标准数据区段，并依据标准数据的区段对采样数据区段进行增加或删减数据点处理，最后自待校准的采样数据首区段起始点至末区段终止点按序对数据点的里程值逐一更新。运用本发明的方法进行里程校准，能够获取采集样点里程值相对准确的轨道检测数据，进而为一线工务人员科学防治铁路病害提供了参考数据，也为后续的分析奠定了基础。
-
公开(公告)号：CN108614894A
公开(公告)日：2018-10-02
申请号：CN201810441046.5
申请日：2018-05-10
Applicant: 西南交通大学
Abstract: 本发明属于人脸识别数据库技术领域，具体的说是涉及一种基于最大生成树的人脸识别数据库构成方法。本发明总的技术方案为先根据图片的标签进行分组，再根据每组图片的偏转角度以及平均相似度选取基准图片，采用最大生成树的方式对每组图片进行组内清理，剔除标签错误的图片。根据基准图片进行组间合并，最后选取阈值进行组内去重。本发明的有益效果为，明整体操作简单，采用自动化的方式实现图片清理，能提升清理效果，消除数据冗余，且能保证多个海量人脸数据库的有效融合，减少工作量。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.036 seconds)
