-
公开(公告)号：CN108960029A
公开(公告)日：2018-12-07
申请号：CN201810247186.9
申请日：2018-03-23
Applicant: 北京交通大学
CPC classification number: G06K9/00369 , G06K9/6256 , G06K9/6269
Abstract: 本发明提供了一种行人分心行为检测方法。该方法包括：采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息；根据所述行人的位置区域采用选择性搜素的方法对所述行人图像进行区域分割和合并处理，检测出行人敏感部位图像，对所述行人敏感部位图像进行特征提取，得到所述行人图像的敏感特征矩阵；利用行人图像数据集中所有行人图像的敏感部位特征矩阵训练Adaboost分类器，将待检测的行人图像输入训练好的Adaboost分类器，所述Adaboost分类器输出所待检测的行人图像的检测结果。本发明的方法可以准确及时地对行人行为进行分析，判断该行人是否为使用手机的危险行人并及时反馈给行人、司机以及交管部门，起到安全警示作用。
-
公开(公告)号：CN108764018A
公开(公告)日：2018-11-06
申请号：CN201810289603.6
申请日：2018-04-03
Applicant: 北京交通大学
CPC classification number: G06K9/00825 , G06K9/6215 , G06N3/0454
Abstract: 本申请公开一种基于卷积神经网络的多任务车辆再识别方法及装置,所述方法包括：S110.建立车辆再识别数据集；S120.调整图片大小，并随机形成相应图片对；S130.将图片对分别输入网络进行训练；S140.进行图片相似度排序或优化，车辆再识别。本申请基于CNN的多任务方法进行车辆的再识别任务，针对目前主流车辆再识别CNN模型的缺点，提出了结合识别模型和校验模型的基于CNN的多任务模型，不仅拥有识别模式的优点，也有校验模型的优点，提高了车辆再识别的精确率，并且采用优化算法，有实现简单，训练速度快的特点，便于在实际环境下应用。
-
公开(公告)号：CN103527339B
公开(公告)日：2016-05-25
申请号：CN201310421359.1
申请日：2013-09-16
Applicant: 北京交通大学
Abstract: 本发明尤其涉及一种控制柴油机快速启停的方法。该装置由预处理器、启停控制模块依次相连；CAN总线分别与预处理器、启停控制模块相连。该方法包括以下内容：预处理器对加速踏板状态信息、车速、钥匙点火动作进行分析，将得到的启动或停机或不操作信号通过CAN总线发送给启停控制模块，启停控制模块根据预处理器发送过来的信号以及柴油发动机飞轮转速进行分析，得到断油控制、电机开关控制、电机转矩控制和喷油控制信号发送给喷油泵和电机；喷油泵根据喷油控制或断油控制信号进行工作，电机根据电机开关控制和电机扭矩控制信号进行工作。本发明实现了对柴油发动机的快速启动和停机，提高了燃油经济性，降低了尾气排放。
-
公开(公告)号：CN101616399A
公开(公告)日：2009-12-30
申请号：CN200910088261.2
申请日：2009-07-14
Applicant: 北京交通大学
Abstract: 本发明公开了一种高速铁路GSM专用网络的位置更新系统及方法。该系统包含移动组头和具有WiFi功能的移动终端，由同一节车厢中的旅客用户组成一个整体(群组)，并由群组中的移动组头作为整个组的代表，进行统一的位置更新。本发明有利于节省系统的频率资源，减少系统用于位置更新的开销，同时还不需要改动移动终端，解决了原来由于同时进行大量位置更新所带来的网络无线资源浪费问题。
-
公开(公告)号：CN119418168A
公开(公告)日：2025-02-11
申请号：CN202410952324.9
申请日：2024-07-16
Applicant: 北京交通大学
IPC: G06V10/82 , G06V10/80 , G06N5/025 , G06V10/74 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06V10/764
Abstract: 本发明提供一种基于元学习的多模态关系抽取方法及系统，属于文本实体识别技术领域，获取待预测的文本图像对；利用预先训练好的关系预测模型对获取的文本图象对进行处理，得到实体之间的多模态关系。本发明提出基于元学习的多模态关系抽取框架，适用于任何基于梯度下降的关系分类模型；通过元学习从头部关系类中学习获得初始参数，然后对尾项特征学习过程中的模型参数进行微调，它利用了从头部数据中学习到的先验知识，实现从易到难的任务学习；增强了尾部类的特征表示，弥合头类和尾类之间的特征差距，提高了关系识别的性能；在稀有类别训练时，动态地提高正梯度的权重并降低负梯度的权重，用于解决尾部数据稀疏问题。
-
Patent Agency Ranking
公开(公告)号：CN118862144A
公开(公告)日：2024-10-29
申请号：CN202410837156.9
申请日：2024-06-26
Applicant: 北京交通大学
IPC: G06F21/62 , G06N3/0464 , G06N3/0442 , G06N3/094 , G06F18/25 , G06F18/22
Abstract: 本发明提供一种多模态隐私数据生成模型训练方法、数据生成方法及系统，属于数据隐私保护技术领域，本发明实现了在一个统一框架中生成RGB图像和表格数据，无需使用额外的公开数据和端到端的训练方式，并且各类型数据的生成过程中相互联系，提升了生成数据的语义一致性，能够有效融合不同模态的关键信息实现准确的多模态数据判别；提出多角度判别与多模态匹配损失，多模态判别损失主导GAN模型的训练过程，单模态判别损失用于辅助模型平衡不同模态的学习效率，匹配损失促进模型对模态间关系的学习。为了降低生成模型的隐私泄漏风险，提出将差分隐私机制应用在基于GAN的图像与表格数据联合生成模型上，以平衡合成数据的可用性与隐私性。
-
公开(公告)号：CN118230263A
公开(公告)日：2024-06-21
申请号：CN202410111708.8
申请日：2024-01-26
Applicant: 北京交通大学
Abstract: 本发明提供一种骑行流量及人流量轻量化监控方法及装置，属于基于机器视觉的交通流量监控技术领域，获取慢行交通道路非机动车道视频，进行预处理，得到所需格式的视频图像序列进行标注，输入模型进行训练，得到训练轮次内平均精确度最高的权重文件，用于目标检测和跟踪算法；在检测视频中划分非机动车道区域，检测非机动车道上的机动车辆；利用训练好的模型，对非机动车道行驶的机动车进行识别检测，为每辆车分配唯一的标识；维护一个集合，记录每个标识和对应的数量；根据目标标识和集合，动态更新骑行流量和行人流量数据。本发明通过目标的唯一标识，可以动态更新人流量和骑行流量数据，提供了准确、实时、稳定可靠的慢行交通数据。
-
公开(公告)号：CN116707191A
公开(公告)日：2023-09-05
申请号：CN202310717966.6
申请日：2023-06-16
Applicant: 北京交通大学 , 国网河南省电力公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国家电网有限公司特高压建设分公司 , 河南豫能控股股份有限公司
Abstract: 本发明提供一种大型汽轮发电机转子匝导体通风系统结构，属于发电机技术领域，包括转子铁心上轴向设置的转子轴向通风槽；在所述转子铁心上间隔设置的转子匝导体，所述转子匝导体上设置有多个径向通风槽，所述径向通风槽连通所述转子轴向通风槽；所述转子匝导体上设有相互对称的多对通风沟，两个对称的通风沟相互连通。本发明通过对电机结构的转子匝导体开设长方体槽和对称通槽，使电机旋转得到更充分的利用，降低了空气在转子匝导体内流动时的能量损失，在大型汽轮发电机电机电动‑发电两种工况下，有效的提高转子通风槽的散热能力，进而降低励磁绕组的平均温度，有利于绝缘的健康状态，提高电机运行性能。
-
公开(公告)号：CN114140826A
公开(公告)日：2022-03-04
申请号：CN202111468443.X
申请日：2021-12-03
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于相机特征分离的目标重识别方法，包括如下步骤：步骤1：对数据进行预处理；步骤2：通过编码器提取样本特征，基于特征聚类生成伪标签；步骤3：基于注意力模块分离Feature Map；步骤4：向前传播得到目标和相机分类结果；步骤5：计算损失函数；步骤6：对模型进行优化计算；步骤7：得到测试模型的效果；步骤8：得到无监督目标重识别的解决方案；本申请相比于现有的消除相机影响的无监督目标重识别方法，用注意力模块直接分离相机特征更加直接，比二阶段方法更加简单；基于类别下相机中心的四元中心损失可以避免基于样本的度量损失的训练过程不稳定的现象。
-
公开(公告)号：CN114140469A
公开(公告)日：2022-03-04
申请号：CN202111462219.X
申请日：2021-12-02
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多层注意力的深度分层图像语义分割方法。该方法包括：构建图像语义分割模型，对训练图像进行预处理，得到包括训练图像的特征图的分割图像；通过图像语义分割模型使用多个不同大小的池化核对特征图进行池化处理，使用注意力函数对每一池化核层处理后得到的特征图进行注意力的计算，利用添加权重的交叉熵损失函数计算损失，使用损失进行梯度反向传播，得到训练好的图像语义分割模型；利用训练好的图像语义分割模型进行待分割的图像的语义分割处理。本发明图像语义分割模型在分层网络中添加了注意力机制，获得了全局的上下文信息，抑制无用的噪声。使用加权的交叉熵损失函数，使每个神经元获得到全局的上下文信息。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.094 seconds)
