-
公开(公告)号：CN107807919A
公开(公告)日：2018-03-16
申请号：CN201711131318.3
申请日：2017-11-15
Applicant: 浙江大学
Abstract: 本发明公开了一种利用循环随机游走网络进行微博情感分类预测的方法。主要包括如下步骤：1)针对于一组用户及微博博文数据集，构建用户之间及用户与微博博文之间相互关系的网络。并且针对于形成的网络，利用循环随机游走网络形成用户微博情感分类预测函数。2)对于得到的用户微博情感分类预测函数，产生对于用户微博情感的分类预测。相比于一般的用户微博情感分类解决方案，本发明能够同时利用微博博文的信息与用户之间的社交关系。本发明在微博情感分类预测问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN102637199B
公开(公告)日：2014-01-29
申请号：CN201210050398.0
申请日：2012-02-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于半监督主题建模的图像标注方法。本发明的方法首先从互联网上得到图像，包括已有文本标注的图像，以及未标注图像。接着利用一种类似于概率潜在语义分析的模型，对所有图像的视觉特征和文本标注之间的联系通过潜在主题进行建模。然后构建所有图像的最近邻图，并根据由最近邻图进行建模得到的流形结构对模型进行调整。通过期望最大化算法学习该模型，并分别计算各个潜在主题与图像匹配的概率。最后根据潜在主题匹配图像的概率计算每个文本标注匹配未标注图像的概率，并选择概率最高的文本标注对未标注图像进行标注。
-
公开(公告)号：CN119576557A
公开(公告)日：2025-03-07
申请号：CN202411655809.8
申请日：2024-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于安全强化学习的云资源动态调度方法，包括：将每个应用需求抽象为一个有向无环图，每一个作业阶段用节点表示，每一条边表示作业阶段之间的数据依赖；将计算资源的动态调度问题建模为马尔科夫决策过程，构建强化学习策略模型，定义状态、动作和奖励；强化学习策略模型包含图神经网络和决策网络，决策网络接收图神经网络的输出，并生成选择调度的任务节点和资源分配上限；以奖励最大化为目标对强化学习策略模型进行训练；训练完成后，对于当前时间步，结合实时获取的计算集群的状态，按顺序计算每一个决策步要调度的任务节点和实际分配的计算资源。利用本发明，可以实现更高效的资源调度，提高了计算资源的利用效率。
-
公开(公告)号：CN118967809A
公开(公告)日：2024-11-15
申请号：CN202411020512.4
申请日：2024-07-29
Applicant: 浙江大学
IPC: G06T7/73 , G06T7/13 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于固定标识物视觉检测的无人机位姿估测方法及系统，包括以下步骤：(1)搭建深度模型，使用机场跑道图像进行目标检测训练；(2)使用深度模型进行推理，输入机载相机拍摄的机场跑道图像，输出跑道角点坐标；(3)通过后处理过滤筛选，得到置信度较高的角点；(4)使用消影点算法解算得到当前位姿状态；(5)使用正交迭代算法对位姿状态进行优化，得到机载相机的最终位姿结果。利用本发明，可以对现有的位姿估计方案进行优化，提升算法的精确度、泛化性和稳定性。
-
公开(公告)号：CN117032243A
公开(公告)日：2023-11-10
申请号：CN202311043080.4
申请日：2023-08-18
Applicant: 浙江大学 , 宁波舟山港集团有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种基于集装箱卡车检测的状态观测方法。方法将所要状态观测的参数分为横向和纵向的两部分，两部分分别进行处理建立对应的状态观测模型，将历史采集的横向和纵向两部分的参数由状态观测模型输入到同一目标函数中进行最优控制处理获得各自观测值，进而用于集装箱卡车的无人驾驶控制。本发明能够去除噪声实现有效的滤波，实现准确观测，能够对没有办法直接检测的速度、加速度、曲率等状态信息进行准确观测。
-
Patent Agency Ranking
公开(公告)号：CN116863207A
公开(公告)日：2023-10-10
申请号：CN202310750086.9
申请日：2023-06-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于知识蒸馏的图像分类方法，包括：(1)构建一个深度神经网络作为第一深度模型；(2)将构建的第一深度模型在图像训练集上进行训练；(3)提取训练好的第一深度模型中的网络骨干部分，在每层的输出后加入辅助分类头，随机初始化辅助分类头，构成第二深度模型；(4)冻结网络骨干部分，训练辅助分类头；(5)构建一个包含每层辅助分类头的深度神经网络，进行随机初始化，构成第三深度模型；(6)逐层训练第三深度模型，利用第二深度模型每层辅助分类头的输出作为监督；(7)提取第三深度模型的骨干部分以及最后一层辅助分类头，进行图像分类。利用本发明，可以提升训练模型的优化能力，提高图像分类的效果。
-
公开(公告)号：CN116645575A
公开(公告)日：2023-08-25
申请号：CN202310633481.9
申请日：2023-05-31
Applicant: 浙江大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/762 , G06V10/25 , G06V20/58 , G06T7/80 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于图像点云互信息的交通指示灯半自动化标注方法，包括如下步骤：(1)收集交通指示灯数据集，预处理后进行数据标注和增强；(2)使用步骤(1)的数据训练一个目标检测模型，所述的目标检测模型采用改进的加入锚定框优化和注意力机制的YOLOv4模型；使用训练好的目标检测模型对道路视频图像进行检索，找到含有道路交通指示灯的图片；(3)通过激光雷达和相机的联合标定，将2D图像的像素点反投影到激光雷达坐标系的3D点云数据；(4)人工对自动标注出的红绿灯位置进行校验和修正。利用本发明，有助于提升高精度地图制作效率和精确度，为自动驾驶系统提供了更精确的交通指示灯定位信息。
-
公开(公告)号：CN112116030B
公开(公告)日：2022-08-30
申请号：CN202011091695.0
申请日：2020-10-13
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于向量标准化和知识蒸馏的图像分类方法，包括以下步骤：(1)构建并训练一个教师模型，所述教师模型采用深度卷积神经网络；(2)构建一个比教师模型小的学生模型，所述学生模型也采用深度卷积神经网络；(3)使用蒸馏损失函数对学生模型进行训练，在训练过程中，对学生模型和教师模型输出的概率编码向量进行标准化；(4)将待分类的图像输入训练好的学生模型，进行分类预测。利用本发明，能够在不引入额外参数及计算开销的情况下，提升学生网络的性能，提高图像分类精度。
-
公开(公告)号：CN110717627B
公开(公告)日：2022-01-25
申请号：CN201910934228.0
申请日：2019-09-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于对偶图框架的全量交通预测方法，包括：(1)将路网结构表示为拓扑图，将路口作为节点，将连接路口的路段作为边；准备历史的边、节点数据以及未来的边、节点数据；(2)构造历史信息编码器，将历史数据输入到编码器中，通过多层的对偶映射，实现边和节点之间的信息传递，将多层对偶映射的输出拼接为历史特征张量；(3)构造未来预测解码器，将历史特征张量解码成未来时空特征，输出未来预测结果；(4)将预测结果和实际数据之间的误差作为损失函数来进行模型训练，直到损失函数收敛；(5)用训练好的模型，进行模型测试，测试完毕后进行应用。本发明的预测结果能够得到未来交通状况的全量完整描述，预测准确度高。
-
公开(公告)号：CN110570672B
公开(公告)日：2020-12-01
申请号：CN201910881544.6
申请日：2019-09-18
Applicant: 浙江大学
Abstract: 本发明提供了一种基于图神经网络的区域交通信号灯控制方法，同时训练一个交通流量预测器和一个交通信号灯控制器，通过使用交通流量预测器对当前干预动作下的未来车流变化预测值，来帮助交通信号灯控制器生成新的控制方案，并使用其对当前动作的价值的评价信息，来辅助训练交通信号灯控制器最大化交通信号灯控制方案的长期、短期收益。交通流量预测器和信号灯控制器均基于深度消息传播图网络搭建而成。利用本发明，可以不断优化系统适应变化的车流，提高路网通畅程度和交通效率。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.024 seconds)
