-
公开(公告)号：CN118732499A
公开(公告)日：2024-10-01
申请号：CN202410715378.3
申请日：2024-06-04
Applicant: 北京交通大学
Abstract: 本发明提供高速铁路列车自主协同运行控制方法及系统，属于高速铁路列车运行控制技术领域，构建复杂运行环境下高速铁路自主感知理论模块；从自主感知理论模块提取数据，构建协同条件下高速列车运行控制模型，得到面向状态驱动的高速列车智能自主控制模块，构建动力学列车模型，输出协同条件下多车追踪优化方法，得到基于车车通信的多车追踪间隔优化控制模块；得到多层域列车群博弈模型，获取基于群体智能的列车群分布式协同控制模块，实现列车群分布式协同运行控制。本发明生成基于全局信息的控制调度多尺度推荐策略和面向状态驱动的运行时主动防护曲线，实现了基于群体智能的分布式控制，有效提升行车安全性和运行效率，最大化提升旅客运输能力。
-
公开(公告)号：CN117896413A
公开(公告)日：2024-04-16
申请号：CN202410202022.X
申请日：2024-02-23
Applicant: 北京交通大学
IPC: H04L67/12 , H04L67/5651 , H04L41/14 , H04L41/16
Abstract: 本发明提供了一种基于少学习参数神经网络的物联网设备数据服务方法。该方法包括：使用不学习模块替换深度神经网络模型中的可学习卷积层，得到少学习参数神经网络模型；云服务器中将训练好的少学习参数神经网络模型中的不学习参数去除，得到只包含可学习参数的手术模型，将随机种子和手术模型通过网络传输给物联网设备；物联网设备通过随机种子动态生成不学习参数，根据不学习参数与包含无梯度的推理时参数得到完整的神经网络模型，以提供数据服务。本发明方法中的物联网设备只需存储云服务器传输的可学习参数与随机种子，就可以在物联网设备上部署完整的神经网络，减少了云服务器传输至物联网设备的模型参数数量与物联网设备的存储资源开销。
-
公开(公告)号：CN111581469B
公开(公告)日：2024-03-01
申请号：CN202010412162.1
申请日：2020-05-15
Applicant: 北京交通大学
IPC: G06F16/906 , G06N20/00
Abstract: 本发明提供了一种基于多子空间表示的偏多标记学习方法。该方法包括利用真实标记矩阵构建标记子空间，利用特征映射矩阵构建特征子空间，通过标记子空间和特征子空间学习得到基于多子空间表示的偏多标记学习模型；对基于多子空间表示的偏多标记学习模型进行交替优化训练学习，求解基于多子空间表示的偏多标记学习模型，得到最优的预测模型；将未知样本输入到最优的预测模型，最优的预测模型输出未知样本的标记信息。本发明解决了特征存在噪声和冗余标记的问题，使用映射矩阵将特征空间映射到子空间，减少特征噪声对预测模型的影响；使用矩阵分解技术将标记空间降维到标记子空间，使用图拉普拉斯约束标记子空间，消除冗余标记噪声对预测模型的影响。
-
公开(公告)号：CN116775927A
公开(公告)日：2023-09-19
申请号：CN202310585136.2
申请日：2023-05-23
Applicant: 北京交通大学
IPC: G06F16/583 , G06F16/33 , G06V10/46 , G06V10/74 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于局部上下文的跨模态图文检索方法及系统，属于计算机视觉、模式识别及人工智能技术领域，获取数据并预处理后，使用自底向上的注意力机制提取图像中的显著区域；使用序列模型获得文本特征；对图像的区域特征和文本的单词特征分别建立图结构，并使用图卷积神经网络进行模态内关联性挖掘；模型加入了区域上下文学习模块，从方向和距离的角度学习图像区域的上下文信息，获得了图像中不同区域之间的空间关系和潜在语义关系。引入交叉注意力机制进行模态间交互探索模态间细粒度对应关系，将增强后的局部特征与通过自注意力得到的全局特征拼接，使用多层注意力公式对其进行相似度推理，获得最终的相似度分数，提高了图文检索的精度。
-
公开(公告)号：CN115240106B
公开(公告)日：2023-06-20
申请号：CN202210815080.0
申请日：2022-07-12
Applicant: 北京交通大学
IPC: G06V20/40 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种任务自适应的小样本行为识别方法及系统，属于计算机视觉技术领域，获取待识别的视频数据；利用预先训练好的识别模型，对获取的所述待识别的视频数据进行处理，得到动作类别结果加入注意力层，提取行为主体在图片帧中的位置信息以及图像内容信息，通过注意力机制对提取的特征特征进行调制，获取同一类动作的类内特征共性以及不同类动作的类间的差异性。本发明提取特征时加入注意力层，产生更具分辨性的特征表示；对同类行为中不同样本进行随机多模态融合，扩充了支持集数据，使得模型对行为主体所在环境的变换鲁棒性更强；通过task级的特征调制，使特征更符合当前任务的需求并聚焦于行为主体，有助于提高分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN115049894A
公开(公告)日：2022-09-13
申请号：CN202210609475.5
申请日：2022-05-31
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/764 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08 , G06V40/10
Abstract: 本发明公开了一种基于图学习的全局结构信息嵌入网络的目标重识别方法，包括步骤：数据集分类及预处理、训练集上图的构建和初始化、训练深度学习模型、测试深度学习模型。本发明利用图学习理论并通过图卷积神经网络自动学习这种全局结构信息，将该关系嵌入所学的特征中，获得更有表征能力的图形表示，将目标重识别问题转化为新的边预测问题，从而更快更准确地判断数据间的关系，提高了目标重识别的精度。
-
公开(公告)号：CN112734881A
公开(公告)日：2021-04-30
申请号：CN202011381287.9
申请日：2020-12-01
Applicant: 北京交通大学
IPC: G06T11/60 , G06F40/30 , G06F40/289 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种基于显著性场景图分析的文本合成图像方法及系统。该方法包括：根据依赖关系解析将文本描述构建成依赖树，进行树转换以得到语义图，构建一个基于规则的场景图解析器，该解析器从依赖项语法表示映射到场景图；利用背景检索模块对场景图进行检索，得到与给定场景图最相关的候选分割图；通过背景融合模块对候选分割图进行编码得到背景特征；将前景对象和背景特征表示都输入到生成对抗网络中，得到文本合成图像模型，使用模型以测试文本描述为输入，生成具有前景和背景视觉上一致的高分辨率图像。本发明将基于显著性的场景图引入到图像合成中，通过探索跨模态文本语义空间配置，有效的提高了图像合成的准确率。
-
公开(公告)号：CN111814584A
公开(公告)日：2020-10-23
申请号：CN202010560236.6
申请日：2020-06-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多中心度量损失的多视角环境下车辆重识别方法。该方法包括：获取包含车辆身份标签的车辆样本图像，经过空间变换网络对图像进行仿射变换后，将图像经过深度卷积神经网络进行特征提取，得到图像的特征向量；根据图像的特征向量分别计算出分类任务损失和多中心度量学习损失并相加，得到综合损失的值；根据综合损失的值计算深度卷积神经网络的参数和视角中心向量的梯度，得到训练好的深度卷积神经网络模型；利用训练好的深度卷积神经网络模型对车辆图像进行特征提取和身份识别处理。本发明使用空间变换网络对图像进行仿射变换，采用K-means聚类的方法的估计视角信息，可以增加车辆视角估计的准确性，提高车辆重识别的准确率。
-
公开(公告)号：CN110704865A
公开(公告)日：2020-01-17
申请号：CN201910823578.X
申请日：2019-09-02
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于动态图数据发布的隐私保护方法，包括：采用序列抽取生成器抽取前一时刻以及当前时刻的图属性序列；将抽取出的两个属性序列输入到激活函数中，计算激活函数的值；当激活函数的值小于等于一定阈值时，采用局部的匿名函数接口对图进行匿名化操作，得到匿名化后的图；当激活函数的值大于一定阈值时，采用全局的匿名函数接口对图进行匿名化操作，得到匿名化后的图。本方法采用激活函数来决定哪个时刻匿名化进程需要被重启，保证了匿名过程中能够自适应地选择匿名策略，从而减少了动态图数据发布过程中的累计信息损失，提高了匿名化后数据的可用性。
-
公开(公告)号：CN108647705B
公开(公告)日：2019-04-05
申请号：CN201810368937.2
申请日：2018-04-23
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于图像和文本语义相似度的图像语义消歧方法和装置。该方法包括：将一个多义词的一个意思用一个均值向量表示，使用图像显著性标签对待处理图像进行标注，得到待处理图像的标签，将待处理图像的标签和图像内容转换成向量的形式，得到待处理图像的融合向量；使用余弦相似度分别计算出待处理图像的融合向量与每个均值向量之间的相似度，找出相似度最大的均值向量，将该相似性最高的均值向量对应的意思确定为待处理图像的正确解释。本发明采用图像、文本结合的方法，将图像转换为向量，解决了图像翻译和图像查询歧义的问题，并开创性地实现了有效消除图像歧义性。大大提高了图像查询和解释的准确性，降低了图像解释的错误率。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.026 seconds)
