-
公开(公告)号：CN116383761A
公开(公告)日：2023-07-04
申请号：CN202310327947.2
申请日：2023-03-30
Applicant: 大连理工大学
IPC: G06F18/25 , G06F18/241 , G06F18/2135 , G06F18/10 , G06V20/40 , G06V40/20 , G06N3/045 , G06N3/0464 , G06N3/08 , H04W4/80 , H04W84/12
Abstract: 本发明属于非接触式人体行为技术领域，公开了一种基于视觉和WiFi的多模态分层交叉融合识别方法，本方法利用常见的商用摄像头和WiFi信号采集设备对人体行为进行采样，配合特有的深度学习网络对视频和WiFi信号进行辨别性特征的提取，利用多模态分层交叉融合方法挖掘两种模态的互补性信息关系，实现异构信息的互补，剔除信息间的冗余性，弥补单模态在不利情况下(障碍物、光线灰暗、视角不当等)识别不精准等问题，实现人体动作的高精度、高鲁棒识别。填补非接触感知领域多模态融合和互补的空缺，为基于深度学习的无源感知与识别打造应用示例。该方法可广泛应用到精准看护、饮食监测、和入侵检测等领域。
-
公开(公告)号：CN114781431A
公开(公告)日：2022-07-22
申请号：CN202210276418.X
申请日：2022-03-21
Applicant: 大连理工大学
Abstract: 本发明属于无线感知技术领域，涉及一种基于跨模态迁移的人体行为数据标注及识别系统与方法，本系统是利用常见的商用摄像头和WiFi信号采集设备对人体行为进行采样，配合特有的深度学习算法对视频片段和WiFi信号进行特征提取和模型训练，利用知识蒸馏将从视频中学习到的辨别性知识为WiFi模型提供无监督指导，由此实现数据标注和行为识别。本发明可实现在不同的评估环境下，甚至在不同的感知数据集下验证数据标注的有效性，填补无线感知领域数据标注及生成的空白，为基于深度学习的无源感知与识别打造应用示例。该系统可广泛应用到健身检测、饮食监测和入侵检测等领域。
-
公开(公告)号：CN114781431B
公开(公告)日：2024-10-01
申请号：CN202210276418.X
申请日：2022-03-21
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/088 , H04W24/08
Abstract: 本发明属于无线感知技术领域，涉及一种基于跨模态迁移的人体行为数据标注及识别系统与方法，本系统是利用常见的商用摄像头和WiFi信号采集设备对人体行为进行采样，配合特有的深度学习算法对视频片段和WiFi信号进行特征提取和模型训练，利用知识蒸馏将从视频中学习到的辨别性知识为WiFi模型提供无监督指导，由此实现数据标注和行为识别。本发明可实现在不同的评估环境下，甚至在不同的感知数据集下验证数据标注的有效性，填补无线感知领域数据标注及生成的空白，为基于深度学习的无源感知与识别打造应用示例。该系统可广泛应用到健身检测、饮食监测和入侵检测等领域。
-
公开(公告)号：CN118780526A
公开(公告)日：2024-10-15
申请号：CN202410807511.8
申请日：2024-06-21
Applicant: 大连理工大学
IPC: G06Q10/0631 , G06Q50/20
Abstract: 本发明所提出的一种满足复杂约束的自动排课算法，包括以下步骤：数据清洗：针对需求筛选出此次排课需要排课的课程，并进行相应的数据检查，确保数据无误以确保此问题有解；划分课程组：将课程进行划分，划分成一定数量的课程组，设计多阶段0‑1规划模型；模型求解：分为多个阶段，每阶段求解采用求解器进行求解，将上阶段求解的结果当作批外数据读入数据结构，与此阶段要排课的课程之间形成约束，使每阶段之间互不影响。该算法可对大规模排课问题进行求解，且可以实现每门课程可以选择任意时间和任意满足课程容量约束的教室，对于大规模的排课问题给出了一个表现优异的算法，即使问题规模很大，依然能给出一个令人满意的解。
-
-
-
Search Results
4
records
(took 0.06 seconds)
