-
公开(公告)号：CN118038318A
公开(公告)日：2024-05-14
申请号：CN202410169076.0
申请日：2024-02-06
Applicant: 西安交通大学
IPC: G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/088 , G06N3/0985 , G06N3/084 , G06V10/764 , G06F16/75
Abstract: 本发明公开了一种基于混合孪生掩码自动编码器的无监督视频摘要方法及系统，本方法通过掩码后恢复镜头的方式，直接量化视频中每个镜头的重要性，提升镜头重要性评估的准确性，和人工摘要的拟合结果相比优于现有的其它先进算法，有效解决了以往基于生成对抗模型的无监督视频摘要方法训练不稳定的问题，使得生成的摘要结果更加稳定，且本方法模型训练不依赖于复杂的人工注释，和有监督方法相比具有更强的可行性，可以有效运用在视频分类、检索等领域。
-
公开(公告)号：CN115690796A
公开(公告)日：2023-02-03
申请号：CN202211191987.0
申请日：2022-09-28
Applicant: 西安交通大学
IPC: G06V30/148 , G06V30/42
Abstract: 本发明公开了一种身份信息识别方法、系统、设备及存储介质，包括以下步骤：获取待验证的身份证图片；对待验证的身份证图片进行标准化处理，获取标准化处理后的身份证图片，对标准化处理后的身份证图片进行碎片化处理，得到文字信息图片，对文字信息图片进行文字识别，获取待验证身份证图片的身份信息；基于获取的身份信息，对身份证的真伪进行验证，获取验证结果。本发明公开的方法以标准图片为参照，通过对待验图片进行处理，然后再提取信息特征，信息识别的精准度高，无需开放数据权限，就可以对身份信息进行识别验证，普适性更高，能运用在更多的生活场所。
-
公开(公告)号：CN115238595A
公开(公告)日：2022-10-25
申请号：CN202211020007.0
申请日：2022-08-24
Applicant: 西安交通大学
IPC: G06F30/27 , G06K9/62 , G06F119/02
Abstract: 本发明公开了一种PM10浓度预测方法、系统、设备及存储介质，首先对获取的空气质量历史数据进行清洗，对数据中的缺失值进行填充；基于填充后的数据选择出与PM10浓度数据存在相关性的数据；对相关性数据进行数据集划分，得到归一化处理后的数据；将归一化处理后的数据输送至Encoder‑Decoder WaveNet网络，提取时间依赖特征，并将时间依赖特征构建为输入矩阵，引入特征注意力机制，得到输入矩阵的加权特征矩阵；提取加权特征矩阵中的时序信息和特征信息，得到包含各历史时刻时序信息和特征信息的隐藏层状态；将隐藏状态发送至全链接层，得到预测结果，本发明公开的方法不仅考虑了时间的依赖性同时将相关性数据同时分析，提高了预测结果的精确性，保证了预测效果。
-
公开(公告)号：CN114429197A
公开(公告)日：2022-05-03
申请号：CN202210085746.1
申请日：2022-01-25
Applicant: 西安交通大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了种神经网络架构搜索方法、系统、设备及可读存储介质，初始化DARTS网络的相关参数，将图像训练集输入至初始化后的DARTS网络中，根据目标函数计算损失值，根据梯度信息使用二阶泰勒展开式计算出网络损失变化，使用基于突触显著性的评分指标计算指标显著性，采用连接敏感性指标到神经网络架构搜索，用来指示操作的重要性，将可微架构结构搜索定义为初始化时的网络剪枝，在网络剪枝的初始化中采用称为操作显著性度量，实验结果表明，该框架是一种有前景的、可靠的可微神经结构搜索解决方案，在不同基准数据集和DARTS搜索空间上都取得了良好的性能。本发明方法非常高效，可以在几秒钟内完成架构搜索。
-
公开(公告)号：CN114417172A
公开(公告)日：2022-04-29
申请号：CN202210096536.2
申请日：2022-01-26
Applicant: 西安交通大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种深度兴趣进化推荐方法、装置、设备和存储介质，训练数据集中提取模型所需要的用户特征和项目特征，并将提取的用户特征和项目特征按用户进行分组，对分组后的项目按时间戳进行排序，从排序后的项目中提取用户嵌入特征和项目嵌入特征，根据提取的用户特征和项目特征生成位置嵌入特征，将项目嵌入特征与位置嵌入特征相加后输入到建立的Transformer网络得到输出结果，将Transformer网络得到输出结果与用户嵌入特征连接后输入到一个两层的前馈神经网络，采用GELU作为激活函数得到最终的概率分布，通过概率分布得到最终预测项目，基于高阶特征融合的深度进化推荐方法，充分利用了用户信息和项目信息提升模型的预测能力，提高了预测推荐的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118366220A
公开(公告)日：2024-07-19
申请号：CN202410540681.4
申请日：2024-04-30
Applicant: 西安交通大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于RGB数据的轻量级人体行为识别方法及系统，通过构建的人体行为识别模型，依次提取视频中的空间特征和时序特征，模型在进行空间特征提取时，能够保留原有的空间信息，且在此过程中引入通道分离机制可降低模型的计算量，加快模型的计算速度，对设备性能的要求低，同时对提取的特征进行分类，使模型关注对分类结果为更重要的帧，提高模型识别的准确率，平衡了识别准确率与识别速度之间的问题。
-
公开(公告)号：CN114429244A
公开(公告)日：2022-05-03
申请号：CN202210048303.5
申请日：2022-01-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于图神经网络的舆情流行度预测方法及系统，包括以下步骤，首先定义流行度，建立信息级联图与流行度之间的关系模型；基于关系模型级联图特征，获取级联图特征；基于关系模型级联图特征，获取时间序列特征；基于时间序列特征，得到每个时间间隔的情感值，生成情感序列特征；将级联图特征、时间序列特征和情感序列特征连接，计算得到未来流行度。本发明可以有效预测舆情事件的流行度。有助于对社会事件的管理，减少经济损失，解决了现有技术中级联图表示效率低下，预测的准确率不理想的技术问题。
-
公开(公告)号：CN109784380A
公开(公告)日：2019-05-21
申请号：CN201811610865.4
申请日：2018-12-27
Applicant: 西安交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于生成对抗学习的多维度田间杂草识别方法，采用半监督学习策略训练总体网络，采用带标签数据和无标签数据输入对总体网络进行训练，利用带标签数据作为判别网络的输入，使用无标签数据对网络进行训练，用无监督数据产生的空间概率图作为半监督损失的计算，可以有效的反映出预测结果与真实数据分布的相似度，使用生成对抗学习寻找无标签数据的置信区域，通过自我学习得到最终的田间杂草识结果，使用置信图对网络进行自学习，采用半监督学习策略，可以突破带标签数据不足的限制；本发明使用分割网络替代传统的传统网络，可接受不同大小的输入特征，灵活性强。
-
公开(公告)号：CN119888333A
公开(公告)日：2025-04-25
申请号：CN202411955490.0
申请日：2024-12-28
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种多模态高光谱图像分类方法及系统，基于3D立方体和原始的中心像素，提取高光谱图像和其他模态图像的空间特征和像素级特征，基于图像块和中心像素，充分挖掘了HSI和其他模态图像的空间光谱特征与独特特征，并在此基础上构建了单一模态令牌和混合模态令牌，以与输入特征矩阵的行数呈线性相关的计算代价自适应地融合多模态特征，减少了信息的丢失，提高了分类效果，同时，生成的令牌不仅包含了各单一模态令牌，也包含了多模态融合令牌，全面地考虑到了各种特征融合情况，最大可能地减少了在特征融合过程中带来的信息丢失。
-
公开(公告)号：CN118430063A
公开(公告)日：2024-08-02
申请号：CN202410540651.3
申请日：2024-04-30
Applicant: 西安交通大学
IPC: G06V40/20 , G06V20/40 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于时空信息的双流人体行为识别方法及系统，通过双流人体行为识别模型首先对RGB特征和骨骼特征分别进行提取，提取的RGB特征蕴含着丰富的时序、背景及物体信息，骨骼特征蕴含丰富的时空信息，骨骼特征的提取可以对每个关节点进行不同级别的关注，并可以捕捉关键节点的信息，可以使模型获得更为精确的特征，保证后期动作识别的准确率，将两者融合后得到更抽象的融合特征，特征融合过程实现了不同模态特征的交互，提升了模型识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.021 seconds)
