-
公开(公告)号:CN112766186B
公开(公告)日:2024-05-28
申请号:CN202110093339.0
申请日:2021-01-22
Applicant: 北京工业大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种基于多任务学习的实时人脸检测及头部姿态估计方法,用于解决头部姿态估计模型在同时估计多人头部姿态时的低效性,以及存在大量冗余计算的问题。具体包括特征提取网络以及四个支路组成,特征提取网络用于提取输入图片的4个不同层级的语义信息,每个层级的语义信息送入到对应支路当中。每个支路用于对不同层级的语义信息进行人脸检测及头部姿态估计,四条支路输出结果即为最终的人脸检测及对应的头部位姿估计结果。同时设计了多任务损失函数来评判模型的收敛,包含人脸检测的损失及头部姿态估计损失两部分。本发明在估计多人头部姿态时,效率有了巨大的提升。
-
公开(公告)号:CN115710299B
公开(公告)日:2024-05-24
申请号:CN202211349415.0
申请日:2022-10-31
Applicant: 北京工业大学
Abstract: 本发明公开了肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态成像探针,所述的探针化合物结构如式I所示。该探针本身荧光/光声双模态信号极弱,与超氧阴离子特异性响应后荧光/光声双模态信号显着增强。该探针不仅制备方法简单,具有高灵敏度、高选择性和肝靶向性,而且还成功用于早期药物性肝炎和自身免疫性肝炎中超氧阴离子浓度和分布的可视化,在生物医药领域具有广阔的应用前景。#imgabs0#
-
公开(公告)号:CN113468471B
公开(公告)日:2024-05-24
申请号:CN202110543478.9
申请日:2021-05-19
Applicant: 北京工业大学
Abstract: 本发明提出一种基于张量型加权Schatten‑p范数的交通数据修复方法。该方法首次将加权Schatten‑p范数引入交通数据修复的问题中,其形式更接近于张量秩函数的形式,更确切地说是加权核范数和张量秩函数之间的一种平衡,可以更好地挖掘数据之间的各向异性;其次,提出一种全新的权重向量构造方法,可以极大限度地保证奇异值之间的大小关系,保证数据的主成分不被破坏;最后,通过引入广义奇异值软阈值算法和ADMM算法,成功求解优化问题的全局最优解。本发明进一步优化低秩结构,确保结果的低秩性以及对权重向量进行重构,保证各个奇异值在原数据中所起的作用,最终提升数据修复效果。
-
公开(公告)号:CN115146695B
公开(公告)日:2024-04-02
申请号:CN202210295276.1
申请日:2022-03-23
Applicant: 北京工业大学
IPC: G06F18/2413 , G06N3/042 , G06N3/08 , G06Q50/40
Abstract: 一种基于超图注意力网络的公共交通出行群体分类方法属于智能交通系统领域,旨在解决出行群体分类问题。首先,利用KNN(K‑NearestNeighbor)网络将公共交通个体出行特征数据构建出超图表示,其中节点表示出行个体,超边为KNN建模的出行个体间的属性拓扑关系;接下来使用超图注意力网络(HGAT)学习超图中节点的表示,共分为两步。第一步,用节点注意力来学习节点的特征表示。第二步,采用另一个聚合器来聚合节点的最终表示;最后,将节点的表示输入到线性层,进行出行群体的分类,并采用交叉熵损失来优化模型的预测能力。实验证明,本发明能够实现对于公共交通出行群体的精准分类,且准确度有了很大的提升。
-
公开(公告)号:CN117726070A
公开(公告)日:2024-03-19
申请号:CN202311772341.6
申请日:2023-12-21
Applicant: 北京工业大学
IPC: G06Q10/063 , G06Q10/04 , G06F18/23213 , G06F18/25 , G06F16/901
Abstract: 本发明涉及一种基于自适应多图融合的多任务学习城市人群流量预测方法,能达到良好的预测精度。本方法旨在最优地利用城市不同地理区域内复杂的空间结构,通过多任务学习框架提高预测性能。多图融合的自适应方法为多任务预测提供了全新的视角和潜力,使得能够同时提取不同类型节点图结构之间的多种任务相关关系,从而更全面地符合人群流动模式。本发明引入自适应多图融合的概念,该方法将城市空间关系从多个维度建模为多个图,通过融合这些图结构来捕捉节点之间的时空依赖关系。此外本方法首次在人群流动预测的背景下使用多任务学习框架,捕捉多个相关预测任务之间的特征时空关系,从而实现这些任务的协同预测提升了整体预测性能。
-
公开(公告)号:CN112926449B
公开(公告)日:2024-03-15
申请号:CN202110210298.9
申请日:2021-02-11
Applicant: 北京工业大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种基于任意角度人体图像的正面姿态估计方法属于计算机视觉领域,本发明包括一种多角度人体图像数据集的制作以及针对所提出数据集进行二维人体图像的正面姿态估计的算法设计两部分。数据集制作部分主要通过设计一整套数据的采集和数据的处理的方法,通过数据集的制作为算法设计提供数据支持。算法设计部分主要是通过对目前主流的深度学习算法进行改进,以实现任意角度人体图像的正面姿态估计。本发明可以完成任意角度图像的正面姿态估计,即使对人体自遮挡非常严重的背面图像,或者有部分人体缺失侧面图像也可以有较好的表现。
-
公开(公告)号:CN111461437B
公开(公告)日:2023-11-07
申请号:CN202010252751.8
申请日:2020-04-01
Applicant: 北京工业大学
IPC: G06Q10/047 , G06V10/762 , G06V10/82 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 本发明提出一种基于生成对抗网络的数据驱动人群运动仿真方法,涉及人群仿真和深度学习等领域,用于在从行人运动视频数据中提取的行人轨迹数据集的基础上,在仿真场景中生成数据集中不存在的虚拟行人,并且为生成的虚拟行人根据给定的条件如初始位置、目的地等以及整个场景内的其它因素进行完整的、更贴近真实行人反应的路径规划。该方法应用了基于长短期记忆网络(LSTM)的生成对抗网络(GAN)来训练仿真模型。本发明的方法仿真出的虚拟行人的运动轨迹相较于传统的基于规则的人群仿真方法的仿真效果更具真实感、与现实行人运动情况更为相近。本发明完成了对虚拟行人进行的轨迹规划任务,并且有效地提高了人群运动仿真效果的真实性。
-
公开(公告)号:CN110188427B
公开(公告)日:2023-10-27
申请号:CN201910415935.9
申请日:2019-05-19
Applicant: 北京工业大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于非负低秩动态模式分解的交通数据填充方法,从道路上的交通探测器中得到的交通数据,将其处理成m列的数据快照矩阵的形式,然后分成两个具有m‑1列的数据快照矩阵来分别代表原始数据的前m‑1列和后m‑1列。然后考虑矩阵填充中的映射算子,并考虑到交通数据的非负性,得到交通数据的填充模型,最后通过该方法提出的模型进行交通数据的填充修复。此方法能够不仅能够直接处理从交通探测器得到的交通数据所形成的数据快照矩阵,还能够处理有缺失的交通数据并进行填充。与一些传统的交通数据矩阵填充方法相比,本发明考虑到了交通数据会出现局部丢失的问题,提升交通数据的填充修复能力,证明该方法的有效性以及实用性。
-
公开(公告)号:CN115710299A
公开(公告)日:2023-02-24
申请号:CN202211349415.0
申请日:2022-10-31
Applicant: 北京工业大学
Abstract: 本发明公开了肝靶向的早期药物性肝炎和自身免疫性肝炎的荧光/光声双模态成像探针,所述的探针化合物结构如式I所示。该探针本身荧光/光声双模态信号极弱,与超氧阴离子特异性响应后荧光/光声双模态信号显着增强。该探针不仅制备方法简单,具有高灵敏度、高选择性和肝靶向性,而且还成功用于早期药物性肝炎和自身免疫性肝炎中超氧阴离子浓度和分布的可视化,在生物医药领域具有广阔的应用前景。
-
公开(公告)号:CN114611281A
公开(公告)日:2022-06-10
申请号:CN202210213084.1
申请日:2022-03-06
Applicant: 北京工业大学
IPC: G06F30/20 , G06F17/16 , G06F119/02
Abstract: 本发明提出了一种基于低秩张量动态模式分解的数据缺失情况下交通预测方法。首先引入动态模式分解的张量形式,将每一天时间序列的动态变化表示成由不同状态转移矩阵组成的动态张量,用于捕捉交通数据中的动态特性。然后引入掩码算子,约束重构出来的观测张量与带有缺失数据的原始观测张量在数据未缺失部分误差尽可能小。之后考虑到交通数据的时间周期性和空间相似性,在动态张量上施加全局的低秩约束和时间约束。最后对重构的观测张量进行求解,得到预测结果。实验证明,在数据缺失的影响下,本发明提出的方法能够有效实现交通预测任务。
-
-
-
-
-
-
-
-
-