-
公开(公告)号：CN116630754A
公开(公告)日：2023-08-22
申请号：CN202310360864.3
申请日：2023-04-06
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/80 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本申请提供显著区域推断方法和系统，涉及目标检测的技术领域。在该方法中，服务器获取待检测图片的基础特征图；服务器根据多尺度通道注意力机制，对所述基础特征图进行多尺度特征提取，得到多尺度特征图；服务器将所述多尺度特征图输入至自适应特征融合网络中，得到所述待检测图片的显著区域，以完成对所述待检测图片的显著区域推断。实施本申请提供的技术方案，具有提高图片显著区域的推断准确性的效果。
-
公开(公告)号：CN116452320A
公开(公告)日：2023-07-18
申请号：CN202310385038.4
申请日：2023-04-12
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明涉及信用风险预测技术，其公开了一种基于持续学习的信用风险预测方法，在隐私保护导致的样本量有限的情况下，持续性地增强模型的性能，提高预测的准确性。本发明采用持续学习策略训练各个任务的预测模型，上一个任务的模型训练好后，提取模型的参数知识传递到下一个任务，从而辅助下一个任务的模型训练；此外，本发明在模型应用中还融入了三支决策，即首先根据各任务模型对相应任务训练数据集中样本预测结果的置信度分布情况，自适应设置模型的三支决策阈值对，在实际应用中，收到待预测信息后，采用当前最新模型输出对待预测信息的风险评估结果并统计置信度，而后根据三支决策阈值对执行决策，实现对不确定性样本的延迟决策处理，以便更好地控制信用风险。
-
公开(公告)号：CN116363579A
公开(公告)日：2023-06-30
申请号：CN202310211972.4
申请日：2023-03-07
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种重识别辅助的多阶段视频行人多目标跟踪方法及模型，搭建包括作为骨干网络的ResNet50、多层特征聚合模块、包括一个上下文抓取模块和一个注意力引导模块的注意力引导的上下文聚合模块、IDAUP子模块的MSMOT模型，并用其检测得到行人的检测边界框，并提取行人的重识别特征；注意力引导模块包括上下文注意力模块和内容注意力模块，IDAUP子模块输出浅层特征信息和深层特征信息分别作为重识别分支和检测分支的输入，检测分支采用三个并行的Head分别用于估计HeatMap、中心点的偏移以及边界框的尺寸；通过以卡尔曼滤波和匈牙利算法为基础的数据关联算法，依托检测边界框与重识别特征，完成检测边界框与相对应的行人轨迹之间的匹配。
-
公开(公告)号：CN115271033A
公开(公告)日：2022-11-01
申请号：CN202210783921.4
申请日：2022-07-05
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明涉及属于医学图像处理领域，提供了基于联邦知识蒸馏医学图像处理模型构建方法，利用私有数据集对子节点网络进行训练，利用训练好的子节点网络在公共数据集上前向传播得到第一脉冲张量，并上传至中心节点；中心节点接收后，基于公共数据集进行蒸馏训练，得到蒸馏产物；聚合各子节点蒸馏产物得到全局参数，利用其对中心节点网络进行更新后，在公共数据集上前向传播，得到的第二脉冲张量并将其分发至所有子节点；子节点接收第二脉冲张量用以在公共数据集上进行蒸馏训练，同步更新子节点网络参数，并进入循环训练；直至达到预设轮数后或预设值后停止训练。本发明同时提供了利用构建完成的模型对待处理的医学图像进行图像处理的处理方法。
-
公开(公告)号：CN119206595A
公开(公告)日：2024-12-27
申请号：CN202411219130.4
申请日：2024-09-02
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明涉及机器人自主导航与视觉识别技术领域，公开了一种自注意力下空间自感知的视觉场景识别方法，采用主要由ViTbackbone和特征聚合模块Token Module两部分所构成的S3VPR模型实现，包括下述步骤：1）对于给定的输入图像，利用ViTbackbone提取基础特征，得到特征图，而后形成新特征图；2）对新特征图进行reshape操作，将其从二维特征图转换为三维特征图；3）使用特征聚合模块Token Module先沿空间维度对三维特征图进行处理得到空间交互特征图，然后再沿通道维度进行处理得到通道交互特征图，而后进一步处理得到全局描述子；4）利用相似度算法将查询图像的全局描述子和数据库中所有数据库图像的全局描述子进行一一比较，找出所有和查询图像归属同一场景的数据库图像。
-
Patent Agency Ranking
公开(公告)号：CN119169306A
公开(公告)日：2024-12-20
申请号：CN202411191185.9
申请日：2024-08-28
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院 , 喀什大学
Abstract: 本发明公开了一种面向图像相似度任务的量子图像特征提取方法、计算机程序产品及终端，属于量子图像特征提取技术领域，包括：构建正负样本对；将正负样本对映射至量子态空间；通过双参数化量子电路将正负样本对的量子态表示转换为特征表示；选择不同测量基矢对量子态的特征表示进行测量，得到图像特征。双参数化量子电路中动量编码器通过动量更新机制保持与主编码器相似但略有不同的参数设置，实现更高效的对比学习；通过不同类型的观测获得原始数据的不同类型观测信息，对原始数据进行数据增强，获得更多负样本，通过逐步更新负样本集合中的样本，确保每个训练周期中都能利用最新的负样本，进而提升对比学习的效率和准确性。
-
公开(公告)号：CN119106746A
公开(公告)日：2024-12-10
申请号：CN202411167466.0
申请日：2024-08-23
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院 , 喀什大学
Abstract: 本发明公开了一种面向图像相似度任务的量子数据集构建方法、系统、存储介质及终端，属于图像处理领域，主要包括：S1、获取原始图像数据集，并对其中的原始图像进行增强，得到增强图像；将原始图像以及增强图像组合形成二元组数据集；S2、将所述二元组数据集中的每张图像通过特定的量子编码方法转换为量子态；S3、基于每张图像的量子态进行量子线路演化，生成每张图像演化后的量子态；其中，采用进化算法来优化量子线路，筛选出最优秀的量子线路；S4、将所述最优秀的量子线路保存为QASM文件，并对每个QASM文件进行标注；S5、将每张图像对应的QASM文件以及标注文件进行存储，得到面向图像相似度任务的量子数据集。本发明通过优化量子线路的设计，使得量子线路的深度和组合通过智能进化过程进行调整，确保了算法的适应性和多样性，在处理图像数据时能够达到更高的评估精度。
-
公开(公告)号：CN118690069A
公开(公告)日：2024-09-24
申请号：CN202410902540.2
申请日：2024-07-07
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06F16/907 , G06F18/22 , G06N3/0455 , G06N3/0499 , G06F16/901 , G06N5/022
Abstract: 本发明属于大数据处理技术领域，公开了一种基于超图检索增强的多模态社交媒体流行度预测方法，首先构建包含图像内容、文本内容和UGC属性信息的UGC记忆库；再从记忆库中检索出与目标UGC相关的若干实例，生成实例集；将生成的实例集转换成以目标UGC为中心的超图，并进行视觉模态和文本模态两种模态的模态内传播与模态间传播，得到更新后的视觉模态和文本模态表示；将目标UGC分别与更新后的视觉模态和文本模态表示进行级联，并经交叉注意力机制处理得到丰富化后的UGC表示，基于此得到流行度预测值。本发明基于属性感知的检索增强实例，并通过模态内传播与模态间传播有效地学习多模态表示，以丰富目标UGC的表示，增强社交媒体流行度预测任务。
-
公开(公告)号：CN118297227A
公开(公告)日：2024-07-05
申请号：CN202410438057.3
申请日：2024-04-12
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于长短期记忆神经网络的人员流动趋势分析方法，解决现有传统方法精度不高、预测不准在实际场景下难以使用的不足之处，同时也解决基于深度学习的方法难以同时捕捉空间依赖和时间依赖的不足之处，通过融合多种神经网络的方法，同时捕捉空间和时间依赖，实现人员流动趋势分析；包括下述步骤：1）构建并训练人员流动量预测模型，其中，人员流动量预测模型包括深度残差模块、长短期记忆模块、Hadamard乘积及全连接模块；2）利用训练好后的人员流动量预测模型进行人员流动量的预测。
-
公开(公告)号：CN118230087A
公开(公告)日：2024-06-21
申请号：CN202410250769.2
申请日：2024-03-06
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06V10/46 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明属于人工智能安全技术领域，公开了一种基于降维与迁移的对抗样本生成方法，将待处理原始图像和真实标签输入白盒模型集合；从白盒模型集合中随机选取一个白盒模型，通过FGSM算法生成一个候选对抗样本；将生成的候选对抗样本输入黑盒模型进行查询，获得满足终止条件的中间对抗样本；对生成的中间对抗样本进行噪声压缩，生成最终对抗样本。本发明提高了对抗样本的生成效率，同时降低了对抗样本与原始图像之间的差异。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.033 seconds)
