视觉词典构建及应用方法和装置

    公开(公告)号:CN104978395A

    公开(公告)日:2015-10-14

    申请号:CN201510267106.2

    申请日:2015-05-22

    CPC classification number: G06F16/51

    Abstract: 本发明实施例提供了一种视觉词典的构建及应用方法和装置。包括:确定训练图像数据集,提取所述训练图像数据集中全部训练图像的局部描述符,得到第一局部描述符集;根据设定的分解方式将所述第一局部描述符集分解成若干第一子局部描述符集;对每个所述第一子局部描述符集分别进行聚类,分别得到每个所述第一子局部描述符集对应的第一视觉子词集,由所有所述第一视觉子词集构成视觉词典。通过本发明实施例,在构建视觉词典的过程中,提高了为实现图像检索所需要的运算时间以及内存占用。

    一种基于概率扩散模型的交通路网状态估计方法

    公开(公告)号:CN117690290B

    公开(公告)日:2025-01-17

    申请号:CN202311612649.4

    申请日:2023-11-29

    Abstract: 本发明公开了一种基于概率扩散模型的交通路网状态估计方法,包括:步骤1、分析交通路网环境数据,构建路网环境编码器;步骤2、提取路网状态特征,构建路网级别的交通状态估计模型Traffic DDPM,采用去噪概率扩散模型框架DDPM最大化拟合概率分布,采用步骤1所构建的路网环境编码器提取路网环境属性并融合为环境编码,采用无分类器引导器CFG控制模型采样方向,采用U型网络结构和注意力机制提取路网特征;步骤3、对步骤2得到的Traffic DDPM从模型准确度对比、实例误差方面校验模型,最终估计出路网状态。本发明可准确、高效地估计出任意环境条件下的交通路网状态,为决策者制定管理决策举措提供重要依据。

    一种基于概率扩散模型的交通路网状态估计方法

    公开(公告)号:CN117690290A

    公开(公告)日:2024-03-12

    申请号:CN202311612649.4

    申请日:2023-11-29

    Abstract: 本发明公开了一种基于概率扩散模型的交通路网状态估计方法,包括:步骤1、分析交通路网环境数据,构建路网环境编码器;步骤2、提取路网状态特征,构建路网级别的交通状态估计模型Traffic DDPM,采用去噪概率扩散模型框架DDPM最大化拟合概率分布,采用步骤1所构建的路网环境编码器提取路网环境属性并融合为环境编码,采用无分类器引导器CFG控制模型采样方向,采用U型网络结构和注意力机制提取路网特征;步骤3、对步骤2得到的Traffic DDPM从模型准确度对比、实例误差方面校验模型,最终估计出路网状态。本发明可准确、高效地估计出任意环境条件下的交通路网状态,为决策者制定管理决策举措提供重要依据。

    一种RGB-D图像显著性目标检测方法

    公开(公告)号:CN113763422B

    公开(公告)日:2023-10-03

    申请号:CN202110872457.1

    申请日:2021-07-30

    Abstract: 本发明属于图像目标检测技术领域,涉及一种RGB‑D图像显著性目标检测方法,包括:将深度图和RGB图像分别输入深度模态编码器和RGB图像编码器;深度模态编码器提供深度模态,RGB图像编码器提供RGB模态;在低层级特征编码阶段,RGB诱导细节增强模块通过将RGB模态的细节补充信息从RGB模态传输到深度模态,实现深度特征增强;在高层级特征编码阶段,深度诱导语义增强模块进行跨模态特征融合;通过密集解码重建结构生成预测的显著性图像。本发明提出一种新跨模态交互模式和跨模态差异交互网络,模拟两种模态的依赖性,并设计组件实现差异化跨模态引导,提出DDR结构,利用多个高层级特征更新跳连接生成语义块。

    基于跨模态交互和修正的RGB-D图像显著性目标检测方法

    公开(公告)号:CN115170830A

    公开(公告)日:2022-10-11

    申请号:CN202210580255.4

    申请日:2022-05-26

    Abstract: 本发明涉及一种基于跨模态交互和修正的RGB‑D图像显著性目标检测方法,包括:1、在编码阶段,彩色图编码器和深度图编码器分别提取彩色图模态和深度图模态的特征,彩色图模态和深度图模态的高层特征经渐进式注意力引导整合单元进行跨模态交互得到RGB‑D特征;2、特征修正中间件结构对编码阶段得到的彩色图模态、深度图模态和RGB‑D模态的特征进行自模态和跨模态的修正;3、在解码阶段,彩色图模态和深度图模态分别解码,并将各层级解码特征送入重要性门控融合单元进行融合解码,从而完成RGB‑D模态的解码,得到最终的显著图。本发明分别在不同阶段对特征进行交互和修正,实现两种模态更加全面的融合以及对互补信息的提取。

    一种基于词向量分析的网络文章所属事件的检测方法和装置

    公开(公告)号:CN105975478A

    公开(公告)日:2016-09-28

    申请号:CN201610218382.4

    申请日:2016-04-09

    Abstract: 本发明实施例提供了一种基于词向量分析的网络文章所属事件的检测方法和装置。该方法主要包括:建立典型训练集;对典型训练集中的每一条网络文章样本进行分词,去无用词预处理,得到规范化的网络文章样本文本;将每一条规范化的网络文章样本文本分别用word2vec算法和LDA算法提取特征,得到每一条网络文章样本文对应的多维词向量;将每一条网络文章样本文本对应的多维词向量和事件标签输入到随机森林算法,该随机森林算法输出事件的分类模型,利用所述事件的分类模型对待识别的网络文章文本进行识别,判断出所述待识别的网络文章文本所属的事件。本发明实施例充分利用了网络文本样本的信息,提高了网络文本样本所属事件分类的准确度。

Patent Agency Ranking