-
公开(公告)号：CN116862773A
公开(公告)日：2023-10-10
申请号：CN202310888738.5
申请日：2023-07-19
Applicant: 西安电子科技大学
Abstract: 一种应用于复杂场景下的视频超分辨率重建方法，对待处理的帧序列进行特征提取，送入预融合模块进行预处理和融合操作，得到的帧序列送入多注意力机制双向传播对齐模块进行特征对齐，利用多注意力机制对双向传播中各单元的特征进行特征加深，得到的帧序列进行组合重建，再送入二阶双向传播对齐模块进行二次特征对齐，再次进行重建；对所得特征图结果进行放大，得到高分辨率特征图；将待处理的帧序列对应的高分辨率视频帧按时间排序，对两次重建后的帧序列分别进行双三次插值上采样操作，与高分辨率特征图进行像素相加操作，最终得到超分辨率后的超分辨率视频帧序列。本发明解决了复杂超分场景下原视频帧带来的伪影和模糊问题。
-
公开(公告)号：CN116361541A
公开(公告)日：2023-06-30
申请号：CN202310042279.9
申请日：2023-01-28
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F16/35 , G06F16/36 , G06F40/216 , G06F18/22 , G06F18/214 , G06F18/2415 , G06Q50/20 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于知识追踪与相似度分析的试题推荐方法，本发明使用知识点相似度与文本词向量分析的方式进行试题相似性比对，解决了现有技术存在的试题聚类对比度过高、知识点词向量不完整、试题文本解析不全面的问题。本发明利用训练好的知识追踪网络，分析学生的学习行为，动态更新学生的知识点的掌握情况，并利用试题相似度分析结果与学生的答题记录，为学生推荐试题内容，解决了现有技术存在的不同能力学生的差异化问题。使得本发明推荐的试题具有在分类方面有着更快的解析速度、清晰的模块划分以及高准确率的试题分类的优点。
-
公开(公告)号：CN116311495A
公开(公告)日：2023-06-23
申请号：CN202310070774.0
申请日：2023-01-19
Applicant: 西安电子科技大学
Abstract: 一种基于视频输入的双流全局‑局部动作识别方法、系统、设备及存储介质，方法包括：采集内容为单个识别对象行为的视频输入，使用识别对象关键点识别方法提取识别对象特征关键点，并选取其中关键点在识别对象行为视频中进行逐帧裁剪，得到多个对应区域的局部图像；对识别对象局部图像组成的多个局部视频输入和全局视频输入进行数据预处理工作；分别使用局部视频和原始视频输入网络，训练局部特征提取模块和全局特征提取模块；加入局部特征增强模块和结果融合结构协同训练，得到全局‑局部动作识别模型；进行动作识别；所述系统、设备及介质用于实现多局部提取的双流全局‑局部动作识别方法；本发明操作简单、能够提高整体双流全局‑局部动作识别方法得到的动作识别预测结果的效果。
-
公开(公告)号：CN115935969A
公开(公告)日：2023-04-07
申请号：CN202310030248.1
申请日：2023-01-10
Applicant: 西安电子科技大学
IPC: G06F40/279 , G06F40/216 , G06F40/30 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多模态信息融合的异构数据特征提取方法，其实现步骤为：通过使用文本编码器和图像编码器组成双流架构，对不同模态的数据特征提取分别构建不同的编码器，在对异构数据特征进行融合的时候充分考虑到不同模态数据之间的局部对应关系，使用注意力机制对异构数据进行融合。由此解决现有技术编码器模型参数混乱、训练过程复杂，以及异构数据特征信息融合不完全的问题。使得本发明能更好地处理异构数据，提高了异构数据特征提取的准确度。同时也提高了信息融合的完整度，确保提取出来的异构信息特征融合的有效性。
-
公开(公告)号：CN115203053A
公开(公告)日：2022-10-18
申请号：CN202210911699.1
申请日：2022-07-28
Applicant: 西安电子科技大学
IPC: G06F11/36
Abstract: 本发明公开一种基于频繁序列挖掘的代码克隆检测方法，主要解决现有代码克隆检测方法无法识别插入删除重复代码和检测性能低问题。其实现方案是：通过生成词法工具和语法解析工具对源代码进行解析获取抽象语法树；解析抽象语法树获取源代码函数或方法中的Token集并对其进行标准化处理；利用处理后的Token组成行序列建立序列数据库；使用闭合模式挖掘算法ClaSp对序列数据库进行挖掘，构建候选克隆对并进行去重和通过设置阈值对其过滤；对剩下的候选克隆对中的克隆行进行分组和匹配，获取最终克隆对，完成代码克隆检测。本发明具有良好的检测精度，提高了检测性能，可应用于教学中学生代码的抄袭检测和常规软件中复制粘贴代码的检测。
-
Patent Agency Ranking
公开(公告)号：CN112087420A
公开(公告)日：2020-12-15
申请号：CN202010728153.3
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种网络杀伤链检测方法、预测方法及系统，具体包括：(1)构建d维特征向量；(2)无监督特征选择算法将d维特征向量筛减为k维；(3)通过k维特征向量获取网络杀伤链攻击事件序列集合。在IDS告警日志数据进行杀伤链挖掘的真实场景中，针对无法提前知晓数据中所包含杀伤链数目的问题，本发明改进的谱聚类算法相比于其他的有监督学习方法不仅能够实现无监督学习，还能够自动识别聚类数目；(4)基于已经获得的网络杀伤链序列，采用马尔科夫理论与三种网络杀伤链变种模型进行预测分析；(5)基于理论分析，实现了杀伤链检测与预测系统。
-
公开(公告)号：CN101969458B
公开(公告)日：2012-12-26
申请号：CN201010291895.0
申请日：2010-11-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种支持层次化网络拓扑的P2P流量优化方法，主要解决现有技术不能处理层次化的网络拓扑信息、不能实现有效优化的问题。其实现步骤是：每个自治系统AS内的网络拓扑信息服务器NTIS，仅从本AS内的路由器收集本AS内的拓扑结构和全网的拓扑结构，构建全网的层次化的拓扑结构，交给流量优化服务器；流量优化服务器依此计算本AS内某个对等结点到全网任意结点间的层次化的流量优化距离，供流量优化客户端查询；流量优化客户端根据层次化的流量优化距离，选择距离较近的对等结点建立连接、传输数据。本发明能够处理层次化的网络拓扑信息，体现不同链路的价值，可用于降低各层次网络上的P2P流量。
-
公开(公告)号：CN101969458A
公开(公告)日：2011-02-09
申请号：CN201010291895.0
申请日：2010-11-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种支持层次化网络拓扑的P2P流量优化方法，主要解决现有技术不能处理层次化的网络拓扑信息、不能实现有效优化的问题。其实现步骤是：每个自治系统AS内的网络拓扑信息服务器NTIS，仅从本AS内的路由器收集本AS内的拓扑结构和全网的拓扑结构，构建全网的层次化的拓扑结构，交给流量优化服务器；流量优化服务器依此计算本AS内某个对等结点到全网任意结点间的层次化的流量优化距离，供流量优化客户端查询；流量优化客户端根据层次化的流量优化距离，选择距离较近的对等结点建立连接、传输数据。本发明能够处理层次化的网络拓扑信息，体现不同链路的价值，可用于降低各层次网络上的P2P流量。
-
公开(公告)号：CN118691797A
公开(公告)日：2024-09-24
申请号：CN202410829642.6
申请日：2024-06-25
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/771 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 一种基于大核分解网络的遥感图像多尺度目标检测方法，利用特征提取网络从遥感图像提取特征，利用特征融合网络融合特征，利用分类网络和回归网络根据融合后的特征实现目标检测，其中：特征提取网络以PVT‑v2框架为基础，并利用轻量级的卷积模块替换原transformer模块；轻量级的卷积模块包括一个LK模块和一个FFN模块，LK模块用于提取遥感图像中目标的上下文信息和特征信息，其包括两个全连接层，一个LKT模块和一个GELU激活函数；LKT模块用于将大卷积核分解，在保证与大卷积核具有相同感受野的情况下，减少网络参数和计算量，利用必要的背景信息检测目标。本发明减少了大卷积核的参数量与计算量，缓解了不同尺度目标及其特征之间的干扰，提高了模型的检测精度。
-
公开(公告)号：CN118196891A
公开(公告)日：2024-06-14
申请号：CN202410243640.9
申请日：2024-03-04
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/049
Abstract: 一种基于动作注意力引导的轻量级骨架动作分类方法、系统、设备及介质，方法：获取待训练骨架视频样本；构建基于动作注意力引导的轻量级骨架动作分类模型(AL‑GCN)；通过自主学习空间卷积网络(AL‑SGCN)提取空间特征，对提取完空间特征的骨架序列进行注意力修正；通过多尺度时间融合卷积网络(MS‑TFCN)对骨架关节的长距离随机依赖进行建模，实现时间特征提取；对提取完时间特征的骨架序列进行注意力修正；使用跳转模块(Jump)和多流高斯权值选择算法提升AL‑GCN模型的动作识别准确率，将生成的骨架时空特征送入分类器；系统、设备及介质用于实现该方法；本发明通过GCN网络结构，实现基于骨骼数据的动作分类任务，并在已有数据集上取得了高精度的分类性能。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.032 seconds)
