-
公开(公告)号：CN109784360A
公开(公告)日：2019-05-21
申请号：CN201811466266.X
申请日：2018-12-03
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度多视角子空间集成学习的图像聚类方法，其特征在于，包括：对图像数据集进行多视角特征提取，得到多视角特征；基于所述多视角特征建立深度多视角低秩子空间学习的第一函数；基于所述第一函数建立多视角子空间集成学习的第二函数；基于所述第一函数和所述第二函数建立深度多视角子空间集成学习的目标函数并确定所述目标函数的各项约束；最小化所述目标函数，得到图像多视角特征的低维一致性子空间表示；用聚类算法对图像多视角特征的低维一致性子空间表示进行聚类，得到所述图像数据集的多视角聚类结果。
-
公开(公告)号：CN106254722A
公开(公告)日：2016-12-21
申请号：CN201610561901.7
申请日：2016-07-15
Applicant: 北京邮电大学
CPC classification number: H04N5/21 , H04N7/0117
Abstract: 本发明公开了一种视频超分辨率重建方法和装置，对视觉显著性目标区域的检测和提取；建立多帧低分辨率和高分辨率之间的关联映射；通过融合视频序列在时空域的非局部相似性结构互补冗余信息，利用基于视觉显著性的时空非局部模糊配准和融合策略，进行时空超分辨率重建，获取高时空分辨率的视频序列。因此，所述视频超分辨率重建方法和装置不依赖于精确的亚像素运动估计，能够适应于复杂的运动场景，具有较强的旋转不变性以及噪声、光照鲁棒性，能够适应于较大的超分辨率倍数，解决了现有视频超分辨率重建方法中时空一致性保持能力不强以及鲁棒性不高的问题。
-
公开(公告)号：CN106204495A
公开(公告)日：2016-12-07
申请号：CN201610566766.5
申请日：2016-07-18
Applicant: 北京邮电大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明提供了一种基于非下采样轮廓波变换的图像去噪方法及装置，所述方法包括：利用非下采样轮廓波变换将待去噪的图像进行多尺度分解，获得每个尺度的低频分量的第一系数以及每个尺度的高频分量在各个方向上的第二系数；根据每个尺度的第二系数中与该尺度的上一尺度的第一系数的相关性，对各第二系数进行阈值收缩处理或保留，获得各尺度的去噪系数；根据所述去噪系数进行非下采样轮廓波逆变换，获得去噪后的图像。
-
公开(公告)号：CN119167890A
公开(公告)日：2024-12-20
申请号：CN202410965025.9
申请日：2024-07-18
Applicant: 北京邮电大学
IPC: G06F40/16 , G06F40/237 , G06F18/25
Abstract: 本发明提供一种公共安全突发事件预测方法及系统，方法用于多个客户端执行，每个客户端部署一个客户端本地模型，客户端本地模型与服务端进行联邦训练；文本序列数据通过预设编码模块提取事件主题编码后获得目标客户端的事件主题序列，与主题嵌入矩阵计算获得事件主题，通过融合时空注意力加权机制的深度学习神经网络输出各时刻客户端的隐藏状态，对当前时刻目标客户端的事件主题和前一时刻其他客户端的隐藏状态进行线性变换获得当前时刻其他客户端对目标客户端的影响力，结合影响力矩阵和影响程度参数向量计算科学影响上下文，映射至与隐藏状态相同的语义空间后融合获得下一时刻事件主题序列预测结果，提高公共安全突发事件预测结果的准确性。
-
公开(公告)号：CN118521951A
公开(公告)日：2024-08-20
申请号：CN202311311042.2
申请日：2023-10-10
Applicant: 北京邮电大学 , 有科期刊出版(北京)有限公司
IPC: G06V20/52 , G06V10/764 , G06V10/774 , G06N3/098 , G06N3/09
Abstract: 本申请提供公共安全信息识别模型的联邦学习方法、识别方法及装置，方法包括：接收前一轮次的全局模型和每个类下的各个细粒度类各自的细粒度全局原型，根据本地的各个监控图像样本、公共安全信息识别标签、前一轮次的公共安全信息识别全局模型、公共安全信息识别本地模型和各个细粒度本地原型进行层级原型对比学习、批量原型正则化和全局信息蒸馏处理，基于完全损失函数对当前轮次的本地的公共安全信息识别本地模型进行梯度优化。本申请能够解决Non‑IID联邦学习中的类不平衡问题，更准确地重新平衡客户端上样本的特征分布，有效减少局部分类器的偏差，并增强了聚合全局分类器的鲁棒性，进而能够有效提高公共安全信息识别的准确性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN116955699B
公开(公告)日：2024-04-26
申请号：CN202310882289.3
申请日：2023-07-18
Applicant: 北京邮电大学
IPC: G06F16/735 , G06N3/044 , G06N3/0442 , G06N3/08 , G06F16/783
Abstract: 本发明提供一种视频跨模态搜索模型训练方法、搜索方法及装置，对于用于检索的文本数据采用文字特征编码模型和初始文本语义映射网络映射至公共语义空间；被检索的科技视频通过光学字符识别和科技视频自动语音识别提取文本内容，提取首尾帧图像内容，分别进行特征提取后执行特征融合，并通过初始视频语义映射网络映射至公共语义空间；在下游构建相似度比对任务、语义分类任务和模态判别任务，对初始文本语义映射网络、初始模态融合网络和初始视频语义映射网络进行训练，提升文本和视频两种类型数据在公共语义空间内表示的精确度，并关注到模态内和模态间的关联及差异。
-
公开(公告)号：CN116911403B
公开(公告)日：2024-04-26
申请号：CN202310664947.1
申请日：2023-06-06
Applicant: 北京邮电大学 , 有科期刊出版(北京)有限公司
IPC: G06N20/00
Abstract: 本申请提供一种联邦学习的服务器和客户端的一体化训练方法及相关设备，所述方法包括对全局模型进行多轮迭代训练，其中，对于多轮迭代训练中的每一轮迭代执行如下操作，直至全局模型满足预设收敛条件为止，得到训练完成的全局模型：确定全局模型是否满足收敛条件，若不满足，服务器确定并随机发送当前全局模型参数和当前全局校正因子至多个客户端中的部分客户端；部分客户端中的每个客户端对与其关联的局部模型进行训练，以确定训练后的局部模型的参数，并将局部模型的参数发送至服务器；服务器分别对当前全局模型参数和当前全局校正因子进行更新，解决了现有技术中联邦学习的通信效率低的技术问题，达到了对服务器和客户端一体化进行训练的目的。
-
公开(公告)号：CN113535912B
公开(公告)日：2023-12-26
申请号：CN202110540413.9
申请日：2021-05-18
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F40/194 , G06F40/279 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种基于图卷积网络和注意力机制的文本关联方法及相关设备，该方法包括：获取用户问题和文档；通过分词算法分别提取所述用户问题和所述文档的关键词及权重；利用词向量模型得到所述用户问题的词向量序列和所述文档的词向量序列；基于文档的词向量序列构建交互图；将用户问题的词向量和文档的词向量进行交互后构建视图；将所有所述视图输入预先构建的图卷积神经网络模型中，输出所述用户问题和所述文档的关联标签，其中，所述图卷积神经网络模型是经过预训练的。本公开采用图结构来表示文档，图结构可以在一定程度上保持文档中关键词之间的交互关系，既解决了词向量模型文本长度表征有限的问题，同时提高了科研论文检索的准确性。
-
公开(公告)号：CN115909130A
公开(公告)日：2023-04-04
申请号：CN202211288521.2
申请日：2022-10-20
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V20/52 , G06V40/10 , G06V40/20 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请提供一种学生行为识别方法、教学状态评估方法及相关设备，包括获取课堂教学视频，基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流；然后，将所述目标图像流输入预先训练的学生行为识别模型进行识别，得到学生行为分类结果；最后，将学生行为分类结果，输入预先构建的评估模型对课堂状态进行评估，确定评估等级；进一步的，根据所述评估等级评估课堂教学状态，并显示所述教学状态。本申请，有效实现多人学生课堂行为识别，并且能够客观准确地对课堂教学视频中的教学状态进行评估，以方便授课教师及时收到课堂反馈，并根据课堂反馈对授课方式或形式进行适时调整。
-
公开(公告)号：CN114818737A
公开(公告)日：2022-07-29
申请号：CN202210745539.4
申请日：2022-06-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种科技论文数据文本语义特征提取方法、系统及存储介质，所述方法包括：获取科技论文的文本信息，并基于获取到的科技论文的文本信息构建实体关系图，所述文本信息包括论文标题以及关键词，实体关系图中的节点为论文标题或关键词，实体关系图中的边为节点之间的关联关系；基于获取到的科技论文的文本信息提取语义特征，得到语义特征矩阵；基于实体关系图确定原始邻接矩阵，将语义特征矩阵及所述原始邻接矩阵输入至图网络模型，得到空间特征矩阵；将语义特征矩阵与空间特征矩阵进行特征融合，得到科技论文的最终语义特征。该特征提取方法在提取科技论文语料的语义特征的基础上，利用知识图谱的空间关联，可较好的提取到科技论文的语义特征。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.025 seconds)
