一种基于合成视频的交通事故检测方法

    公开(公告)号:CN115731715A

    公开(公告)日:2023-03-03

    申请号:CN202211555497.4

    申请日:2022-12-06

    Abstract: 本发明公开了一种基于合成视频的交通事故检测方法,其特点是该方法包括:设置交通模拟器环境;控制模拟器中车辆行驶,生成视频;采用不同设置,重复模拟过程,生成视频数据集;评价视频集可用性;重复数据集生成和评价,选取可用性最好的数据集;设计并训练一个两阶段的事故检测器;测试检测器性能等步骤。本发明与现有技术相比具有方法简便、检测准确率高的优点,不但实现对复杂真实事故的模拟,而且还实现了对合成数据集的评价方法,提高了其可用性,能更好适用于真实交通视频,使用效果好,不易被误判为,大大提高了交通事故检测的准确率,具有一定的推广应用前景和价值。

    一种运用辅助记忆的多样性机器翻译方法

    公开(公告)号:CN114429144A

    公开(公告)日:2022-05-03

    申请号:CN202111623399.5

    申请日:2021-12-28

    Abstract: 本发明公开了一种运用辅助记忆的多样性机器翻译方法,该方法具备翻译能力前,需要使用单语语料库预训练一个检索模型,然后在检索模型给出的记忆信息的辅助下,使用双语语料库训练一个翻译模型。在训练完成后,本发明就具备翻译出多样文本的能力。最后本发明通过改进的全局多样性束搜索方法预测出多个的翻译文本。本发明的创新点在于提取和检索单语料库数据,将其融入典型机器翻译框架,同时提出全局多样性束搜索方法进一步搜索和加强翻译文本的多样性,给出详细的推导算法,使得翻译模型能够借助单语料库信息进一步提高翻译的准确性和多样性。

    基于风格迁移的强化学习对抗防御方法

    公开(公告)号:CN113449786A

    公开(公告)日:2021-09-28

    申请号:CN202110693884.3

    申请日:2021-06-22

    Abstract: 本发明公开了一种基于风格迁移的强化学习对抗防御方法,该方法通过增强潜在空间附近的收缩来提高潜在变量对微小的对抗扰动的不变性或鲁棒性。本发明考虑到对抗样本是通过对未扰动的干净样本添加微小的、不易被人眼识别的扰动生成的;其中,风格迁移被用于将对抗样本迁移到其原始未扰动的样本空间下,从而自然地消除对抗扰动的威胁。本发明的创新点是从对抗样本生成的逆过程重新思考对抗防御问题,利用深度生成式模型的生成能力将对抗样本进行复原。本发明的迁移防御框架由VAE和GAN组成,同时推导了构建过程和训练目标;本发明方法不仅能够有效的消除了对抗扰动对强化学习的威胁,同时性能相对于当前最优防御方法更优。

    一种基于Unet+ConvGRU混合模型的车道线检测方法

    公开(公告)号:CN112949541A

    公开(公告)日:2021-06-11

    申请号:CN202110284093.5

    申请日:2021-03-17

    Abstract: 本发明公开了一种基于Unet+ConvGRU混合模型的车道线检测方法,用于辅助驾驶和无人驾驶。与以往采用单帧图片检测车道线方法相比,本发明考虑到车道线检测具有时序的特点,前几帧车道线的特征信息对当前车道线检测具有很大作用,这使得当前的车道线检测的信息能够融合多层次的特征结构信息,使得模型推理的信息更加丰富。在车道线被遮挡、标记退化等特殊驾驶场景,更能准确地检测出车道线。最后在Tusimple车道线数据集上验证了本发明的有效性和鲁棒性,并且实时性也比较好。

    一种运用视觉信息的零资源机器翻译方法

    公开(公告)号:CN112016604B

    公开(公告)日:2021-03-26

    申请号:CN202010835980.2

    申请日:2020-08-19

    Abstract: 本发明公开了一种运用视觉信息的零资源机器翻译方法,该方法具备翻译能力前需要使用含有图片信息的单语语料训练一个翻译模型。在训练完成后,本方法就有了翻译的能力。本发明的创新点在于在没有平行语料而具有对应图片的情景(零资源情景)下达到良好的翻译性能。本发明以Transformer为基础翻译模型,并引入预训练语言模型,在减少训练时间的同时提升性能。本发明在典型Transformer中引入多模态模块,使得翻译模型能够融合处理多模态数据。本发明利用了屏蔽序列恢复和回译两种训练方法优化模型参数,使得翻译模型能够在零资源场景下完成训练。

    基于变分推理和多任务学习的多模态机器翻译方法

    公开(公告)号:CN112016332A

    公开(公告)日:2020-12-01

    申请号:CN202010867461.4

    申请日:2020-08-26

    Abstract: 本发明公开了一种基于变分推理和多任务学习的多模态机器翻译方法,该方法具备翻译能力前,首先得用变分推理理论对图像、文本等多模态信息进行多任务建模,然后在给定足量训练集的情况下,训练得到变分多模态机器翻译模型,由此获得机器翻译能力。最后本方法通过束搜索和最大似然来预测出多个翻译文本。本发明的创新点在于创建并使用了一种能够将图像等多模态信息融入机器翻译的模型:变分多模态机器翻译。本发明的变分模型构建了一套混淆图像和文本语义的特征提取神经网络框架,同时推导出了建模过程和自我学习更新过程,给出了详细的推导算法,并指导性的给出了应用方法。

    一种面向异构网页的数据收集与标注方法

    公开(公告)号:CN106294885A

    公开(公告)日:2017-01-04

    申请号:CN201610879670.4

    申请日:2016-10-09

    Inventor: 孙仕亮 陈俊宇

    CPC classification number: G06F17/30864 G06F17/30887 G06F2216/03

    Abstract: 本发明公开了一种面向异构网页的数据收集与标注方法,该方法采用XPath与正则表达式的对收集到的数据进行解析,通过查询是否存在对应的DOM节点从而判断对应的网页页面结构,并给下面的标注工作提供了一个先验知识,在标注过程中仅需对预标注的数据进行标注修正,即可完成标注。本发明能够有效地整合数据的收集与数据的分类操作,使得数据挖掘的进展能够高效地进行。相比传统的数据收集方法,本发明收集质量更高,垃圾数据收集率低,数据分类准确。

    一种多模态融合癌症生存期预测系统及存储介质

    公开(公告)号:CN119943430A

    公开(公告)日:2025-05-06

    申请号:CN202510110199.1

    申请日:2025-01-23

    Abstract: 本发明涉及多模态学习领域,具体是一种多模态融合癌症生存期预测系统及存储介质,存储介质中的计算机程序执行以下步骤:获取癌症患者的临床数据、全切片病理图像和基因数据;根据全切片病理图像和基因数据,获得图像特征数据和基因特征数据;对图像特征数据和所述基因特征数据进行特征融合获得融合特征数据;引入生存预测分类器,根据所述融合特征数据、所述图像特征数据和所述基因特征数据,利用所述生存预测分类器构建损失函数;构建生存预测模型,利用所述临床数据、所述全切片病理图像和所述基因数据对所述生存预测模型进行训练和评估,通过所述损失函数调整所述生存预测模型的参数。本发明解决了涉及多模态预测患者生存时间不准确的问题。

    一种运用词性信息的机器翻译方法

    公开(公告)号:CN114169346B

    公开(公告)日:2025-03-18

    申请号:CN202111298579.0

    申请日:2021-11-04

    Abstract: 本发明公开了一种运用词性信息的机器翻译方法,其特点是使用包含对应词性标签的双语语料的训练集,在翻译模型训练完成后,利用词性信息辅助机器翻译;所述翻译模型包括共享编码器、解码器和词性分类器,且以不同的方式导入词性信息,增强模型语言理解和文本生成的能力;所述共享编码器由源句编码器和辅助句编码器组成;所述解码器包括原始多头注意力模块和辅助多头注意力模块。本发明与现有技术相比具有将引入的词性信息提升机器翻译模型的性能,本发明以Transformer为基础翻译模型,在编码器和解码器两个组件中以不同的方式导入词性信息,使得翻译模型能够利用词性信息来增强模型语言理解和文本生成的能力,提升机器翻译的质量。

    基于因果高斯过程动态系统的声音异常检测方法及系统

    公开(公告)号:CN118918922B

    公开(公告)日:2025-01-03

    申请号:CN202411106867.5

    申请日:2024-08-13

    Inventor: 赵静 李朵 孙仕亮

    Abstract: 本发明涉及音频检测领域,尤其是基于因果高斯过程动态系统的声音异常检测方法及系统,所述方法包括如下步骤:获取音频数据的音频特征频谱图;对所述音频特征频谱图进行建模,得到低维潜变量;基于所述低维潜变量,得到音频因果关系图;基于正常音频因果关系图,得到普适因果关系图;计算正常音频因果关系图与所述普适因果关系图之间的均方误差值,并将所述均方误差值作为经验阈值;计算待测音频因果关系图与所述普适因果关系图之间的差值;将所述差值与所述经验阈值相比较,根据比较结果,得到待测音频数据的检测结果。本发明将因果发现方法引入高斯过程动态系统,解决了现有技术对小样本数据异常检测训练困难的问题,并提供了可解释性依据。

Patent Agency Ranking