-
公开(公告)号：CN113239916A
公开(公告)日：2021-08-10
申请号：CN202110787831.8
申请日：2021-07-13
Applicant: 北京邮电大学
Abstract: 本公开提供一种表情识别及课堂状态评估方法、设备及存储介质，表情识别方法包括：获取目标对象的图像序列；将图像序列输入训练好的表情识别模型进行识别，得到目标对象的表情识别结果；训练好的表情识别模型包括：时空特征网络，对图像序列进行特征提取，得到时空特征序列；时空注意力网络，用于对时空特征序列进行空间注意力特征学习和时间注意力特征学习，得到表情特征序列；分类网络，用于对表情特征序列进行分类得到表情识别结果。根据本公开，提高了表情识别的准确度。在精确识别表情的基础上进行课堂状态评估，增强最终课堂评估结果的客观性、全面性以及正确性。
-
公开(公告)号：CN110826429A
公开(公告)日：2020-02-21
申请号：CN201911007148.7
申请日：2019-10-22
Applicant: 北京邮电大学
Abstract: 本发明提出了一种基于景区视频的旅游突发事件自动监测的方法及系统，其中，所述方法包括：S1)：对采集到的景区视频进行预处理，以生成视频的动态序列；S2)：基于视频超分辨率重建对所述视频的时空分辨率进行增强，以去除降质因素对所述景区视频中的旅游突发事件监测的干扰，以得到去噪的视频；S3)：对所述去噪的视频进行视频特征提取，以得到视频显著性时空特征；S4)：利用所述视频显著性时空特征，对所述景区视频中的突发事件进行实时检测；S5)：对于检测到的所述突发事件，通过学习所述景区视频中的显著性高层语义特征，以实现所述景区视频中的突发事件自动识别。
-
公开(公告)号：CN106202530B
公开(公告)日：2019-09-27
申请号：CN201610586683.2
申请日：2016-07-22
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种数据处理方法及装置，所述方法包括：获取资讯，将资讯加入资讯集合中；将资讯集合中的一篇资讯作为待处理文档；若均为未处理文档，根据预设规则将待处理文档映射成对应的特征向量；否则，根据预设规则将待处理文档映射成对应的特征向量，根据获取待处理文档的第一时间以及待处理文档中事件发生的第二时间，分别计算待处理文档对应的特征向量与话题模型集合中的各个已检测话题对应的向量的相似度，选取最大相似度值进行判断；将待处理文档的下一篇文档作为待处理文档，直到资讯集合中的全部资讯全部处理完毕。所述方法考虑了获取待处理文档的第一时间以及待处理文档中事件发生的第二时间，提高了话题模型的精确度。
-
公开(公告)号：CN119066605A
公开(公告)日：2024-12-03
申请号：CN202410960826.6
申请日：2024-07-17
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于强化学习的联邦学习鲁棒性聚合方法及系统，该方法包括以下步骤：服务端节点接收客户端节点在完成本地训练后上传的模型参数；将每个客户端节点上传的模型参数构建为初始参数向量，将服务端节点当前的模型参数构建为本轮参数向量，基于所述初始参数向量、当前的本轮参数向量和客户端节点当前的权重值计算几何中值向量；计算每个客户端节点当前的初始参数向量与几何中值向量的距离，并构建为状态向量输入到强化学习模型中，所述强化学习模型对应每个客户端节点输出更新的权重值；基于每个客户端节点输出更新的权重值、所述初始参数向量和当前的本轮参数向量计算模型参数向量，所述模型参数向量中各个维度的值均为模型参数。
-
公开(公告)号：CN117611867B
公开(公告)日：2024-11-22
申请号：CN202311320445.3
申请日：2023-10-12
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/80 , G06V20/60
Abstract: 本公开提供一种多视图分类方法及相关设备。该方法包括：获取具有关联性的多个视图；基于训练好的多视图分类模型对所述多个视图进行分类处理，得到所述多个视图中目标对象的分类结果，包括：所述多视图分类模型对所述多个视图进行基于视图内以及跨视图的增强编码到每个视图的增强编码表示；基于每个视图的所述增强编码表示得到每个视图的视图分类结果和对应的视图置信度得分；基于每个视图对应的所述视图分类结果和所述视图置信度得分进行融合得到所述多个视图中目标对象的目标分类结果。
-
Patent Agency Ranking
公开(公告)号：CN117611867A
公开(公告)日：2024-02-27
申请号：CN202311320445.3
申请日：2023-10-12
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/80 , G06V20/60
Abstract: 本公开提供一种多视图分类方法及相关设备。该方法包括：获取具有关联性的多个视图；基于训练好的多视图分类模型对所述多个视图进行分类处理，得到所述多个视图中目标对象的分类结果，包括：所述多视图分类模型对所述多个视图进行基于视图内以及跨视图的增强编码到每个视图的增强编码表示；基于每个视图的所述增强编码表示得到每个视图的视图分类结果和对应的视图置信度得分；基于每个视图对应的所述视图分类结果和所述视图置信度得分进行融合得到所述多个视图中目标对象的目标分类结果。
-
公开(公告)号：CN117235305A
公开(公告)日：2023-12-15
申请号：CN202310828614.8
申请日：2023-07-07
Applicant: 北京邮电大学
IPC: G06F16/783 , G06F18/25 , G06F18/2415
Abstract: 本申请提供一种基于双重对比学习的视频文本跨模态检索方法及相关设备。所述方法包括：获取查询语句和至少一个视频；根据所述查询语句，得到所述查询语句对应的查询特征向量；根据所述视频，得到每个所述视频对应的视频特征向量；所述视频特征向量由对应视频的视觉特征向量和字幕特征向量联合表征得到；根据所述查询特征向量和所述视频特征向量，得到每个所述视频与所述查询语句的相似性；确定最大相似性对应的视频为目标视频。本申请基于查询感知的跨模态双重对比学习机制，通过对视频和视频片段进行细粒度检索和定位，提高了视频检索的效率和准确性。
-
公开(公告)号：CN116614484B
公开(公告)日：2023-11-10
申请号：CN202310884262.8
申请日：2023-07-19
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于结构增强的异质数据联邦学习方法及相关设备包括接收服务器端的全局模型根据全局模型对本地网络模型进行初始化；响应于确定完成所述初始化，获取本地数据根据本地数据对所述本地网络模型进行正则化训练确定第一损失函数；响应于确定完成训练获取预设采样系数和预设采样宽度对本地网络模型进行结构增强训练，根据预设采样系数和所述预设采样宽度对所述本地网络模型进行采样确定若干子网络模型；对所述本地数据进行数据增强处理确定训练用数据，根据所述训练用数据对若干所述子网络模型进行更新训练确定全局损失函数；根据全局损失函数对本地网络模型的权重进行更新将所述全局损失函数将更新的所述本地网络模型上传所述服务器端。
-
公开(公告)号：CN116911403A
公开(公告)日：2023-10-20
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：CN116431847A
公开(公告)日：2023-07-14
申请号：CN202310700719.5
申请日：2023-06-14
Applicant: 北京邮电大学
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/383 , G06F18/25 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/0464 , G06N3/094 , G06N3/084 , G06N5/04
Abstract: 本申请提供一种基于多重对比和双路对抗的跨模态哈希检索方法及设备，能够对图像模态的图像信息和文本模态的文本信息进行跨模态语义融合，得到图像推理特征和文本推理特征；对图像推理特征和文本推理特征进行模态间、模态内和全局局部的多重对比哈希学习和双路对抗学习，得到二进制哈希码，通过多重对比学习进行全局局部、模态内和模态间的语义匹配和融合，并通过双路对抗学习机制更好地对齐不同模态哈希码的语义分布，产生更高质量和更具判别性的二进制哈希码作为跨模态检索的统一哈希表示。使用二进制哈希码，可以快速实现跨模态检索；此外，哈希码占用的内存空间也显著减少，且哈希码具有唯一性，以此确保跨模态检索的高效性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.029 seconds)
