-
Patent Agency Ranking
公开(公告)号：CN114970707A
公开(公告)日：2022-08-30
申请号：CN202210552364.5
申请日：2022-05-20
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
IPC: G06K9/62 , G06F16/29 , G06F16/215
Abstract: 本发明公开了一种基于轨迹压缩和聚类的轨迹相似度分析方法。首先，对N条基准轨迹进行轨迹压缩，在一定误差范围内，去除一些轨迹数据，便于后续的处理和分析。其次，通过截取公共轨迹以及角度预判断的方式，减少参与计算的轨迹段范围，对基准轨迹数据离线聚类。其中，在计算相似度矩阵时，在误差范围内，每两条轨迹的相似度只需计算一次以降低复杂度。最后，找出每一簇的代表轨迹，计算待匹配轨迹和每一簇代表轨迹的相似度，判断其是否存在于基准轨迹数据库中；如果存在，则计算该轨迹与对应簇的各基准轨迹的轨迹相似度，从而确定实际轨迹与哪些基准轨迹相似，并得到相似度结果。
-
公开(公告)号：CN114677557A
公开(公告)日：2022-06-28
申请号：CN202210233646.9
申请日：2022-03-10
Applicant: 北京邮电大学
Abstract: 一种融合多属性和局部特征的车辆重识别系统，包括通用特征提取模块、全局特征模块、属性识别模块和面向方向的DropBlock模块；一种融合多属性和局部特征的车辆重识别方法，包括操作步骤：(1)将图像库中的车辆图像输入到车辆重识别系统，得到图像库中的车辆图像的重识别特征；(2)将待查询车辆图像输入到车辆重识别系统，得到待查询车辆图像的重识别特征；(3)根据所得到的重识别特征，从图像库中找出与待查询车辆图像相似度最大的车辆图像；本发明方法能够获取更多细节特征，有效的提升了车辆重识别的效果。
-
公开(公告)号：CN114677557B
公开(公告)日：2024-12-24
申请号：CN202210233646.9
申请日：2022-03-10
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/084 , G06V20/54 , G06V10/82
Abstract: 一种融合多属性和局部特征的车辆重识别系统，包括通用特征提取模块、全局特征模块、属性识别模块和面向方向的DropBlock模块；一种融合多属性和局部特征的车辆重识别方法，包括操作步骤：(1)将图像库中的车辆图像输入到车辆重识别系统，得到图像库中的车辆图像的重识别特征；(2)将待查询车辆图像输入到车辆重识别系统，得到待查询车辆图像的重识别特征；(3)根据所得到的重识别特征，从图像库中找出与待查询车辆图像相似度最大的车辆图像；本发明方法能够获取更多细节特征，有效的提升了车辆重识别的效果。
-
公开(公告)号：CN112183576B
公开(公告)日：2022-12-27
申请号：CN202010864581.9
申请日：2020-08-25
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种基于不均衡数据集的Time‑LSTM分类方法，包括：获取移动终端的原始数据集；对所述原始数据集进行数据预处理；根据预处理之后的数据集使用Time‑LSTM模型对移动终端的类别进行识别；输出移动终端的预测类别。本发明提供的数据均衡方法能够在很大程度上消除各类别数据集不均衡给分类带来的不良影响，从而较为准确地识别移动终端的类型。另外，本发明采用的Time‑LSTM模型能够利用时间间隔控制当前输入对分类结果的影响，从而捕捉到更多的潜在分类特征，提高了整体分类准确率。
-
公开(公告)号：CN112183576A
公开(公告)日：2021-01-05
申请号：CN202010864581.9
申请日：2020-08-25
Applicant: 北京邮电大学 , 龙文华丰(北京)科技有限公司
Abstract: 本发明公开了一种基于不均衡数据集的Time‑LSTM分类方法，包括：获取移动终端的原始数据集；对所述原始数据集进行数据预处理；根据预处理之后的数据集使用Time‑LSTM模型对移动终端的类别进行识别；输出移动终端的预测类别。本发明提供的数据均衡方法能够在很大程度上消除各类别数据集不均衡给分类带来的不良影响，从而较为准确地识别移动终端的类型。另外，本发明采用的Time‑LSTM模型能够利用时间间隔控制当前输入对分类结果的影响，从而捕捉到更多的潜在分类特征，提高了整体分类准确率。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
