-
公开(公告)号：CN114820511A
公开(公告)日：2022-07-29
申请号：CN202210438429.3
申请日：2022-04-25
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于编码‑解码结构的混凝土桥梁裂缝检测方法，包括如下步骤：步骤一：采集并筛选桥梁表面图像的数据集，并对数据集进行预处理；步骤二：引入空洞卷积，扩大感受野，增加多尺度信息；步骤三：将空间注意力机制引入到编码‑解码结构中，并将编码结构中经过一次卷积的特征图与解码结构中进行一次卷积的特征图进行特征关联；步骤四：最后，将编码结构与解码结构进行跳层连接。本发明能够改善在桥梁裂缝检测中密集细小裂缝检测不清晰、背景噪声过大的问题。
-
公开(公告)号：CN112949682B
公开(公告)日：2022-05-20
申请号：CN202110112799.3
申请日：2021-01-27
Applicant: 重庆交通大学
IPC: G06K9/62 , G06V10/764 , G06V20/10
Abstract: 本发明公开了一种特征级统计描述学习的SAR图像分类方法，包括：将目标SAR图像输入SAR图像分类网络；卷积层提取目标SAR图像的具有中层语义的特征基元；特征统计层基于具有中层语义的特征基元提取目标SAR图像的统计基元矢量；非线性及线性变换层基于统计基元矢量生成目标SAR图像的特征级统计描述矢量；Softmax层基于特征级统计描述矢量生成目标SAR图像的分类结果。相比于传统CNN方法，本发明不仅致力于SAR图像的结构特征学习，而且在特征学习过程中特别考虑了SAR图像的特征级统计特性，致力于集成特征学习和统计分析为一体，能够有效解决利用CNN方法进行SAR图像分类时泛化能力不足的问题。
-
公开(公告)号：CN113312912A
公开(公告)日：2021-08-27
申请号：CN202110711212.0
申请日：2021-06-25
Applicant: 重庆交通大学
IPC: G06F40/289 , G06F40/216 , G06F40/30
Abstract: 本发明涉及人工智能技术领域，具体涉及一种用于交通基础设施检测文本的机器阅读理解方法，包括：获取问题文本和待检测的段落文本；阅读理解模型首先对问题文本和段落文本进行编码得到对应的待检测字符向量；然后将待检测字符向量和设置的交通基础设施检测领域词向量进行融合得到对应的嵌入融合表示，并对嵌入融合表示进行语义特征捕捉；最后根据嵌入融合表示和捕捉的语义特征计算对应答案在段落文本中的字符位置，并将对应答案的字符位置作为段落文本的机器阅读理解结果；输出段落文本对应的机器阅读理解结果。本发明中的机器阅读理解方法能够兼顾理解全面性和理解准确性，从而能够提升交通基础设施检测领域中文文本的理解效果。
-
公开(公告)号：CN118410145A
公开(公告)日：2024-07-30
申请号：CN202410530331.X
申请日：2024-04-29
Applicant: 重庆交通大学 , 重庆中科云从科技有限公司
Abstract: 本发明公开了一种大模型与知识图谱协同的桥梁管养问答方法，包括：构建桥梁管养复杂问答的Prompt指令提示；将复杂问题和Prompt指令提示输入注入了桥梁管养知识的对话大模型中，对复杂问题进行问题分解；对当前迭代次数下的首个子问题进行理解，生成Cypher查询语句，在桥梁管养知识图谱中检索得到答案；将首个子问题的答案、第二个子问题以及Prompt指令提示输入对话大模型中对第二个子问题进行再次分解，并执行下一次迭代；若再次分解失败，则对第二个子问题进行问题重写；根据第二个子问题的Cypher查询语句检索对应的答案；结合所有子问题的答案生成复杂问题的最终答案。本发明利用对话大模型和桥梁管养知识图谱的协同和融合实现复杂问题的问答。
-
公开(公告)号：CN118260651A
公开(公告)日：2024-06-28
申请号：CN202410299332.8
申请日：2024-03-15
Applicant: 重庆交通大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于重参数化卷积神经网络的结构损伤状态识别方法。具体来说，本发明提出了一种基于重参数化技术的神经网络，它可以将模型的训练和部署解耦，并在考虑模型推理速度的前提下保持较高的精度。具体来说，在训练中使用了一个具有多个1×1卷积操作的卷积神经网络，在模型的测试和推理过程中使用重参数化技术将卷积核的参数融合在一起，以此得到了一个结构更轻、部署精度更高的卷积神经网络。使用本发明可以加快监测系统的推理速度，以及降低卷积神经网络在结构损伤状态识别中的部署成本。
-
Patent Agency Ranking
公开(公告)号：CN117033596A
公开(公告)日：2023-11-10
申请号：CN202311019385.1
申请日：2023-08-14
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/211 , G06F40/289 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及抽取式问答任务技术领域，具体涉及一种基于进阶训练的少样本抽取式问答方法，包括：构建数据格式统一的伪问答对数据和问答对数据；伪问答对数据中将问题末尾存在的实体或名词短语进行掩盖；获取预训练语言模型；通过伪问答对数据对预训练语言模型进行进阶训练，得到进阶训练模型；对进阶训练模型进行微调，得到最终的语言模型；将待预测的问题文本和给定的上下文文本输入最终的语言模型中，预测得到对应的答案。本发明能够有效改善预训练语言模型在预训练阶段和微调阶段存在的任务差异以及输入数据格式差异，从而提高少样本抽取式问答的有效性和实用性，并为少样本抽取式问答任务提供一种新的解决思路。
-
公开(公告)号：CN116823800A
公开(公告)日：2023-09-29
申请号：CN202310874021.5
申请日：2023-07-17
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于深度学习的复杂背景下桥梁混凝土裂缝检测方法，该方法使用深度学习方法训练后的桥梁裂缝识别检测模型对桥梁裂缝图像中的裂缝区域进行分割识别预测；该桥梁裂缝识别检测模型，通过注意力融合特征提取网络提取桥梁裂缝图像的高层语义特征图，通过浅层特征提取网络提取桥梁裂缝图像的位置轮廓特征图，再依据二者的融合结果预测得到桥梁裂缝图像的裂缝分割识别检测结果，降低对复杂背景像素的误判，并准确实现对裂缝区域的定位；本发明方法能够更快速、更准确的实现对复杂背景下桥梁混凝土裂缝的分割识别和提取，从而改善因背景噪声过大造成的裂缝分割识别速度慢、准确性不足等问题。
-
公开(公告)号：CN116721352A
公开(公告)日：2023-09-08
申请号：CN202310831927.9
申请日：2023-07-07
Applicant: 重庆交通大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及混凝土桥梁表观病害检测技术领域，尤其涉及一种基于改进Segformer的轻量级混凝土桥梁表观病害检测方法。步骤如下：S1：构建混凝土桥梁表观病害数据集，选取混凝土桥梁图片并对混凝土桥梁表观病害所在区域进行标注；S2：对混凝土桥梁数据集进行增强且按照8:2划分训练集和验证集；S3：建立改进的Segformer轻量化模型，选取MiTB0作为模型的编码器，并在解码器中引入SFM模块和PSA自注意力机制模块。本发明提供的一种基于改进Segformer的轻量级混凝土桥梁表观病害检测方法，能够在混凝土桥梁表观病害检测方面具有较强的鲁棒性和较高的准确性，能在较小参数量的情况下实现桥梁表观病害的高效快速检测。
-
公开(公告)号：CN116303971A
公开(公告)日：2023-06-23
申请号：CN202310335356.X
申请日：2023-03-29
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/177 , G06F16/36
Abstract: 本发明涉及桥梁管理养护领域，具体涉及面向桥梁管养领域的少样本表格问答方法，包括：构建包含问题文本和SQL查询语句的问题‑SQL对作为训练样本，并进行标注；在训练样本的问题文本中注入桥梁管养领域实体关系知识；建立输入为问题文本、输出为SQL查询语句的语义解析模型，并通过带标注的训练样本对语义解析模型进行预训练；对预训练后的语义解析模型进行模型微调，得到最终的语义解析模型；通过最终的语义解析模型基于给定问题文本输出SQL查询语句，以实现问答。本发明能够通过构建伪数据来让模型学习到表格问答Text‑To‑SQL任务的形式与方法，并且能够让模型精准识别桥梁管养领域的语言表述及领域词汇。
-
公开(公告)号：CN115392124A
公开(公告)日：2022-11-25
申请号：CN202211034111.5
申请日：2022-08-26
Applicant: 重庆交通大学
IPC: G06F30/27 , G06T7/00 , G06V10/40 , G06V10/82 , G06V10/26 , G06N3/04 , G01N21/88 , G01N29/04 , G01N29/44
Abstract: 本发明公开了一种多尺度裂缝三维形态反演复现方法，包括如下步骤：1)获取若干混凝土结构的裂缝的二维图像；2)基于deeplabv3+卷积神经网络提取二维图像的裂缝表面的二维特征信息；3)建立基于deeplabv3+卷积神经网络的裂缝表面二维特征信息与其对应的声波散射信号映射关系；4)根据步骤3)建立的裂缝表面二维特征信息与声波散射信息的关系，由步骤2)获得的二维特征信息得到与其对应的声波散射信号映射关系，利用全波形反演模型，得到裂缝的三维形态。本发明能够重构裂缝的三维形态，实现对裂缝的整体参数进行全面评估，从而为混凝土结构安全评估提供更加全面的信息。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.027 seconds)
