-
公开(公告)号：CN116579945A
公开(公告)日：2023-08-11
申请号：CN202310534169.4
申请日：2023-05-12
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于扩散模型的夜间图像复原方法，属于计算机视觉技术领域，采用对白天正常光图像正向加噪、反向去噪扩散处理：为了同时恢复夜间图像的清晰度，而且还能够减小高频噪声，进行端到端的夜间图像复原，本发明采用了基于扩散模型深度神经网络的夜间图像复原框架，以此最大程度地利用其去噪特性；同时，在极其黑暗、嘈杂的条件下始终如一地保留高频细节，所提出的框架不仅可应用于交通领域，也能延伸到其他真实夜间场景的图像复原领域中，提高了方法的普适性。
-
公开(公告)号：CN116341763B
公开(公告)日：2023-07-28
申请号：CN202310581242.3
申请日：2023-05-23
Applicant: 西南交通大学 , 四川省生态环境科学研究院
IPC: G06Q10/04 , G06F18/213 , G06N3/08 , G01W1/10 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种空气质量预测方法，包括基于时空特征提取空气质量参数进行预测，属于数据挖掘技术领域。首先对数据集进行处理，其次构建了一种包含图卷积神经网络、长短期记忆网络以及时间卷积网络的时空子网络提取数据的空间特征和时间特征。最后，构建预测器融合抽取的时空特征实现最终的多任务空气质量预测。本发明可用于实际场景当中，它能够获取空气质量数据中的时空特性，同时该发明实现了多任务空气污染物浓度的预测，具有良好的普适性。
-
公开(公告)号：CN115034478B
公开(公告)日：2023-06-23
申请号：CN202210665488.4
申请日：2022-06-14
Applicant: 西南交通大学
IPC: G06Q10/04 , G06Q50/30 , G06F18/241 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06V10/82
Abstract: 本发明公开了一种基于领域自适应与知识迁移的交通流量预测方法，属于数据挖掘技术领域。首先，提取源域与目标域的时空特征的同时学习潜在的基于时空模式的共享时空知识，在获取时空依赖性的同时挖掘时空模式帮助提升目标域的预测性能。其次，构建了一种知识注意力模块从共享时空知识中抽取可迁移的时空信息，从而获取每个时空特征对应的更加详尽的特征表示。最后，融合抽取的时空特征与可迁移的时空信息实现最终的交通流量预测。本发明可用于实际场景当中，它能够获取交通流量数据中的时空特性，同时该发明中的交通流量预测框架能够扩展到其他时空数据领域的预测任务中，具有良好的普适性。
-
公开(公告)号：CN115239937B
公开(公告)日：2022-12-20
申请号：CN202211161450.X
申请日：2022-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种跨模态情感预测方法，涉及自然语言信息处理技术领域。其主要步骤如下：（1）对跨模态图片文本数据进行预处理；（2）构建神经网络跨模态情感预测模型，包括构建图像‑文本编码模块，跨模态对齐模块，跨模态融合模块，跨模态关联性学习模块和情感分类模块；（3）在训练集上训练神经网络跨模态情感预测模型；（4）分别在验证集、测试集上对神经网络跨模态情感预测模型进行验证和测试。
-
公开(公告)号：CN115239937A
公开(公告)日：2022-10-25
申请号：CN202211161450.X
申请日：2022-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种跨模态情感预测方法，涉及自然语言信息处理技术领域。其主要步骤如下：（1）对跨模态图片文本数据进行预处理；（2）构建神经网络跨模态情感预测模型，包括构建图像‑文本编码模块，跨模态对齐模块，跨模态融合模块，跨模态关联性学习模块和情感分类模块；（3）在训练集上训练神经网络跨模态情感预测模型；（4）分别在验证集、测试集上对神经网络跨模态情感预测模型进行验证和测试。
-
Patent Agency Ranking
公开(公告)号：CN111161282B
公开(公告)日：2021-10-29
申请号：CN201911389370.8
申请日：2019-12-30
Applicant: 西南交通大学
Abstract: 本发明公开了基于深度种子的图像多层次分割的目标尺度选择方法，包括步骤：利用多层次图像分割算法将输入图像分割成若干层次；构建多层次分割树；以颜色直方图、纹理直方图和区域几何尺寸表示图像特征，对分割区域的质量进行评价得到分割质量分数；找到最优分割树；对输入图像的前景类和背景类进行深度种子定位；利用最优分割树中的图像分割区域，建立一个图，通过求图的最小分割得到分割结果。本发明通过改进VGG‑19网络定位前景种子和显著性检测算法定位背景种子，生成深度种子处理图像多层次分割；设计了一个图模型，基于多层次分割结果中包含的多尺度分割区域，利用深度学习模型提供的语义信息，实现了图像目标的最优尺度选择。
-
公开(公告)号：CN113241130A
公开(公告)日：2021-08-10
申请号：CN202110637452.0
申请日：2021-06-08
Applicant: 西南交通大学
Abstract: 本发明属于机器学习技术领域，具体的说是涉及一种基于图卷积网络的分子结构预测方法。本发明根据输入分子的SMILES来构建分子图和分子完全图，并对应构建具有两个分支的网络模型，一个分支采用MLP用于预测边，另一个分支包括图卷积网络和MLP，用于对分支的整体结构特征进行提取。本发明使用了图卷积提取分子结构特征，能很好地对分子的整体结构特征进行提取，从而更好地预测结构；使用了双分支的模型设计，解决了完全图破坏分子结构信息的问题。
-
公开(公告)号：CN107967343B
公开(公告)日：2021-04-13
申请号：CN201711304210.X
申请日：2017-12-11
Applicant: 西南交通大学
IPC: G06F16/904
Abstract: 本发明公开了一种多视图构建方法，涉及数据挖掘技术领域。运用特征选择算法对原始特征集进行特征选择，生成特征子集。其中，视图数量为V，特征选择算法的数量及特征子集的数量均与视图数量相同；将特征子集中重复出现两次或两次以上的特征筛选出来，构成一个公共特征集，并将每个特征子集中存在于公共特征集中的特征删除，生成新的特征子集，将该特征子集视为初始的V个视图；根据多视图互补性和一致性的性质，对多视图进行评价，运用希尔伯特‑施密特独立性度量方法量化视图间的依赖关系，同时运用协同正则化方法测量各视图间有差异的信息。
-
公开(公告)号：CN108304866A
公开(公告)日：2018-07-20
申请号：CN201810058394.4
申请日：2018-01-22
Applicant: 西南交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种多视图特征判别方法，属于数据挖掘领域。该方法针对分类预测任务，构建视图的典型相关分析优化目标并对优化目标进行求解，从视图组合特征和类别相关性两方面优化目标，得到更具有判别性的属性特征。该方法的实施思路分为两个过程：首先构建优化目标，计算相关参数：类内和类间相关矩阵、视图组合特征的类内和类间散布矩阵、视图的协方差矩阵等；然后求解优化目标，得到新的空间投影矩阵，利用目标投影矩阵将原始多视图特征映射到新的特征空间，得到更具判别性的多视图特征，最后信息融合得到一个视图。本发明可用于疾病诊断、文本分类、人脸识别、语音识别等诸多分类问题的特征判别分析以及降维，能显著提升分类准确率。
-
公开(公告)号：CN105208398B
公开(公告)日：2018-06-19
申请号：CN201510608645.8
申请日：2015-09-22
Applicant: 西南交通大学
Abstract: 本发明公开了一种获取道路实时背景图的方法，使用网格聚类快速获取道路背景图，首先将道路划分为诸多网格，其次对这些网格进行H分量的统计，然后根据H分量曲线图确定不同的视频帧聚成的簇，最后从中抽取特征帧，最后从中抽取特征帧。该方法具有复杂度低、效率高、可实施性强的优点。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.068 seconds)
