-
公开(公告)号：CN112949682A
公开(公告)日：2021-06-11
申请号：CN202110112799.3
申请日：2021-01-27
Applicant: 重庆交通大学
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：CN118170912A
公开(公告)日：2024-06-11
申请号：CN202410280050.3
申请日：2024-03-12
Applicant: 重庆交通大学 , 重庆中科云从科技有限公司
Abstract: 本发明属于智能知识图谱技术领域，尤其涉及一种大语言模型驱动的桥梁管养领域知识图谱表示学习方法。本方法建立在大语言模型的文本编码能力基础之上，结合图神经网络的图结构编码能力，融合本体中丰富的复杂语义信息、异质属性信息、描述文本信息以及图谱中的图结构信息，使得实体和属性的嵌入结果能够包含更加丰富的语义信息，增强其泛化能力，更好的用于领域知识图谱补全等许多下游任务。与现有技术相比，本方法能够在充分考虑知识图谱结构信息的基础上，通过大语言模型利用OWL本体中的复杂语义信息以及文本信息，实现有效处理未见过的实体的和长尾关系，有助于桥梁管养领域知识图谱的自动化维护与补全，减少人力物力的消耗。
-
公开(公告)号：CN117173217A
公开(公告)日：2023-12-05
申请号：CN202311209862.0
申请日：2023-09-19
Applicant: 重庆交通大学
IPC: G06T7/246 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉中多目标跟踪技术领域，尤其涉及一种基于多尺度通道特征聚合的视频多目标跟踪方法。通过对多目标跟踪模块设置多尺度特征聚合模块，提高了模型对重要特征的关注度，在通过跟踪查询增强对目标运动建模能力的同时，有效提升模型对目标局部特征的关注能力，以此增强模型对频繁遮挡的鲁棒性，优化跟踪器性能。同时，特征更新模块可以基于当前帧目标查询向量记录并更新目标的特征表达，并将其传递到下一帧作为跟踪查询使用，以逐帧迭代的方式在时间序列上更新并传递目标的轨迹特征。本发明不仅能够建模图像特征的全局依赖性，而且通过通道特征的增强缓解了复杂遮挡和背景噪声问题，有效减少目标漏检和身份切换问题。
-
公开(公告)号：CN115188214B
公开(公告)日：2023-09-22
申请号：CN202210812751.8
申请日：2022-07-11
Applicant: 重庆交通大学
Abstract: 本发明具体涉及两车道混合交通协同控制方法、汽车及可读存储介质。方法包括：获取两条目标车道上智能汽车和人驾车的相对位置信息；沿目标车道的行驶方向将目标车道上的智能汽车和人驾车划分为若干个小车队；通过控制策略和人驾车模型分别控制小车队中的智能汽车和人驾车行驶；其中，控制策略中包括分别用于控制通信正常和通信异常的智能汽车行驶的两种策略；以缩小小车队的规模为目标随机控制通信正常的智能汽车从小队中分离并变道至旁侧目标车道中重新组建小车队。本发明还公开了一种汽车及可读存储介质。本发明能够在智能汽车异常通信条件下实现两车道混合交通协同控制，进而能够实现智能汽车异常通信条件下的车辆高效协同。
-
公开(公告)号：CN116737948A
公开(公告)日：2023-09-12
申请号：CN202310578312.X
申请日：2023-05-22
Applicant: 重庆交通大学
Abstract: 本发明属于自然语言处理技术领域，尤其涉及一种面向中文短文本的实体链接方法，包括以下步骤：S1、对知识库进行处理，构建候选实体字典和知识库实体字典；S2、构建候选实体集，用于为待消歧文本中的实体指称过滤掉知识库中的不相关实体；S3、使用预设的候选实体排序的底层模型，对候选实体集中的候选实体依次进行训练；S4、通过预设的阈值判断不可链接的实体指称。本发明可以提高中文短文本实体链接的准确率，推进实体链接任务的实际应用。
-
Patent Agency Ranking
公开(公告)号：CN116596857A
公开(公告)日：2023-08-15
申请号：CN202310465957.2
申请日：2023-04-26
Applicant: 重庆交通大学
IPC: G06T7/00 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于YOLOV5网络的桥梁表观病害检测方法，包括以下步骤：S1、构建基于YOLOV5网络的图像识别模型，用于进行桥梁表观病害检测；所述图像识别模型包括优化后的YOLOV5网络；所述YOLOV5网络的优化包括，在骨干网络中引入小目标特征提取层，并加入优化后的ECA模块对骨干网络得到的特征层进行特征加强处理；骨干网络得到的特征层包括原始网络得到的特征层，以及引入的小目标特征提取层得到的小目标特征层；S2、对图像识别模型进行训练；S3、获取桥梁的待测图像并进行预设的预处理；S4、使用训练后的图像识别模型，根据预处理后的待测图像进行桥梁表观病害检测。本发明能够提升基于桥梁表观图像进行桥梁病害检测的准确性，帮助提高桥梁检测工作的安全性。
-
公开(公告)号：CN113312912B
公开(公告)日：2023-03-31
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：CN115577086A
公开(公告)日：2023-01-06
申请号：CN202211275276.1
申请日：2022-10-18
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明具体涉及基于层级交叉注意力机制的桥梁检测知识图谱问答方法，包括：获取桥梁检测领域的问题文本；将问题文本输入经过训练的深度网络问答模型中，输出对应的预测答案；首先通过神经网络提取问题文本的主题实体；然后根据问题文本的主题实体生成对应的结构化查询语句，并在桥梁检测知识图谱中进行查询操作；再将查询得到的所有知识三元组中的关系谓词和实体宾语作为候选答案，并通过层级交叉注意力机制计算得到候选答案和问题文本的相似度；最后将相似度最高的候选答案作为预测答案；将深度网络问答模型输出的预测答案作为对应问题文本的最终答案。本发明能够充分考虑桥梁检测领域问题文本和候选答案之间的语义特征和语义关联。
-
公开(公告)号：CN115391535A
公开(公告)日：2022-11-25
申请号：CN202211034115.3
申请日：2022-08-26
Applicant: 重庆交通大学
IPC: G06F16/35 , G06F40/30 , G06F40/295 , G06K9/62 , G06N3/04
Abstract: 本发明涉及关系分类技术领域，具体涉及面向桥梁检测领域文本的少样本关系分类装置及分类方法，该装置包括上下文特征提取模块、实体特征提取模块和关系分类模块；上下文特征提取模块包括样本编码器和双向编码网络，样本编码器用于将桥梁检测的句子编码为向量形式，得到句子编码向量；双向编码网络用于对句子进行前向和后向的编码，将两个方向的编码结果进行拼接得到句子的上下文特征信息；实体特征提取模块用于从句子编码向量中抽取实体编码向量，并将其转化为实体特征向量。相比于当前神经网络少样本关系分类方法，本发明能够在少样本的前提下更好地对桥梁检测领域文本包含的不同关系类型进行分类。
-
公开(公告)号：CN112884007B
公开(公告)日：2022-08-09
申请号：CN202110093797.4
申请日：2021-01-22
Applicant: 重庆交通大学
Abstract: 本发明公开了一种像素级统计描述学习的SAR图像分类方法，包括：S1、将目标SAR图像输入SAR图像分类模型；S2、SAR图像分类模型中的判别子网络提取目标SAR图像的像素级统计描述特征；S3、SAR图像分类模型中的模式子网络提取目标SAR图像的结构模式描述特征；S4、SAR图像分类模型中的融合模块将像素级统计描述特征和结构模式描述特征融合得到目标SAR图像的图像描述特征；S5、SAR图像分类模型中的Softmax层基于图像描述特征生成目标SAR图像的分类结果。本发明能够解决SAR图像分析时存在的泛化能力不高和稳健性不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.03 seconds)
