公开(公告)号：CN117197451A

公开(公告)日：2023-12-08

申请号：CN202310904440.9

申请日：2023-07-21

Applicant: 厦门大学

Inventor： 程明 ,  曾万康 ,  袁直敏 ,  苏燕飞 ,  王程

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/774 ,  G06V10/778 ,  G06V10/762

Abstract: 本发明公开了一种基于域自适应的遥感图像语义分割方法及装置，该方法包括获取包括具有标注的源域数据和未标注的目标域数据的遥感数据集；构建具有辅助原型分类器的平均教师框架，其中，具有辅助原型分类器的平均教师框架包括教师模型和学生模型；采用遥感数据集训练及优化学生模型的参数，其中，教师模型使用指数移动平均更新其参数，辅助原型分类器使用指数移动平均更新其权重；将未标注的目标域数据输入到训练好的学生模型进行逐点预测，以得到未标注的目标域数据对应的分割结果；由此，通过构建具有辅助原型分类器的平均教师框架能够解决遥感图像跨域语义分割任务中的域差异问题，并实现源域与目标域之间类层次的对齐，从而提高分割性能。

公开(公告)号：CN115019105A

公开(公告)日：2022-09-06

申请号：CN202210731014.5

申请日：2022-06-24

Applicant: 厦门大学

Inventor： 刘伟权 ,  王程 ,  刘明皓 ,  沈思淇 ,  卞学胜 ,  臧彧 ,  温程璐 ,  程明

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/06

Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。

公开(公告)号：CN114387580A

公开(公告)日：2022-04-22

申请号：CN202210010060.6

申请日：2022-01-06

Applicant: 厦门大学

Inventor： 范晓亮 ,  陈亮 ,  王程 ,  程明

IPC: G06V20/58 ,  G06V10/774 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：采集每个客户端对应的三维点云数据进行预处理，以得到对应的道路点云二维灰度分块图片；获取服务器端的全局模型，并根据道路点云二维灰度分块图片对全局模型进行训练及计算，以得到每个客户端对应的模型参数和道路标识权重，并将每个客户端对应的模型参数和道路标识权重发送给服务器端以对每个客户端对应的模型进行加权平均以得到更新后的全局模型，并发送给每个客户端，以便进行下一轮模型更新，直至达到最大通信轮数后得到道路标识提取模型；由此，通过各个客户端正负样本占比设置权重，实现了客户端的公平聚合，从而提高了联邦学习模型的准确度和公平性。

公开(公告)号：CN113379646A

公开(公告)日：2021-09-10

申请号：CN202110768864.8

申请日：2021-07-07

Applicant: 厦门大学

Inventor： 李渊 ,  陈一平 ,  李国艳 ,  程明 ,  王程 ,  李军 ,  竞雄

IPC: G06T5/00 ,  G06T17/20 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用生成对抗网络进行稠密点云补全的算法，包括以下步骤：S1、设定生成器，将缺失点云输入EncoderC编码器提取特征，得到高维全局特征向量GFVx；S2、利用生成器将目标点云经过EncoderN‑DPC编码器，得到高维全局特征向量GFVy；S3、利用生成对抗网络在高维全局特征向量空间训练，实现x→y之间的“风格迁移”；S4、从生成器生成的新特征向量GFVG(x)通过解码器DecoderN‑DPC补全得到稠密点云；本发明当点云80％比例缺失时其补全点云分类精度高达86.5％。

公开(公告)号：CN110415516B

公开(公告)日：2021-06-22

申请号：CN201910637679.8

申请日：2019-07-15

Applicant: 厦门大学

Inventor： 范晓亮 ,  闫旭 ,  王程 ,  程明 ,  郑传潘 ,  温程璐

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。

公开(公告)号：CN106096655B

公开(公告)日：2019-08-27

申请号：CN201610415366.4

申请日：2016-06-14

Applicant: 厦门大学

Inventor： 程明 ,  张志远 ,  王程 ,  李军

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于卷积神经网络的光学遥感图像飞机检测方法，包括以下步骤：S1、训练样本的获取；S2、图像预处理；S3、网络模型的构建；S4、模型的训练；S5、检测结果的优化。本发明将深度学习引入飞机检测的应用当中，构建基于卷积神经网络的飞机检测结构模型，借助优化图像预处理、训练样本获取和改进训练结构等方式，解决了飞机朝向多样性的问题，提高了检测算法的性能，使得飞机检测算法能够有效应对复杂的地物因素，抗干扰能力强，鲁棒性好。

公开(公告)号：CN109117987A

公开(公告)日：2019-01-01

申请号：CN201810790785.5

申请日：2018-07-18

Applicant: 厦门大学

Inventor： 范晓亮 ,  陈超 ,  程明 ,  王程 ,  温程璐 ,  郑传潘

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26

Abstract: 本发明公开了一种基于深度学习的个性化交通事故风险预测推荐方法，包括以下步骤：将城市划分为网格区域；计算各网格区域各时段的交通事故数据、交通流量数据、天气特征数据；利用深度学习方法进行模型训练，获得交通事故风险预测模型；根据当前时刻的交通事故数据、交通流量数据及天气特征数据输入，利用交通事故风险预测模型计算下一时刻城市区域交通事故风险预测情况。本发明利用深度学习方法学习交通事故影响因子与交通事故之间的非线性、高维、复杂关联关系，对城市级别的交通事故风险进行预测，提升了预测结果的准确性。

公开(公告)号：CN114637880B

公开(公告)日：2024-07-19

申请号：CN202210151825.8

申请日：2022-02-18

Applicant: 厦门大学

Inventor： 刘伟权 ,  王程 ,  赖柏锜 ,  臧彧 ,  沈思淇 ,  温程璐 ,  程明

IPC: G06F16/583 ,  G06T3/06 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06V10/54 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。

公开(公告)号：CN116071661B

公开(公告)日：2023-06-23

申请号：CN202310359928.8

申请日：2023-04-06

Applicant: 厦门大学

Inventor： 陈一平 ,  陈钧 ,  王程 ,  程明

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于激光点云的城市道路场景语义分割方法，包括以下步骤：S1、对原始城市街道点云进行体素下采样得到点云；S2、为点云的所有点随机分配概率值，构建基于图卷积和注意力融合的神经网络的输入点集；S3、训练基于图卷积和注意力融合的神经网络；S4、通过基于图卷积和注意力融合的神经网络进行语义分割预测；该方法使用图卷积和注意力融合的神经网络，提高了城市街道点云的语义分割准确性和效率。

公开(公告)号：CN110969190B

公开(公告)日：2023-05-12

申请号：CN201911080527.9

申请日：2019-11-07

Applicant: 厦门大学

Inventor： 范晓亮 ,  吴尚斌 ,  王程 ,  程明 ,  李玮健

IPC: G06V20/54 ,  G06V20/62 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06Q50/26

Abstract: 本发明公开了一种非法营运车辆检测方法、介质、设备及装置，其中方法包括：获取车辆对应的第一通行信息，并提取第一通行信息对应的第一行为特征；根据第一行为特征进行训练集和测试集的建立，并将训练集和测试集输入到深度神经网络进行模型的训练，以生成非法营运车辆检测模型；获取待检测车辆对应的第二通行信息，并提取第二通行信息对应的第二行为特征；将第二行为特征输入到非法营运车辆检测模型，以通过非法营运车辆检测模型判断待检测车辆是否为非法营运车辆；能够对非法营运车辆进行快速、有效地检测，提高交通管理部门的效率，节约所需人力物力；同时，降低对道路交通和合法驾驶车辆人员的影响。