-
公开(公告)号：CN118170913A
公开(公告)日：2024-06-11
申请号：CN202410280051.8
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: 本发明属于智能运算技术领域，具体涉及大语言模型驱动的混合上下文神经‑符号协同推理方法，包括：S1、获取交通基础设施运维语料进行处理并编码，得到数据集编码及知识图谱嵌入编码VG；S2、构建协同推理模型，包括答案生成模块Mgen、问题分类模块Mclass和多个分类问题处理模块；S3、使用思维链技术，将复杂问题文本Q分解为简单问题集合；S4、使用问题分类模块Mclass对简单问题进行分类后，使用分类问题处理模块求解；并通过知识图谱推理引擎RDFox判断是否符合逻辑规范；得到正确的简单答案集合Aset；S5、将简单答案集合Aset输入答案生成模块Mgen中生成最终答案A。本方法能够在交通基础设施运维等领域智能决策复杂场景下，实现有效的复杂推理以及数值计算。
-
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：CN111709393A
公开(公告)日：2020-09-25
申请号：CN202010609544.3
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了联合卷积与循环神经网络的结构损伤识别方法，包括：利用多个传感器采集待测目标不同位置的振动响应加速度数据；对振动响应加速度数据进行预处理形成时间序列数据矩阵；利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征；利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征；利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系，避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况，显著提高了结构损伤识别的精度，并能在合理的训练条件下节省更多的计算空间消耗，具有较好的计算时间和空间平衡性。
-
公开(公告)号：CN118155065B
公开(公告)日：2024-11-15
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
Patent Agency Ranking
公开(公告)号：CN118333962A
公开(公告)日：2024-07-12
申请号：CN202410429658.8
申请日：2024-04-10
Applicant: 重庆交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于改进DeepLabV3+的混凝土桥梁裂缝检测方法，包括：获取待检测的混凝土桥梁图像，将待检测的混凝土桥梁图像输入到训练后的改进DeepLabV3+神经网络中，得到混凝土裂缝图像的分割信息；根据混凝土裂缝图像的分割信息对混凝土桥梁裂缝进行检测；改进DeepLabV3+神经网络包括轻量化的主干网络、空洞空间金字塔池化模块、多层次特征融合网络以及解码模块；本发明在空洞卷积金字塔后引入vision transformer网络，并与卷积网络组成多层次特征融合网络，以提高性能。
-
公开(公告)号：CN118155065A
公开(公告)日：2024-06-07
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
公开(公告)号：CN117290520A
公开(公告)日：2023-12-26
申请号：CN202311380050.2
申请日：2023-10-23
Applicant: 重庆交通大学
IPC: G06F16/36 , G06N5/025 , G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明属于桥梁检测知识图谱补全技术领域，尤其涉及一种基于知识蒸馏联合内生规则约束的知识图谱补全方法，包括以下步骤：S1、设计出n种桥梁检测领域常见的知识图谱子图结构；S2、使用S1的知识图谱子图结构对原知识图谱的三元组进行筛选，得到m个三元组子集；S3、对S2筛选出的三元组子集进行清洗处理，得到规则训练集；S4、将规则训练集作为训练数据集的补充，使用规则训练集与训练数据集联合训练知识蒸馏的Teacher网络；S5、将训练数据集中的正确标签联合做为监督，将训练后的Teacher网络的预测结果作为另一种监督，联合对知识蒸馏的Student网络进行训练；S6、使用训练后的Student网络对原知识图谱进行补全。本方法可以较好的实现桥梁管养领域的知识图谱补全。
-
公开(公告)号：CN112926448B
公开(公告)日：2022-06-14
申请号：CN202110209645.6
申请日：2021-02-24
Applicant: 重庆交通大学
Abstract: 本发明公开了一种相干斑模式起伏稳健的SAR图像分类方法，包括：获取待分类SAR图像；将待分类SAR图像输入训练后的SAR图像分类网络得到待分类SAR图像的分类结果，所述训练后的SAR图像分类网络对无相干斑噪声SAR图像以及对应的相干斑噪声SAR图像提取的特征描述矢量相似且分类结果相同。本发明通过正则约束对特征提取部分和分类器部分都做了约束，增强了对于相干斑噪声的鲁棒性。并且，与现有技术相比，无需进行数据增强，也无需设计特定的相干斑滤波方法。
-
公开(公告)号：CN111709393B
公开(公告)日：2022-04-12
申请号：CN202010609544.3
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了联合卷积与循环神经网络的结构损伤识别方法，包括：利用多个传感器采集待测目标不同位置的振动响应加速度数据；对振动响应加速度数据进行预处理形成时间序列数据矩阵；利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征；利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征；利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系，避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况，显著提高了结构损伤识别的精度，并能在合理的训练条件下节省更多的计算空间消耗，具有较好的计算时间和空间平衡性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.088 seconds)
