专利名称：一种基于全局上下文卷积网络的人群计数方法及系统      申请号：2021103826456     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 卷积网络   相似专利 发布日：2024/11/27  
摘要： 本发明提供了一种基于全局上下文卷积网络的人群计数方法及系统，该方法分别提取待计数图像的低级特征图和高级特征图；对低级特征图和高级特征图分别提取多尺度特征，获得具有多尺度信息的特征图；通过对空间信息和通道信息的捕获，将全局上下文特征聚合到每个像素，得到具有上下文信息的特征图，得到像素间的远程依赖关系，使特征图包含更丰富的信息；并通过上采样和特征融合得到人群密度图，提高了人群计数精度。

专利名称：一种基于多模式动态残差图卷积网络的交通流预测方法      申请号：2022104114294     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：智慧城市交通规划 智能交通管理 卷积网络   相似专利 发布日：2024/10/23  
摘要： 本发明公开了一种基于多模式动态残差图卷积网络的交通流预测方法，包括：对交通站点历史流量数据，构造关系矩阵和自适应矩阵学习站点依赖关系；利用多模式动态图卷积提取不同交通模式对应的流量特征；将图卷积嵌入到门控循环神经网络中，实现交通流量空间依赖和时间依赖的结合；利用动态残差连接网络，将输入流量数据与解码端数据结合，获得最终预测值。本发明利用两种不同的方法构造邻接矩阵，有效地捕捉不同交通模式对应的流量特征，并动态融合两种不同模式的交通流量特征，通过将多模式动态图卷积替换门控循环神经网络中的线性变换操作，将结合多模式动态图卷积和门控循环单元重新组成，从而实现同时捕捉交通流量的空间依赖性和时间依赖性。

专利名称：基于依赖树的方面级情感分析交互卷积网络      申请号：2022117308457     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 交互 情感 卷积网络   相似专利 发布日：2023/10/17  
摘要： 本发明公开了基于依赖树的方面级情感分析交互卷积网络，包括输入编码层，其特征在于，还包括注意力层、依赖树层、图卷积层、交互网络层、以及输出层，所述图卷积层，用于根据句法结构图表示和句子隐藏状态向量表示的自注意力分数，利用Att‑GCN模型计算输出；交互网络层，用于输入Att‑GCN模型的输出，并进行交互操作；计算最终方面词表示的输出；计算输出#imgabs0#和输出#imgabs1#输出层根据#imgabs2#和#imgabs3#进行拼接操作，再进行分类获得分类概率。本发明使用交互网络层，减少因为卷积导致的信息丢失的影响。同时，让分散的句子信息更加的集中。

专利名称：基于孪生卷积网络和特征混合的 sift 误匹配检测方法      申请号：2021103397944     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：互联网 计算机图像处理 卷积网络   相似专利 发布日：2025/02/10  
摘要： 本发明公开了基于孪生卷积网络和特征混合的sift误匹配检测方法，具体为：首先，采用sift算法将待匹配的两幅原始图像进行处理，得到训练集和测试集；并得到样本对应特征点的领域图像，输入到孪生卷积网络，提取领域图像的特征图；然后获取样本对应的sift描述子数据的特征和对应特征点的Harris矩阵，并用全连接层和交叉熵损失函数对融合后的特征进行二分类判断，反向传播更新网络参数，保存训练网络的权重偏置参数；最后将权重偏置参数载入到sift误匹配检测网络中，将待检测的样本数据输入到检测网络，并得出待测样本的预测结果。本发明的方法，大大改善了现有技术中容易出现误判的问题，同时提高了误匹配检测的准确率。