基于深度时空记忆与交互网络的交通事件检测方法

AITNT
正文
推荐专利
基于深度时空记忆与交互网络的交通事件检测方法
申请号:CN202510067732
申请日期:2025-01-16
公开号:CN120032291B
公开日期:2025-10-28
类型:发明专利
摘要
本发明公开了一种基于深度时空记忆与交互网络的交通事件检测方法。首先,设计了时空信息感知网络,可以有效地从输入的视频帧中捕捉到小空间区域到大空间区域的核心语义,以及时间域上的短期特征,提升视频帧特征的提取能力,对交通事件进行更加准确的分类。其次,提出了时序特征学习网络,旨在解决时空信息感知网络在处理视频帧时未能充分捕捉长期时间信息的问题。该方法通过强化时间特征的学习,能够获得更加完整的上下文时间信息特征,提高对异常发生和结束时刻的准确定位。
技术关键词
交通事件检测方法 交互网络 时序特征 记忆 训练检测模型 视频帧特征 信道特征 计算机装置 计算机程序产品 通道 处理器 语义 矩阵 序列 数据分布 指令 标记
系统为您推荐了相关专利信息
1
应用于电力系统的电网损失信息的识别模型的训练方法
电压暂降事件 样本 双向长短期记忆 计算机执行指令 识别电力系统
2
一种光伏设备自降负荷运行的检测方法及装置
随机森林模型 光伏设备 超参数 负荷特征 动态
3
基于深度学习的慢性病趋势预测系统
趋势预测系统 动态时间窗口 交互网络 指数 时序
4
基于双注意力的伪造图像检测方法、装置及电子设备
伪造图像检测方法 噪声特征 融合特征 分支 注意力
5
基于人工智能的野外红豆杉产量预测方法和系统
红豆杉 图像边缘识别 产量预测方法 图像特征值 图像特征提取
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号