摘要
本发明提供了一种基于图神经网络的铁路场景危险事件检测方法。该方法包括:将单个时刻的铁路场景图像输入到基于改进后的图卷积网络的铁路场景图特征提取模型中,输出铁路场景图像的分类信息、风险源类型信息和节点特征信息;利用铁路场景自然文本数据集对铁路状态预测大语言模型进行训练,将待识别的铁路场景图像的自然时序文本描述输入到训练好的铁路状态预测大语言模型中,输出待识别的铁路场景图像的场景状态、风险源以及风险预测的描述。本发明方法利用图神经网络获取初级的铁路场景感知信息,基于初级感知信息利用大语言模型技术进行深层次分析,以获取场景状态信息、风险溯源信息以及风险推理信息,从而有效地预测和管理铁路场景风险事件。
技术关键词
大语言模型
铁路
特征提取模型
事件检测方法
节点特征
文本
危险场景
图像
风险
时序
三元组
数据
模版
分类准确率
溯源信息
层级
网络
指令
系统为您推荐了相关专利信息
仿真数据
聚类
多视角神经网络
特征提取单元
样本
阴影方法
读取原始图像
超分辨率模型
切片
图像分割模型
异构数据语义
数据发现方法
动态知识图谱
大语言模型
数据接口