-
公开(公告)号：CN112966711A
公开(公告)日：2021-06-15
申请号：CN202110137254.8
申请日：2021-02-01
Applicant: 北京大学
Abstract: 本申请提供了一种基于卷积神经网络的指针式仪表示数识别方法及系统，获取指针式仪表的图像，进行图像预处理，得到预处理图像；将预处理图像输入卷积神经网络进行目标检测，得到仪表指针、表盘圆心、量程零值以及最大量程值的位置数据；根据仪表指针、表盘圆心、量程零值以及最大量程值的位置数据，计算得到仪表示数。本申请通过对指针式仪表图像进行预处理，然后基于神经网络进行目标检测，实现了仪表角度识别及示数识别。本申请对指针式仪表图像进行示数识别，具有快速、高效、精准、适用性广等特点。
-
公开(公告)号：CN108388425B
公开(公告)日：2021-02-19
申请号：CN201810230691.2
申请日：2018-03-20
Applicant: 北京大学
Abstract: 本发明提供了一种基于LSTM自动补全代码的方法，包括：源代码处理步骤，使用抽象语法树解析源代码；线下训练步骤，使用LSTM模型训练语言模型；线上代码补全步骤，根据训练过的语言模型补全代码。所述LSTM模型包括约束字符级LSTM和使用前上下文标识符编码器的标识符级LSTM。本发明实现了在编程过程中，任意地方输入任意字符都可以实现代码的自动补全，以及任意代码的推荐，并保证推荐过程的准确性。本发明的技术方案具有简单、快速的特点，能够较好地提高代码推荐的准确率和推荐效率。
-
公开(公告)号：CN109325103B
公开(公告)日：2020-12-04
申请号：CN201811220596.0
申请日：2018-10-19
Applicant: 北京大学
IPC: G06F16/33
Abstract: 本发明提供了一种序列学习的动态标识符表示方法、装置及系统，所述方法包括：将语境向量和标识符向量作为输入，输入相关性子模块中，做相关性运算，得到相关性向量；将所述相关性向量输入Softmax子模块中，做归一化运算，得到组合向量；将所述组合向量输入记忆槽，使得所述记忆槽中的槽之间根据所述组合向量做线性运算，得到所述动态标识符表示。使用本发明DTR模块的LSTM模型能够更快和更稳定的收敛，更好的理解未知标识符，并且能够提供更有竞争力的准确率，而且相比传统LSTM方法，其词汇量小得多。
-
公开(公告)号：CN109325103A
公开(公告)日：2019-02-12
申请号：CN201811220596.0
申请日：2018-10-19
Applicant: 北京大学
IPC: G06F16/33
Abstract: 本发明提供了一种序列学习的动态标识符表示方法、装置及系统，所述方法包括：将语境向量和标识符向量作为输入，输入相关性子模块中，做相关性运算，得到相关性向量；将所述相关性向量输入Softmax子模块中，做归一化运算，得到组合向量；将所述组合向量输入记忆槽，使得所述记忆槽中的槽之间根据所述组合向量做线性运算，得到所述动态标识符表示。使用本发明DTR模块的LSTM模型能够更快和更稳定的收敛，更好的理解未知标识符，并且能够提供更有竞争力的准确率，而且相比传统LSTM方法，其词汇量小得多。
-
公开(公告)号：CN103324789A
公开(公告)日：2013-09-25
申请号：CN201310218408.1
申请日：2013-06-04
Applicant: 北京大学
IPC: G06F17/50
Abstract: 本发明提供一种应用建模工具展现本体的方法和装置，该方法包括：应用建模工具创建第一层本体，并在图形界面上进行展现；第一层本体包括第一层本体类元素和第一层本体关系元素；创建第二层本体，并代替第一层本体在图形界面上进行展现；第二层本体包括第二层本体类元素和第二层本体关系元素，第一层本体类元素为第二层本体类元素的上层概念，第二层本体关系元素为第一层本体关系元素的上层概念。本发明通过多层建模方式创建各层本体，使得用户可以直观查看本体概念的层次结构，且上层概念及概念间的关系对下层概念及概念间的关系产生约束，减少创建本体时产生冲突的可能性。
-
Patent Agency Ranking
公开(公告)号：CN101794288A
公开(公告)日：2010-08-04
申请号：CN200910243925.8
申请日：2009-12-25
Applicant: 北京大学
Abstract: 本发明公开了一种网络服务的描述信息获取方法和装置，网络服务的描述信息获取方法包括：从网络服务描述语言文件中获取网络服务的自身信息；通过搜索引擎获取与所述网络服务相关的网页信息；解析所述网页信息，并获取网页的主体信息；根据所述网络服务的自身信息和所述网页的主体信息获取所述网络服务的描述信息。网络服务的描述信息获取装置包括第一获取模块、第二获取模块、解析模块和第三获取模块。本发明实现了自动地获取网络服务的描述信息，便于用户理解该网络服务的功能和使用方法，为用户提供了极大的便利。
-
公开(公告)号：CN112861870A
公开(公告)日：2021-05-28
申请号：CN202110144237.7
申请日：2021-02-02
Applicant: 北京大学
Abstract: 本申请提供了一种指针式仪表图像矫正方法、系统及存储介质，通过获取指针式仪表的图像，进行图像预处理，得到仪表的灰度图像；根据仪表的灰度图像，通过自适应边缘检测，获得仪表的边缘边界；根据仪表的边缘边界，通过椭圆检测，获得仪表的椭圆边界；仪表的椭圆边界包括椭圆圆心位置、椭圆长轴长度、椭圆短轴长度以及表盘旋转角度；根据仪表的椭圆边界，通过透视变换，将仪表的椭圆边界对应的仪表椭圆图像投影至正圆区域，得到矫正图像。本申请对指针式仪表图像对圆形仪表的非正视图像进行正圆形矫正，获得标准的正视图像，具有快捷、高效、鲁棒性强等特点，提高了后续仪表示数的识别准确性。
-
公开(公告)号：CN112861867A
公开(公告)日：2021-05-28
申请号：CN202110138641.3
申请日：2021-02-01
Applicant: 北京大学
Abstract: 本申请提供了一种指针式仪表盘识别方法、系统及存储介质，通过获取不同场景下一定数量的指针式仪表图像，并进行仪表种类标签的标注，得到训练数据集；将训练数据集输入至目标检测神经网络进行训练，得到训练后的仪表检测模型；将待识别仪表图像输入至仪表检测模型进行预测，得到仪表预测向量；仪表预测向量包括仪表种类、仪表盘中心坐标以及仪表盘预测框的大小；根据仪表预测向量，将待识别仪表图像中的至少一个仪表盘进行切割，得到至少一个仪表盘图像。本申请利用复杂情况下大样本的仪表图像对目标检测神经网络进行训练得到训练后的仪表检测模型，支持各种复杂场景下多个仪表的同时检测，大大提高了仪表盘的识别准确性以及效率。
-
公开(公告)号：CN106446089B
公开(公告)日：2019-08-16
申请号：CN201610816682.2
申请日：2016-09-12
Applicant: 北京大学
Abstract: 本发明公布了一种多维度领域关键知识提取和存储方法，面向招聘服务，根据招聘服务中的关键词，自动构建和量化关键词与职位之间、关键词之间、关键词组合所表达的信息，提取出并进行表示和存储；包括：提取招聘领域的关键词，将职位信息表示成领域关键词的向量；量化关键词之间的关系，得到关键词相关系数矩阵；量化关键词与职位之间的关系，得到关键词与职位相关系数矩阵，作为度量专业技能对职位类别的权重系数；量化关键词组合所表达的信息及其与职位之间的关系；由此实现面向招聘服务的多维度领域关键知识提取和存储。本发明方法易于从语义层面进行理解，简单易行，节省人力。
-
公开(公告)号：CN109614083A
公开(公告)日：2019-04-12
申请号：CN201811220621.5
申请日：2018-10-19
Applicant: 北京大学
IPC: G06F8/30
Abstract: 本发明提供了一种基于迁移学习的API辅助代码概要生成方法，包括：数据提取步骤，从第一代码库中提取第一API序列，从第二代码库中提取第二API序列、代码；API预训练步骤，采用序列到序列模型，对所述从第一代码库中提取得到的第一API序列进行API预训练，得到第一概要；API辅助代码概要生成训练步骤，采用API辅助代码概要生成模型，对所述从第二代码库中提取得到的第二API序列和代码进行API辅助代码概要生成训练，得到第二概要。本发明的方法提高了生成代码概要的准确率和召回率，并且提高了精度和效率，相对于其他代码概要生成方法更具表达性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.029 seconds)
