-
公开(公告)号:CN114861803A
公开(公告)日:2022-08-05
申请号:CN202210526795.4
申请日:2022-05-16
Applicant: 华南农业大学
IPC: G06K9/62 , G06N3/04 , G06V10/20 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于改进的双网络识别模型的蝴蝶细粒度识别方法,包括步骤:收集蝴蝶在自然生活环境中的生态照片和蝴蝶标本照片,构建蝴蝶图片数据集;对所述蝴蝶图片数据集中的图片进行处理;分割图片处理后的蝴蝶图片数据集;搭建双网络识别模型;获得最终识别模型;使用所述最终识别模型进行蝴蝶细粒度识别,并采用平均加权的方式将所述第一识别网络和第二识别网络的的识别结果融合,得到最终的识别结果。与现有技术相比,本发明比标准的CNN架构识别率更高,性能更加稳定。
-
公开(公告)号:CN119357328A
公开(公告)日:2025-01-24
申请号:CN202411395568.8
申请日:2024-10-08
Applicant: 华南农业大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/279 , G06Q30/016 , G06N5/04 , G06N3/045 , G06N3/0475
Abstract: 本发明公开了一种基于自然语言处理模型的智能客服处理方法,包括以下步骤:S1、获取用户输入的文本消息;S2、通过Rasa NLU对文本消息进行意图以及实体识别,以获得文本消息的意图以及实体;S3、将意图以及实体输入Rasa Core;S4、通过Rasa Core预测下一个动作,以响应用户输入的文本消息。本发明能够提升智能客服机器人的响应速度、提高处理效率、优化对话流程以及实现更精准的个性化服务等,提高智能客服机器人的交互效果和用户满意度;在当今数字化时代,智能客服机器人在各个行业中都有着广泛的应用,因此本发明对于提升客户服务质量和效率具有重要意义。
-
公开(公告)号:CN115935996A
公开(公告)日:2023-04-07
申请号:CN202211652300.9
申请日:2022-12-21
Applicant: 华南农业大学
IPC: G06F40/295 , G06F16/36 , G06V10/80 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种结合知识图谱和口语化文本的细粒度蝴蝶识别方法,属于图像识别领域,该方法包括:获取多种蝴蝶图像和描述蝴蝶的文本,并将蝴蝶图像和描述蝴蝶的文本一一对应;提取蝴蝶图像的模态特征和描述蝴蝶的文本的模态特征;将描述蝴蝶的文本模态信息链接到构建好的蝴蝶形态的知识图谱;结合蝴蝶形态的知识图谱并根据蝴蝶图像模态和描述蝴蝶的文本模态,输出蝴蝶图像的蝴蝶种类的识别结果。本发明能够结合知识图谱和口语化文本辅助细粒度蝴蝶识别,有效的提升细粒度蝴蝶识别的精确性和鲁棒性。
-
公开(公告)号:CN114861803B
公开(公告)日:2024-09-27
申请号:CN202210526795.4
申请日:2022-05-16
Applicant: 华南农业大学
IPC: G06V40/10 , G06V10/80 , G06N3/0464 , G06N3/045 , G06V10/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/776
Abstract: 本发明公开了基于改进的双网络识别模型的蝴蝶细粒度识别方法,包括步骤:收集蝴蝶在自然生活环境中的生态照片和蝴蝶标本照片,构建蝴蝶图片数据集;对所述蝴蝶图片数据集中的图片进行处理;分割图片处理后的蝴蝶图片数据集;搭建双网络识别模型;获得最终识别模型;使用所述最终识别模型进行蝴蝶细粒度识别,并采用平均加权的方式将所述第一识别网络和第二识别网络的的识别结果融合,得到最终的识别结果。与现有技术相比,本发明比标准的CNN架构识别率更高,性能更加稳定。
-
-
-