-
公开(公告)号：CN113641819A
公开(公告)日：2021-11-12
申请号：CN202110912198.0
申请日：2021-08-10
Applicant: 福州大学
IPC: G06F16/35 , G06F40/126 , G06F40/30 , G06N3/04
Abstract: 本发明提出一种基于多任务稀疏共享学习的论辩挖掘系统及方法，包括：编码器模块，用于使用双向长短时记忆神经网络学习上下文信息；双路注意力编码模块，用于使用自注意力和外部注意力并行对词向量进行特征提取，获得不同角度的单词语义关注度，强化单词之间的关系建模；稀疏共享学习模块，用于对获得句子向量的编码模块进行多任务学习，为不同任务生成任务特定的稀疏参数矩阵，以解决多任务学习负迁移影响，并获得句子级编码表示；多任务标签输出模块，用于使用任务特定的分类器完成不同任务的分类结果预测。能够自动地学习多个任务的稀疏共享结构，并利用各自任务特定的子网络进行联合训练，有效避免多任务学习的负迁移现象。
-
公开(公告)号：CN112288632B
公开(公告)日：2023-02-28
申请号：CN202011178157.5
申请日：2020-10-29
Applicant: 福州大学
IPC: G06T3/40 , G06N3/0475 , G06N3/048 , G06N3/045 , G06N3/084 , G06V10/764
Abstract: 本发明涉及一种基于精简ESRGAN的单图像超分辨率方法，包括以下步骤：步骤S1:获取待处理低分辨图像，并预处理；步骤S2:根据预处理后的图像，通过改进型单图像超分辨率生成对抗网络中的生成器模块，生成超分辨率图像，若模型处于训练阶段，则进行步骤S3，否则进行步骤S4；步骤S3:构建判别器，并将判别器用于判断超分辨率图像是否为真实的高分辨率图像，根据判别器得到的结果进行反向传播，优化生成器，重新进行步骤S2；步骤S4:对得到的超分辨率图像进行边缘修复处理，得到最终的超分辨率图像。本发明解决图像放大后的边缘修复问题，去除边缘锯齿效应和块效应，使得图像更加平滑，从而较好地实现单图像超分辨率重建。
-
Patent Agency Ranking
公开(公告)号：CN113641819B
公开(公告)日：2023-08-22
申请号：CN202110912198.0
申请日：2021-08-10
Applicant: 福州大学
IPC: G06F16/35 , G06F40/126 , G06F40/30 , G06N3/0442
Abstract: 本发明提出一种基于多任务稀疏共享学习的论辩挖掘系统及方法，包括：编码器模块，用于使用双向长短时记忆神经网络学习上下文信息；双路注意力编码模块，用于使用自注意力和外部注意力并行对词向量进行特征提取，获得不同角度的单词语义关注度，强化单词之间的关系建模；稀疏共享学习模块，用于对获得句子向量的编码模块进行多任务学习，为不同任务生成任务特定的稀疏参数矩阵，以解决多任务学习负迁移影响，并获得句子级编码表示；多任务标签输出模块，用于使用任务特定的分类器完成不同任务的分类结果预测。能够自动地学习多个任务的稀疏共享结构，并利用各自任务特定的子网络进行联合训练，有效避免多任务学习的负迁移现象。
-
公开(公告)号：CN113642630B
公开(公告)日：2024-03-15
申请号：CN202110913660.9
申请日：2021-08-10
Applicant: 福州大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0442
Abstract: 本发明涉及一种基于双路特征编码器的图像描述方法及系统，系统包括：一个场景图生成模块，用于根据输入图片构造场景图；一个图卷积神经网络模块，用于对场景图中的物体节点和关系节点进行编码；一个全局特征编码器，用于对物体节点进行辅助编码；一个特征融合模块，用于对图卷积神经网络和全局特征编码器编码的物体节点特征进行融合；一个基于双层LSTM的解码器模块，用于对经过图卷积神经网络和全局特征编码器共同编码的图节点特征进行解码，生成描述语句。本发明能够更好地根据图像生成描述语句。
-
公开(公告)号：CN113642332B
公开(公告)日：2023-11-14
申请号：CN202110919005.4
申请日：2021-08-11
Applicant: 福州大学
Abstract: 本发明提出一种融合多级语义信息的多模态讽刺识别系统方法，所述方法通过融合多级语义信息来分析多模态数据，然后以讽刺识别模块来判别多模态数据中是否存在讽刺感；在生成多模态数据时，以特征提取模块提取图文数据的特征表示及图文数据的中级语义信息，以图文融合模块融合图文数据的特征表示并提取产生讽刺感的图文片段，以语义融合模块融合图文数据的中级、高级语义信息；本发明能够提取图文模态数据的特征表示及图文数据中的中级语义信息，通过注意力机制融合多模态数据，并关联图文模态的中级语义，分析多模态数据中是否存在讽刺感。
-
公开(公告)号：CN113642630A
公开(公告)日：2021-11-12
申请号：CN202110913660.9
申请日：2021-08-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于双路特征编码器的图像描述方法及系统，系统包括：一个场景图生成模块，用于根据输入图片构造场景图；一个图卷积神经网络模块，用于对场景图中的物体节点和关系节点进行编码；一个全局特征编码器，用于对物体节点进行辅助编码；一个特征融合模块，用于对图卷积神经网络和全局特征编码器编码的物体节点特征进行融合；一个基于双层LSTM的解码器模块，用于对经过图卷积神经网络和全局特征编码器共同编码的图节点特征进行解码，生成描述语句。本发明能够更好地根据图像生成描述语句。
-
公开(公告)号：CN112288632A
公开(公告)日：2021-01-29
申请号：CN202011178157.5
申请日：2020-10-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于精简ESRGAN的单图像超分辨率方法，包括以下步骤：步骤S1:获取待处理低分辨图像，并预处理；步骤S2:根据预处理后的图像，通过改进型单图像超分辨率生成对抗网络中的生成器模块，生成超分辨率图像，若模型处于训练阶段，则进行步骤S3，否则进行步骤S4；步骤S3:构建判别器，并将判别器用于判断超分辨率图像是否为真实的高分辨率图像，根据判别器得到的结果进行反向传播，优化生成器，重新进行步骤S2；步骤S4:对得到的超分辨率图像进行边缘修复处理，得到最终的超分辨率图像。本发明解决图像放大后的边缘修复问题，去除边缘锯齿效应和块效应，使得图像更加平滑，从而较好地实现单图像超分辨率重建。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
