-
公开(公告)号：CN114168784A
公开(公告)日：2022-03-11
申请号：CN202111511008.0
申请日：2021-12-10
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种分层监督跨模态图文检索方法，所述的方法包括步骤如下：S1：构建用于提取图像特征和文本特征的特征提取网络；S2：利用特征提取网络提取图像和文本特征，分别得到图像和文本的初步高维特征值；S3：构建模态对抗网络，将图像和文本的初步高维特征值输入模态对抗网络进行对抗学习，使得含有相同语义的不同模态在公共空间中的距离最近；S4：构建哈希码生成网络，并利用哈希码生成网络约束特征提取网络的最后一层全连接层，使得通过最后一层全连接层的图像和文本的初步高维特征值，生成最优哈希码，实现对跨模态数据检索。本发明能实现对具有分层监督跨模态数据的检索，提升跨模态检索效率。
-
公开(公告)号：CN113392578A
公开(公告)日：2021-09-14
申请号：CN202110544470.4
申请日：2021-05-19
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G06F111/08
Abstract: 本发明公开了一种基于DCFM模型的设备故障预测方法，所述方法通过搭建一种能够充分探索设备高低阶特征信息的DCFM模型结构，从而实现设备信息更深层次、更全面的提取，提高设备故障预测模型的分类效果，同时该模型对设备的特征进行自动叉乘，可以在一定程度上弥补传统机器学习方法依赖特征工程的劣势。另外，DCFM模型的FM模块基于隐向量可以实现对稀疏数据的二阶特征参数进行细腻学习；FM和CrossNetwork模块的学习效率均为线性级别复杂度，在一定程度上提高了模型的训练速度，有利于模型的快速构建，相比较其他复杂的机器学习以及深度学习模型，DCFM模型可以满足设备部件在线预测对时间响应及准确度方面的需求。
-
公开(公告)号：CN113377900A
公开(公告)日：2021-09-10
申请号：CN202110529012.3
申请日：2021-05-14
Applicant: 中国电子科技集团公司第五十四研究所 , 桂林电子科技大学
IPC: G06F16/33 , G06F16/34 , G06F40/211 , G06F40/284 , G06K9/62
Abstract: 本发明公开了一种基于重写和保留显著词的推敲文本摘要方法，所述方法包括：将原始文本输入抽取式文本摘要模块，筛选出信息量大的候选句子，同时对原始文本每个单词进行自注意力机制的操作并得到原始文本的向量表示；将原始文本和步骤S2得到的候选句子作为第二阶段推敲模块的输入，将候选句子的每个单词进行遮盖并利用本模块预测新词；根据自注意力机制计算两个阶段的权重，对两阶段结果进行加权求和计算得到最终结果。本发明设计了一个端到端的结构来模拟人类的写作风格，抽取式模块保留原始文本中的重要信息；推敲模块精炼摘要，提高生成摘要的可读性和准确性。
-
公开(公告)号：CN109086437B
公开(公告)日：2021-06-01
申请号：CN201810926656.4
申请日：2018-08-15
IPC: G06F16/583 , G06F16/51 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种融合Faster‑RCNN(Faster‑Regions with Convolutional Neural Network,快速区域卷积神经网络)和Wasserstein自编码器的图像检索方法。本发明搭建深度学习框架，采用Faster‑RCNN模型提取图像特征；对Faster‑RCNN模型进行训练，微调网络权重；提取图像的全局特征，构建图像的全局特征图库；构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；采用Wasserstein自编码器对全局特征进行降维，计算欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；采用Wasserstein自编码器对局部特征进行降维，计算第二相似度并进行第二次排序，完成图像的细粒度检索。该方法能加快图像的检索速度以及提高图像检索的准确率。
-
-
Patent Agency Ranking
公开(公告)号：CN112396167A
公开(公告)日：2021-02-23
申请号：CN202011603737.4
申请日：2020-12-30
Applicant: 桂林电子科技大学 , 中国科学院自动化研究所
Abstract: 本发明公开了一种外观相似度与空间位置信息融合的回环检测方法，包括步骤：将装有视觉传感器和定位系统的机器人置于场景中自由探索，同时采集图像与相应的空间坐标信息。通过以卷积神经网络为核心的孪生网络框架训练相似度计算模型。采用训练完成的模型将新采集的场景图像与已有图像进行相似度判别，相似度大于一定阈值时，则认为机器人曾经经过该场景。在判别为机器人经过该场景的情况下，计算两张场景图像对应空间坐标的水平距离差，若距离差小于一定阈值，则判定机器人经过的路径产生闭合环路。本方法从外观相似度与里程计两个方面同时进行约束，从而达到检测机器人移动路径中闭合环路的目的。
-
公开(公告)号：CN111695508A
公开(公告)日：2020-09-22
申请号：CN202010532767.4
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多尺度的Retinex和改进VGGNet网络的手势图像检索方法，该方法通过多尺度的Retinex方法对手势数据图像进行增强后，对采用深度学习方法对模型进行训练。当手势图像检索模型训练好之后，将最后一个FC层提取到的特征作为图像的特征表示参与手势图像检索任务，并改进的VGGNet的多分支网络结构中引入哈希层，模型的输入为手势图像和类别标签，类别标签作为监督信息学习图像特征，每个分支学习不同的标签信息，经过全连接层将之前两个分支学习到的特征进行融合，得到非线性组合特征，然后经过哈希层将得到低维度的哈希特征，再经过哈希层得到二进制哈希吗，最后将二进制哈希码作为特征向量来进行手势检索。在保证准确率的前提下，提高手势检索的效率。
-
公开(公告)号：CN111695043A
公开(公告)日：2020-09-22
申请号：CN202010547743.6
申请日：2020-06-16
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于地理区域的社交网络阻塞影响最大化方法，该方法旨在社交网络信息传播时，防止目标区域受到不良信息的影响。研究影响阻止最大化（IBM）问题，以找到积极的种子，以尽可能多地阻止负面信息的传播。利用四叉树索引结构来存储节点的位置信息，结合社交网络的地理位置信息，提出了构造最大影响外图（MIOG）近似估计被阻止的负面影响并识别出具有更大潜力的阻止负影响的节点，选择候选节点以减少要估计的节点数量，高效地阻止负面信息在区域内的传播。
-
公开(公告)号：CN111444337A
公开(公告)日：2020-07-24
申请号：CN202010123108.5
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。
-
公开(公告)号：CN110674857A
公开(公告)日：2020-01-10
申请号：CN201910867916.X
申请日：2019-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多尺度堆叠网络的广告点击分类方法，该方法通过一种基于不同感受野构造多尺度特征的MSSP结构来自动构造组合特征，通过构造多个不同角度、不同视野的观测器从深度和宽度两个角度双向堆叠多尺度特征，挖掘了不同局部视野中的高阶和低阶特征，保证了提取特征的多样性；另外，该结构通过因子化来学习参数，保证了高阶特征在稀疏数据中能被有效学习。本发明弥补了LR、Wide&Deep过于依赖手工构造组合特征的缺点；同时相对于传统的Poly2和FM模型，能够从多个角度挖掘不同尺度的特征来保证模型学习到的信息的多样性；相对于FFM等模型时间复杂度过高的特点，本发明时间复杂度能保持在线性级别，能够满足在线广告对时间响应方面的高要求。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.032 seconds)
