一种广电知识图谱构建方法及装置

    公开(公告)号:CN111291191A

    公开(公告)日:2020-06-16

    申请号:CN201811495424.4

    申请日:2018-12-07

    Abstract: 本发明公开了一种广电知识图谱构建方法及装置,本发明通过对预设数据源进行分析处理,并存储在数据库中,基于数据库,对用户、节目和套餐进行用户画像、节目标签和套餐标签的画像特征的可视化展示,并从数据库中获取人-人、人-节目、人-套餐之间的关系,分别进行知识图谱的可视化展示,最后根据画像特征和知识图谱构建广电行业的知识图谱应用,本发明提供的广电大数据知识图谱不仅可以直观全面的表示出广电领域典型应用场景下的海量知识信息,而且还可以多角度的展示每个用户的行为习惯和兴趣偏好,从而帮助广电运营商管更好的掌握每个用户的特点,进而进行精准化推荐和市场分析等。

    基于多特征和组稀疏的视觉目标跟踪方法

    公开(公告)号:CN106204647B

    公开(公告)日:2019-05-10

    申请号:CN201610515653.2

    申请日:2016-07-01

    Abstract: 本发明专利涉及一种基于多特征和组稀疏的视觉目标跟踪方法,其技术特点是:在视频当前帧中对目标进行多特征提取;利用多特征信息构造不同特征下的学习字典;在新视频帧中进行粒子采样;采用边界粒子重采样以去除不合格的粒子,然后对剩下的粒子求解稀疏优化方程;更新模板并考察本帧结果和最大系数模板的余弦相似度,如果相似度低于某一个值,则用当前模板替换系数最小的模板;若视频未结束,则重采样。本发明融合了多特征、粒子滤波、组稀疏学习技术,其通过跟踪物体的多种特征使得构造的字典中含有更丰富的目标信息,增加了整体算法的跟踪精度,提高了跟踪结果的稳定性,获得了很好的视觉目标跟踪结果。

    基于超特征融合与多尺度金字塔网络的目标检测方法

    公开(公告)号:CN109034210A

    公开(公告)日:2018-12-18

    申请号:CN201810721716.9

    申请日:2018-07-04

    Abstract: 本发明涉及一种基于超特征融合与多尺度金字塔网络的目标检测方法,包括利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图;进行超特征融合;构建新的多尺度金字塔网络;根据不同层分别构建不同大小和长宽比的目标候选框;构建一个新的用于多特征提取且能够防止梯度消失的卷积模块;利用多任务损失函数对多类别分类器和边界框回归器进行联合训练优化实现图像分类和目标定位功能。本发明利用深度卷积网络对目标的特征提取能力,考虑超特征融合方法改善特征表达能力,生成了一个新的模块防止梯度消失而且能更有效地帮助训练和提取特征,构建了用于目标检测的全卷积神经网络,提高了算法的检测精度,获得了良好的目标检测结果。

    基于全局特征损失函数的行人再识别方法

    公开(公告)号:CN108960142A

    公开(公告)日:2018-12-07

    申请号:CN201810721744.0

    申请日:2018-07-04

    CPC classification number: G06K9/00369 G06K9/00778 G06K9/66

    Abstract: 本发明涉及一种基于全局特征损失函数的行人再识别方法,将全部输入图像分成所有可能图像对,包括表示同一人的同类对和表示不同人的异类对;计算所有可能图像对之间的特征距离,从两类图像对之间的特征距离中分别统计形成全局的距离均值和方差;构建全局特征损失函数并使用该全局特征损失函数在学习过程中减小两个方差以及增大两个均值之间的差;将全局特征损失函数与分类损失函数和验证损失函数联合使用,共同增强特征的学习。本发明设计合理,充分利用了输入全体图像中相比于单张图像更为丰富的信息,使得特征的描述能力性能远远高于单纯的单张图片特征,使得系统整体匹配率大大提高。

    基于多路径密集特征融合全卷积网络的目标检测方法

    公开(公告)号:CN108846446A

    公开(公告)日:2018-11-20

    申请号:CN201810721733.2

    申请日:2018-07-04

    Abstract: 本发明涉及一种基于多路径密集特征融合全卷积网络的目标检测方法,利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图;利用自底向上的旁路连接进行自下而上的特征融合;利用自顶向下的密集旁路连接进行自上而下的密集特征融合;构建不同大小和长宽比的目标候选框;利用二分类器减少目标候选框中的简单背景样本,并利用多任务损失函数对二分类器、多类别分类器和边界框回归器进行联合优化。本发明基于深度卷积神经网络提取图像特征,利用多路径密集特征融合方法改善特征表达能力,构建了用于目标检测的全卷积网络,提出了减少冗余简单背景样本和多任务损失联合优化的策略,提高了算法的检测精度,获得了良好的目标检测结果。

    一种融合条件接收前端系统和方法

    公开(公告)号:CN108184151A

    公开(公告)日:2018-06-19

    申请号:CN201810071756.3

    申请日:2018-01-25

    Abstract: 本发明实施例公开了一种融合条件接收前端系统和方法。系统包括:业务运营支撑系统,压缩拼接模块,传统条件接收业务处理模块,可下载条件接收系统业务处理模块,加扰器,复用器;传统条件接收业务处理模块,用于生成第一授权控制信息数据以及第一授权管理信息数据;可下载条件接收系统业务处理模块,用于生成第二授权控制信息数据以及第二授权管理信息数据;压缩拼接模块,用于对第一授权控制信息数据和第二授权控制信息数据进行压缩拼接处理,以得到混合授权控制信息包,并发送至加扰器的一端口。本实施例提供的系统和方法实现CA技术和DCAS技术的融合。

    对不明广播电视侵入信号多点协同测向的组合定位方法

    公开(公告)号:CN107831517A

    公开(公告)日:2018-03-23

    申请号:CN201710978170.0

    申请日:2017-10-18

    Inventor: 任宁宁 高鹏

    Abstract: 本发明涉及一种对不明广播电视侵入信号多点协同测向的组合定位方法,所述方法能够快速地同时进行广播电视侵入信号的测向和定位,找到不明信号源,操作简单,操作人员不需具备专业知识,能够按照操作步骤完成测量工作;本方法采用手持式的无线信号接收机,体积小、重量轻,避免在复杂地方环境下,车辆或大型设备无法及时到达,而无法对侵入信号的测向定位;具有断点续传功能,当无线信号接收机对侵入信号的测向跟踪由于短时间的遮挡或其他原因丢失时,能够保持对侵入信号角度信息的跟踪。

Patent Agency Ranking