在线人工中文文本标注系统

    公开(公告)号:CN110717317B

    公开(公告)日:2021-06-08

    申请号:CN201910867119.1

    申请日:2019-09-12

    Abstract: 本发明属于文本标注领域,具体涉及一种在线人工中文文本标注系统,旨在解决现有人工中文文本标注系统无法实现多人协作标注的问题。本发明系统包括:服务器、第一、二客户端;第一、二客户端分别与服务器相连;服务器包括数据库;第一客户端包括管理模块;第二客户端包括标注、重分词、切换模块;管理模块配置为拆分标注文本,并上传数据库;数据库配置为根据分配指令将标注项目与标注用户关联;标注模块配置为对标注项目中的语句进行标注;重分词模块配置为依据输入指令对标注项目的语句进行重新分词;切换模块配置为对标注、重分词模块工作状态的切换。本发明实现了多人协作标注,并提高了文本标注的准确率和效率。

    基于角度无关性的骨架行为识别方法、系统及设备

    公开(公告)号:CN108764050B

    公开(公告)日:2021-02-26

    申请号:CN201810398601.0

    申请日:2018-04-28

    Abstract: 本发明涉及人体行为识别领域,具体涉及一种基于角度无关性的骨架行为识别方法、系统及设备,只在提高角度无关性骨架行为识别的准确率。本发明的基于角度无关性的骨架行为识别方法,包括:基于每个视角的骨架序列设计特定视角子网,通过空域注意力和时域注意力模块分别重点关注关键关节点和关键帧,通过多层长短时记忆网络学习每个视角序列的判别性特征;将各个特定视角子网的输出特征串联起来作为公共子网的输入,通过双向长短时记忆网络进一步学习角度无关性特征,通过视角注意力模块重点关注关键视角;提出正则化交叉熵损失函数推动网络多模块共同学习。本发明有效地提高了识别准确率,能够自动专注学习信息较多的视角特征。

    基于特征空间变化的蒸馏学习方法、系统、装置

    公开(公告)号:CN110135562B

    公开(公告)日:2020-12-01

    申请号:CN201910360632.1

    申请日:2019-04-30

    Abstract: 本发明属于计算机视觉及机器学习领域,具体涉及了一种基于特征空间变化的蒸馏学习方法、系统、装置,旨在解决学生网络无法学习教师网络全局知识的问题。本发明方法包括:按照蒸馏学习教师网络的参数结构构建对应的学生网络;分别选取预设的网络层,计算每一层的特征空间表示以及特定两个层间的跨层特征空间变化矩阵;计算基于特征空间变化的损失函数,根据真实标签计算分类损失函数;通过两个损失函数的加权将教师网络的特征空间变化作为知识迁移到学生网络中。本发明将教师网络层与层之间的特征空间变化刻画为一种新的知识,从而,使得学生网络在学习层与层之间的特征空间变化时,就学习到整个教师网络全局的知识。

    深度卷积神经网络的压缩方法及系统

    公开(公告)号:CN111612143A

    公开(公告)日:2020-09-01

    申请号:CN202010440475.8

    申请日:2020-05-22

    Abstract: 本发明涉及一种深度卷积神经网络的压缩方法及系统,所述压缩方法包括:根据滤波器重要性选择方式和/或模型压缩率,确定待压缩深度卷积神经网络中不重要的滤波器;对不重要的滤波器施加渐进式稀疏约束,作为正则项加入到网络训练的损失函数中,得到优化损失函数;根据正则项,采用阈值迭代算法及反向传播算法联合求解,得到待压缩深度卷积神经网络的更新参数;基于所述优化损失函数及更新参数,获得具有滤波器稀疏形式的卷积神经网络模型;利用结构化剪枝算法,对所述具有滤波器稀疏形式的卷积神经网络模型进行剪枝,得到网络精度较高的压缩后的卷积神经网络模型。

    基于骨骼关节点分区域分层次的行为识别方法、系统

    公开(公告)号:CN110215216B

    公开(公告)日:2020-08-25

    申请号:CN201910500528.8

    申请日:2019-06-11

    Abstract: 本发明属于计算机视觉领域,具体涉及一种基于骨骼关节点分区域分层次的行为识别方法、系统、装置,旨在为了解决有效提高行为识别准确率同时减少网络层数的问题。本发明方法包括:获取输入视频的各帧图像,从各帧图像中分别提取骨骼关节点;对每一帧图像,将其中所提取的所述骨骼关节点划分至所划分的各人体区域,并通过图卷积操作获取对应的特征表示,得到第一层特征表示集;对每一帧图像,按照所述各人体区域,基于所述第一层特征表示,通过池化、图卷积方法逐层减少关节点数量,直至通过多层聚合得到一个特征向量,并将该特征向量输入到两个全连接层得到行为类别。本发明提高了行为识别的准确率,加快了训练速度与检测速度。

    一种口呼吸面容识别方法、设备和存储介质

    公开(公告)号:CN111539911A

    公开(公告)日:2020-08-14

    申请号:CN202010209044.0

    申请日:2020-03-23

    Inventor: 罗冠 游强 胡卫明

    Abstract: 本发明公开了一种口呼吸面容识别方法、设备和存储介质。该方法包括:采集有效人脸图像;确定有效人脸图像中目标人脸的姿态角;如果目标人脸的姿态角在预设的姿态角范围之内,则在有效人脸图像中,提取目标人脸的结构度量特征;将目标人脸的结构度量特征输入预先训练的口呼吸面容识别模型,获取口呼吸面容识别模型输出的口呼吸面容识别结果;其中,对预设的正样本图像进行图像增广处理,利用图像增广处理后的正样本图像以及预设的负样本图像,训练口呼吸面容识别模型。本发明利用图像处理技术结合预先训练的口呼吸面容识别模型识别目标人脸是否为口呼吸面容,解决了口呼吸面容诊断过程,无论对疑似患者还是对医生而言都成本较高的问题。

    基于神经网络的医学相关意图识别方法及系统

    公开(公告)号:CN111339777A

    公开(公告)日:2020-06-26

    申请号:CN202010111949.4

    申请日:2020-02-24

    Abstract: 本发明涉及一种基于神经网络的医学相关意图识别方法及系统,所述识别方法包括:获取历史的用户医学问题,得到问题文本;对所述问题文本进行标注,得到标注文本,所述标注文本包括原始标注文本及实体替换标注文本;根据所述问题文本及标注文本,训练初始神经网络,得到最优超参数集下的优化神经网络;基于所述优化神经网络,根据当前用户的医学问题,确定该当前用户的意图。本发明通过对用户医学问题进行标注,得到原始标注文本及实体替换标注文本,从而可提供大量的标注文本信息,并进一步基于标注文本及问题文本,对初始神经网络进行训练,得到可以确定用户意图的优化神经网络,分析速度快,准确度高。

    基于多模态注意力机制的视频内容描述方法、系统、装置

    公开(公告)号:CN111079601A

    公开(公告)日:2020-04-28

    申请号:CN201911243331.7

    申请日:2019-12-06

    Inventor: 胡卫明 孙亮 李兵

    Abstract: 本发明属于计算机视觉和自然语言处理领域,具体涉及一种基于多模态注意力机制的视频内容描述方法、系统、装置,旨在解决视频内容描述方法只考虑视频特征而忽略高级语义属性信息,导致生成的描述语句准确度较低的问题。本发明方法包括:获取待描述视频的视频帧序列;提取视频帧序列的多模态特征向量,构建多模态特征向量序列,并通过循环神经网络得到各模态特征向量序列对应的特征表示;通过语义属性检测网络得到各特征表示对应的语义属性向量;基于各模态特征向量序列对应的特征表示级联后的向量、语义属性向量,通过基于注意力机制的LSTM网络得到待描述视频的描述语句。本发明融合视觉特征和高层语义属性,提高了生成视频描述语句的准确度。

    基于低秩矩阵表示的图像前景物体检测方法及检测系统

    公开(公告)号:CN106204613B

    公开(公告)日:2019-09-24

    申请号:CN201610575854.1

    申请日:2016-07-20

    Abstract: 本发明公开了一种基于低秩矩阵表示的图像前景物体检测方法及检测系统。其中,该方法包括提取待处理图像的特征,并利用特征聚类的方式对待处理图像进行子区域划分;接着计算每一子区域的特征均值,以获得子区域的特征表示,并将全部子区域的特征表示排列成矩阵,以获得待处理图像的特征矩阵;然后,利用低秩矩阵表示方法,将特征矩阵分解成低秩矩阵与稀疏矩阵;再针对稀疏矩阵的每一列计算l∞范数,以获得对应子区域的显著性值,并基于子区域的显著值来构成待处理图像的显著图;最后,对显著图进行自适应阈值划分,从而获得待处理图像的前景物体区域。通过本发明实施例解决了如何从前景和背景表观相似的图像中完整地检测前景物体的技术问题。

Patent Agency Ranking