-
公开(公告)号：CN118939682A
公开(公告)日：2024-11-12
申请号：CN202411425826.2
申请日：2024-10-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 山东大学 , 浙江大华技术股份有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/2452 , G06F16/242 , G06N5/022
Abstract: 本发明提供了一种基于知识引导的层级查询语句意图理解方法及系统，涉及自然语言处理技术领域，所述方法包括，获取查询语句，将查询语句转换为不同层级的语义嵌入向量；将外部知识图谱转化为知识嵌入矩阵，检索知识嵌入矩阵中与各层级的语义嵌入向量最相关的知识嵌入向量，将检索到的知识嵌入向量与对应的语义嵌入向量融合，得到各层级融合后的语义嵌入向量；根据各层级融合后的语义嵌入向量获取权重矩阵，计算权重重分配后的语义嵌入向量；基于注意力机制融合权重重分配后的语义嵌入向量与文本嵌入向量，得到查询语句的精确表征，确定查询语句的意图。本发明能够提高查询语句的理解与表征精准度。
-
公开(公告)号：CN120046664A
公开(公告)日：2025-05-27
申请号：CN202510510093.0
申请日：2025-04-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市道通智能航空技术股份有限公司 , 智洋创新科技股份有限公司
IPC: G06N3/0495 , G06F17/16 , G06F17/18
Abstract: 本发明属于人工智能技术领域，为解决现有的大语言模型量化方法无法同时保障大模型的低成本硬件部署和推理效率的问题，提供一种基于极坐标体系的大模型量化压缩方法及系统。其中，基于极坐标体系的大模型量化压缩方法包括从第一存储单元中调取预存的大语言模型的原始权重参数分布，并将其处理成标准高斯分布，得到相应符合标准高斯分布的权重矢量，再转化为对应极坐标表征；分别构建各个所述极坐标表征的方向码本和模长码本，得到符合分布特征和量化敏感度特性的矢量码本并传输至第二存储单元进行存储。其能够同时保障大模型的低成本硬件部署和推理效率。
-
公开(公告)号：CN119478794A
公开(公告)日：2025-02-18
申请号：CN202510051849.X
申请日：2025-01-14
Applicant: 天津理工大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学 , 浙江大华技术股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 合肥工业大学
IPC: G06V20/40 , G06V10/80 , G06T17/00 , G06F18/213 , G06F18/25 , G06F16/783
Abstract: 本发明涉及计算机视觉和自然语言处理技术领域，尤其涉及一种基于渐进式交互和多模态对齐的视频片段句子定位算法。步骤如下：首先将与视频相关的所有查询句子根据该查询句子对应的视频片段在视频中的顺序进行排序后与视频特征和在特征维度进行拼接，再将其经过多模态对齐模块提取视频与查询句子特征各自的模态内信息以及两个模态之间的信息，随后根据与查询句子交互后的视频特征生成多个候选片段，通过分组候选片段交互模块学习候选片段之间的关系，然后通过度量学习缩小对应的候选片段特征与查询句子特征对的差异，最后将所有候选片段特征与单个查询句子特征计算匹配分数，分数高的作为预测结果。本发明可以精准地对视频片段进行定位。
-
公开(公告)号：CN118887134A
公开(公告)日：2024-11-01
申请号：CN202411364592.5
申请日：2024-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 北京天瞳未来数字科技有限公司
IPC: G06T5/73 , G06T5/50 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明属于图像去模糊重建领域，为解决现有技术方法处理大型图像时拼接处常出现错位现象，提供了一种基于图像块知识积累与融合的图像去模糊重建方法及系统。其中，基于图像块知识积累与融合的图像去模糊重建方法包括将模糊图像切分成若干个设定尺寸的模糊图像块；提取每个模糊图像块的浅层特征；对每个模糊图像块的浅层特征进行多步知识积累与融合，再将最后一步得到的每个模糊图像块的特征作为深层特征提取输出；通过残差操作连接每个模糊图像块的深层特征与浅层特征，得到每个模糊图像块的去模糊重建结果；拼接所有模糊图像块的去模糊重建结果，获得去模糊重建图像。其能够获得真实清晰视觉体验的同时，统一图像块边缘，减少错位现象发生。
-
公开(公告)号：CN117611957B
公开(公告)日：2024-03-29
申请号：CN202410077239.2
申请日：2024-01-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 山东大学
IPC: G06V10/778 , G06V10/774 , G06V10/762 , G06V10/84
Abstract: 本发明属于计算机视觉中的图像聚类技术领域，为解决现有图像聚类模型聚类性能低的问题，提供一种基于统一正负伪标签的无监督视觉表征学习方法及系统。其中，基于统一正负伪标签的无监督视觉表征学习方法包括预训练分配正标签的深度聚类模型；利用预训练的深度聚类模型为所有图像样本分配正标签，并从中筛选出一组正标签置信度高于设定阈值的图像样本；其中，将筛选出的图像样本作为有标签的图像样本，剩余的图像样本作为无标签的图像样本；利用预训练的深度聚类模型及所有图像样本再进行半监督调整，利用半监督调整过程中的学习损失对预训练的深度聚类模型进行联合优化训练，其能够在预训练模型的基础上进一步提升聚类性能。
-
Patent Agency Ranking
公开(公告)号：CN119379524B
公开(公告)日：2025-05-06
申请号：CN202411918332.8
申请日：2024-12-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学 , 浙江大华技术股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 合肥工业大学
IPC: G06T1/00 , G06N3/0455 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明涉及一种基于多重水印融合与跨域学习的图像伪造主动防御方法，属于计算机视觉技术领域。其包括以下步骤：获取待处理图像；待处理图像经过水印编码器进行不可见水印嵌入和可见水印嵌入，分别得到嵌入不可见水印的图像和嵌入可见水印的图像；嵌入不可见水印的图像经过噪声层进行处理，得到噪声图像；嵌入可见水印的图像经过噪声层进行处理，通过可见水印联合优化在嵌入随机噪声的图像位置产生明显的虚假警示标识；噪声图像经过水印解码器进行图像的溯源和检测，判断图像的真实性；进行损失函数监督训练。本发明方法能够精准的判断图像是否经过深度伪造以及验证图像来源的真实性。
-
公开(公告)号：CN119478794B
公开(公告)日：2025-04-29
申请号：CN202510051849.X
申请日：2025-01-14
Applicant: 天津理工大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学 , 浙江大华技术股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 合肥工业大学
IPC: G06V20/40 , G06V10/80 , G06T17/00 , G06F18/213 , G06F18/25 , G06F16/783
Abstract: 本发明涉及计算机视觉和自然语言处理技术领域，尤其涉及一种基于渐进式交互和多模态对齐的视频片段句子定位算法。步骤如下：首先将与视频相关的所有查询句子根据该查询句子对应的视频片段在视频中的顺序进行排序后与视频特征和在特征维度进行拼接，再将其经过多模态对齐模块提取视频与查询句子特征各自的模态内信息以及两个模态之间的信息，随后根据与查询句子交互后的视频特征生成多个候选片段，通过分组候选片段交互模块学习候选片段之间的关系，然后通过度量学习缩小对应的候选片段特征与查询句子特征对的差异，最后将所有候选片段特征与单个查询句子特征计算匹配分数，分数高的作为预测结果。本发明可以精准地对视频片段进行定位。
-
公开(公告)号：CN119625792A
公开(公告)日：2025-03-14
申请号：CN202510151987.5
申请日：2025-02-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学 , 浙江大华技术股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 合肥工业大学
IPC: G06V40/10 , G06V10/82 , G06V10/764 , G06V10/74 , G06N3/0464
Abstract: 本发明涉及一种基于强化共性特征的换衣行人重识别方法及系统，属于计算机视觉技术领域。其包括以下步骤：获取待检索的行人图像数据集，并在数据集中确定原始图像和与原始图像相同身份标签的图像；数据集中图像经过衣服混合与匹配模块、人体身份增强流模块以及ResNet50模型进行特征提取，然后经过共性特征提取模块生成显著图，最后经过分类器得到分类结果；通过损失函数对前述过程进行迭代优化，得到训练好的ResNet50模型；将待检测图像输入到训练好的模型中，得到检索特征；将检索特征与检索库中的行人图像特征进行相似度匹配，得到行人重识别结果。本发明能够提取适应换衣场景下的更有鲁棒性和判别性的特征。
-
公开(公告)号：CN119444578A
公开(公告)日：2025-02-14
申请号：CN202510024781.6
申请日：2025-01-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 北京天瞳未来数字科技有限公司
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像超分辨率重建领域，为解决目前超分辨率重建效果差的问题，提供基于混合专家和稳定扩散的图像超分辨率重建方法及系统。基于混合专家和稳定扩散的图像超分辨率重建方法包括得到多尺度控制条件及空间控制条件；生成加噪特征隐层空间表示；经过多个采样时间步，不断从去噪主干网络的当前采样时间步的输入中减去当前时间步的去噪主干网络预测的噪声，然后将去噪结果作为下一个时间步去噪主干网络的输入，多个采样时间步完成后，得到重建图像的隐层空间表达；将重建图像的隐层空间表达解码至图像像素空间，得到图像超分辨率重建结果，提高了真实清晰的超分辨率重建效果。
-
公开(公告)号：CN119379524A
公开(公告)日：2025-01-28
申请号：CN202411918332.8
申请日：2024-12-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学 , 浙江大华技术股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 合肥工业大学
IPC: G06T1/00 , G06N3/0455 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明涉及一种基于多重水印融合与跨域学习的图像伪造主动防御方法，属于计算机视觉技术领域。其包括以下步骤：获取待处理图像；待处理图像经过水印编码器进行不可见水印嵌入和可见水印嵌入，分别得到嵌入不可见水印的图像和嵌入可见水印的图像；嵌入不可见水印的图像经过噪声层进行处理，得到噪声图像；嵌入可见水印的图像经过噪声层进行处理，通过可见水印联合优化在嵌入随机噪声的图像位置产生明显的虚假警示标识；噪声图像经过水印解码器进行图像的溯源和检测，判断图像的真实性；进行损失函数监督训练。本发明方法能够精准的判断图像是否经过深度伪造以及验证图像来源的真实性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.06 seconds)
