-
公开(公告)号：CN114398999A
公开(公告)日：2022-04-26
申请号：CN202210061270.8
申请日：2022-01-19
Applicant: 上海大学
IPC: G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明涉及一种基于全局语义特征融合的低对比度图像语义分割方法，包括以下步骤：获取包含多张样本图像的数据集，对数据集中的样本图像进行标注，以为图像中的每个像素分配像素所属类别；对标注后的样本图像进行预处理，得到预处理后的数据集；将预处理后的数据集输入构建的图像语义分割模型，以进行模型训练，得到训练好的图像语义分割模型；对待分割的低对比度图像进行标准化处理；将标准化处理后的待分割的低对比度图像输入训练好的图像语义分割模型，输出得到对应的分割结果。与现有技术相比，本发明有效解决了图像语义分割中低对比度目标分割的问题，能够对低对比度图像进行准确地语义分割。
-
公开(公告)号：CN109246450B
公开(公告)日：2021-07-06
申请号：CN201810882454.4
申请日：2018-08-06
Applicant: 上海大学
IPC: H04N21/25 , H04N21/258 , H04N21/45 , H04N21/466 , G06F16/9535
Abstract: 本发明提出了一种基于隐式信息评分的影视择优推荐系统和方法，本系统包括用户使用情况检测模块、择优推荐系统处理模块、用户日志信息采集处理模块、用户日志信息存储模块、隐式信息评分查询/构建/更新模块、隐式信息评分存储模块和推荐结果展示模块等模块；本方法是通过对本系统各模块的介绍，结合基于用户的历史行为日志的分析，提出了基于隐式信息计算用户在不同时段下对不同因素（标签、演员、导演等）的偏好并据此对节目进行隐式评分进而提供推荐。在真实数据集上同被广泛应用于推荐系统的其它算法比较，实验结果表明其平均精度均值较高，具有一定的应用前景和价值，可以较好地应用在在线影视推荐系统或其它类似商品推荐系统中。
-
公开(公告)号：CN112949288A
公开(公告)日：2021-06-11
申请号：CN201911263558.8
申请日：2019-12-11
Applicant: 上海大学
IPC: G06F40/232 , G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于字符序列的文本检错方法，包括：S1、从问答系统的日志信息中提取出样本语料；S2、基于样本语料，构建领域词表及各样本文本对应的决策权重矩阵；S3、构建文本检错模型；S4、将多个样本文本分别向量化处理后依次输入文本检错模型，根据预设的迭代次数以及决策权重矩阵，以训练文本检错模型；S5、获取实际文本并构建对应的决策权重矩阵；S6、将实际文本向量化处理后输入训练好的文本检错模型，结合该实际文本对应的决策权重矩阵，得到该实际文本对应的检错结果。与现有技术相比，本发明通过构建对应于文本的决策权重矩阵，并将其与Bi‑LSTM的隐藏输出相结合，能够有效突出错误字符特征，提高检错结果准确性。
-
公开(公告)号：CN112949284A
公开(公告)日：2021-06-11
申请号：CN201911263362.9
申请日：2019-12-11
Applicant: 上海大学
IPC: G06F40/211 , G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明涉及一种基于Transformer模型的文本语义相似度预测方法，包括：S1、对两个文本对象进行分词和词性标注；S2、分别得到分词向量表示和词性向量表示；S3、分别得到各文本对象的位置信息以及文本对象之间的相似度矩阵；S4、从相似度矩阵获取各文本对象的附加语句；S5、将附加语句与主语句进行拼接，并将位置信息嵌入到主语句中，得到两个文本对象的嵌入信息；S6、将两个嵌入信息输入模型，以输出两个文本对象的语义相似度预测结果。与现有技术相比，本发明利用分词关系和词性关系，能够获取到深层次隐含信息；通过语句拼接以及嵌入位置信息，提高了模型的语义信息捕捉能力，从而保证语义相似度预测结果的准确性。
-
公开(公告)号：CN110837354A
公开(公告)日：2020-02-25
申请号：CN201911066871.2
申请日：2019-11-04
Applicant: 上海大学
IPC: G06F7/505
Abstract: 本发明提供了一种基于三值逻辑运算器的MSD并行加法器的构造方法，采用符合MSD加法充分条件的5个三值逻辑运算器构造MSD并行加法器。在排列三值逻辑运算器时：可采用如下任意方法：每次将n位的三值运算器重构成一种三值逻辑运算器，经过5次重构实现；每次在n位的三值运算器上重构出输入相同的两个三值逻辑运算器，经过3次重构实现；在n位的三值运算器上同时重构出5个三值逻辑运算器，经过1次重构实现；用不可重构的各相应三值逻辑运算器取代上述重构过程；各三值逻辑运算器通过存储器传递中间数据，或将前一级三值逻辑运算器的输出端直接连接下一级三值逻辑运算器的输入端来传递中间数据。同时提供了一种基于三值逻辑运算器的MSD并行加法器。
-
Patent Agency Ranking
公开(公告)号：CN109857368A
公开(公告)日：2019-06-07
申请号：CN201811567284.7
申请日：2018-12-20
Applicant: 上海大学
Abstract: 本发明公开了一种位数众多、可分组、可重构的多值电子运算器及方法，电子运算器每一位有n个列运算器和一个电位迭合器，每个列运算器结构为：A数据输入线接A信号选择器的输入端，A信号选择器的输出端接工作允许器；工作允许器的另一个输入端接重构锁存器，工作允许器的输出端还接输出有效器；输出有效器的另一个输入端接电源Vcc，输出有效器输出端接输出生成器；输出生成器的另一个输入端接重构电路，输出生成器输出端接电位迭合器；重构电路的两个输入端分别接重构锁存器和B数据输入线；重构锁存器的输入端接重构命令线G；电位迭合器输出端为该运算器位的结果信号。写入重构锁存器中的值决定该运算器位的逻辑运算规则和是否工作。
-
公开(公告)号：CN109241341A
公开(公告)日：2019-01-18
申请号：CN201810435021.4
申请日：2018-05-09
Applicant: 上海大学
IPC: G06F16/73
Abstract: 本发明提出了一种基于知识图谱的影视择优推荐系统和方法，本系统包括影视资源采集模块、影视知识图谱构建模块、影视知识图谱存储模块、择优推荐系统处理模块、用户信息采集模块和结果展示模块。本方法是通过对推荐系统的模块介绍，结合基于知识图谱的择优推荐方法，通过对影视媒体多维度属性的分析，结合影响影视内容的因素，引入影响因素权重因子，建立了基于双层元路径的影视个性化推荐模型，并以此为基础，给出了基于双层元路径的影视个性化推荐实现算法。在某影视集团提供的真实数据集上同其他同类算法比较命中率，推荐覆盖率，实时性等评价指标，三组实验方案的结果表明，此次所提出的的模型正确、算法有效，不仅推荐的有效性高，而且性能明显优于同类算法，可以较好地应用于影视推荐、影院的排片及影视资源的投放等。
-
公开(公告)号：CN105095095B
公开(公告)日：2018-04-06
申请号：CN201410199434.9
申请日：2014-05-12
Applicant: 上海大学
CPC classification number: G06F12/06 , G06F12/0646 , G11C8/06 , G11C8/10
Abstract: 本发明公开了一种计算机系统，包括：一寻址组件，与处理器内存地址线的高位及存储器的字地址线的高位分别连接，可控制的在存储器上一连续或者不连续的预设范围内将处理器形成的内存地址的高位转化为对应的存储器字地址的高位并输出至存储器；处理器内存地址线的低位与存储器的字地址线的低位连接；预设范围小于或者等于处理器内存地址线的寻址范围；处理器通过修改预设范围，变化预设范围覆盖的存储器的存储单元。上述技术方案的有益效果是：减少了传统系统中必需的内存芯片结构，减少了整个计算机系统的制造成本；减少了用于数据交换的时间，提高了系统的运行效率；缩短了读写操作的操作时间；应用简单，适用性广。
-
公开(公告)号：CN101980145A
公开(公告)日：2011-02-23
申请号：CN201010518342.4
申请日：2010-10-25
Applicant: 上海大学
IPC: G06F7/50
Abstract: 本发明公开了一种三值光计算机的无进位加法器，它包括依次串行连接的第一、第二、第三逻辑运算部件、ARM开发板，各逻辑运算部件分别由液晶、偏振片、感光阵列组成，第一逻辑运算部件用于T运算和W运算；第二逻辑运算部件用于T’运算和W’运算；第三逻辑运算部件用于T运算，实现一次性无需进位的三值光计算机加法；ARM开发板，用于将输入操作数和感光阵列输出线的信号生成液晶控制信号，将生成的液晶控制信号送给液晶。该无进位加法器可进行成百上千位的操作数的运算，对多数据位的运算只需换多液晶点数目的液晶屏即可；该加法器一次完成加法运算，所用时间相当于以往加法器完成加法运算所用时间的三分之一，提高光计算机运行速度。
-
公开(公告)号：CN114973044B
公开(公告)日：2024-09-24
申请号：CN202110195691.5
申请日：2021-02-22
Applicant: 上海大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0442
Abstract: 本发明涉及一种基于双模态信息增强多头注意力的视频情感分析方法，包括：对视频进行预处理；从预处理后的数据中获取单模态原始特征；基于单模态原始特征，进一步获取单模态深层特征，其中，单模态深层特征包括文本深层特征、音频深层特征和视频深层特征；根据单模态深层特征，提取出单模态间的交互信息，即得到双模态信息；从不同特征子空间计算双模态注意力，获取双模态间的交互信息；将双模态信息与双模态间交互信息进行融合及分类预测，得到对应的情感分析预测结果。与现有技术相比，本发明在提取单模态特征后，利用其获取模态间的交互信息，再进一步得到不同交互信息的独立性和一致性信息，从而进行有效的特征融合和准确的情感预测。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.022 seconds)
