-
公开(公告)号：CN114429109A
公开(公告)日：2022-05-03
申请号：CN202210354868.6
申请日：2022-04-06
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)
IPC: G06F40/169 , G06K9/62
Abstract: 本发明提供了一种基于评论有用性的自动用户评论摘要的方法，包括依次执行以下步骤：步骤1：预处理；对评论文本进行词形还原；步骤2：评论有用性预测；提取可能会影响评论有用性的特征，用所提取的特征来刻画评论，并使用随机森林分类模型预测评论的有用性；步骤3：基于二元词语的情感‑话题建模；向传统二元词语话题模型中加入情感变量，为评论同时建模话题和情感；步骤4：多要素话题和评论排序。本发明的有益效果是：1.本发明的方法可有效利用一些忽略的重要的评论特征辅助评论有用性预测、辅助后续的排序摘要任务；2.本发明的方法的话题的排序可以节约开发者的时间。
-
公开(公告)号：CN113807330B
公开(公告)日：2022-03-08
申请号：CN202111372548.5
申请日：2021-11-19
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)
IPC: G06V40/16 , G06V10/80 , G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向资源受限场景的三维视线估计方法及装置，方法包括：构建端到端的视线估计网络，同时进行人脸检测和视线估计，并且采用多任务学习同时对两种数据集进行采样，不同数据训练不同分支；将收集的人脸检测数据集和视线估计数据集进行融合训练，使端到端的视线估计网络同时适应这两种不同的数据域，并采用多任务学习方式训练该网络，得到训练好的模型；对训练好的模型进行压缩以及量化处理，从而使得训练好的模型能部署在边缘设备上，实现三维实现的实时估计。本发明使用端到端的方法，避免对图像进行多次特征提取，提高了运行速度并支持实时视线估计；本发明采用轻量级模型并进行模型压缩，使模型可以在资源受限场景运行。
-
公开(公告)号：CN113918743A
公开(公告)日：2022-01-11
申请号：CN202111526779.7
申请日：2021-12-15
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)
IPC: G06F16/51 , G06F16/54 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种面向长尾分布场景下图片分类的模型训练方法，包括：构建第一损失函数，用于加入原型归一化以及角域上与类别数量相关的带有边界的交叉熵分类损失；构建第二损失函数，使得各个类别的原型分散的更加均匀的，与类别数量相关最小角度最大化的正则项损失；构建第三损失函数，用于帮助模型有效训练的特征向量模长大小的正则化损失；将第一损失函数、第二损失函数、第三损失函数组合起来得到最终的损失函数Loss。本发明的有益效果是：本发明可以避免训练数据不均衡带来的模型先验偏差的问题以及进一步提升模型在测试集上的泛化性，从而在长尾分布场景下提升图片分类准确率。
-
公开(公告)号：CN113807330A
公开(公告)日：2021-12-17
申请号：CN202111372548.5
申请日：2021-11-19
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)
Abstract: 本发明公开了一种面向资源受限场景的三维视线估计方法及装置，方法包括：构建端到端的视线估计网络，同时进行人脸检测和视线估计，并且采用多任务学习同时对两种数据集进行采样，不同数据训练不同分支；将收集的人脸检测数据集和视线估计数据集进行融合训练，使端到端的视线估计网络同时适应这两种不同的数据域，并采用多任务学习方式训练该网络，得到训练好的模型；对训练好的模型进行压缩以及量化处理，从而使得训练好的模型能部署在边缘设备上，实现三维实现的实时估计。本发明使用端到端的方法，避免对图像进行多次特征提取，提高了运行速度并支持实时视线估计；本发明采用轻量级模型并进行模型压缩，使模型可以在资源受限场景运行。
-
公开(公告)号：CN114549931B
公开(公告)日：2025-01-14
申请号：CN202210157952.9
申请日：2022-02-21
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/774 , G06N20/00
Abstract: 本发明提供一种面向机器学习模型的数据恢复方法，可对机器学习模型的训练过程进行调整，以使模型利用其所包含的模型权重的线性组合记录训练集数据，进而可在无法接触训练集数据的情况下通过线性组合训练后的模型权重值来恢复训练集数据。由于采用所有模型权重进行记录，因此相较于现有的相关性编码攻击而言准确性更高，且不易降低模型的性能。本发明还提供一种面向机器学习模型的数据恢复装置、电子设备及存储介质，具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN113742775A
公开(公告)日：2021-12-03
申请号：CN202111049937.4
申请日：2021-09-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供一种图像数据安全检测方法、系统及介质，其中机器学习分类模型在训练前，利用预设恶意扩充方法扩充数据持有端的原始训练集，得到第一扩充集和第二扩充集，其中第一扩充集记录有原始训练集的样本图像，第二扩充集存储有原始训练集各类别标签的标签编码，并同时利用原始训练集、第一扩充集和第二扩充集进行训练；模型提供端则可在本地利用相同扩充方法还原第一扩充集和第二扩充集，并将第二扩充集输入至训练后的分类模型，还原出原始训练集中各类别标签与标签编码的对应关系，进而便可利用第一扩充集及该对应关系对原始训练集进行还原及泄露检测，避免数据窃取攻击在标签编码未知时难以检测的问题，增强了安全人员对数据泄露的检测能力。
-
公开(公告)号：CN113742775B
公开(公告)日：2023-07-28
申请号：CN202111049937.4
申请日：2021-09-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06V10/764 , G06N20/00
Abstract: 本发明提供一种图像数据安全检测方法、系统及介质，其中机器学习分类模型在训练前，利用预设恶意扩充方法扩充数据持有端的原始训练集，得到第一扩充集和第二扩充集，其中第一扩充集记录有原始训练集的样本图像，第二扩充集存储有原始训练集各类别标签的标签编码，并同时利用原始训练集、第一扩充集和第二扩充集进行训练；模型提供端则可在本地利用相同扩充方法还原第一扩充集和第二扩充集，并将第二扩充集输入至训练后的分类模型，还原出原始训练集中各类别标签与标签编码的对应关系，进而便可利用第一扩充集及该对应关系对原始训练集进行还原及泄露检测，避免数据窃取攻击在标签编码未知时难以检测的问题，增强了安全人员对数据泄露的检测能力。
-
公开(公告)号：CN115952493A
公开(公告)日：2023-04-11
申请号：CN202211689305.9
申请日：2022-12-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请实施例公开了一种黑盒模型的逆向攻击方法、攻击装置以及存储介质，用于黑盒模型技术领域，包括：将预设训练数据分别输入黑盒模型以及特征提取模型，得到预设训练数据的预测概率以及预设训练数据的数据特征；基于预设训练数据的预测概率以及数据特征对映射网络进行训练；将待测数据输入黑盒模型得到的目标预测概率输入训练完成的映射网络，得到待测数据的数据特征；基于预设白盒模型逆向攻击算法对待测数据的数据特征中的隐向量进行优化，得到待测数据对应的目标隐向量，并根据目标隐向量得到逆向攻击的目标数据；在黑盒模型逆向攻击时，能够实现高维度的数据回归。
-
公开(公告)号：CN114139637A
公开(公告)日：2022-03-04
申请号：CN202111470623.1
申请日：2021-12-03
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请公开了一种多智能体信息融合方法、装置、电子设备及可读存储介质。其中，方法包括构建操作预测网络模型和门控注意力机制模型，门控注意力机制模型根据不同来源信息以交互过程中学习的比例进行融合，且各智能体基于自身数据和通信信息融合结果共同确定是否接收通信信息融合结果。将多智能体应用模拟环境的状态信息输入至操作预测网络模型，得到各智能体的预测动作；根据多智能体应用模拟环境基于各智能体的预测动作信息输出的各预测动作得分和下一时刻的状态信息、每个智能体的价值评估信息，基于门控注意力机制模型的强化学习算法更新操作预测网络模型，循环训练操作预测网络模型直至收敛。本申请提升了多智能体信息融合效果。
-
公开(公告)号：CN113961667A
公开(公告)日：2022-01-21
申请号：CN202111112028.0
申请日：2021-09-23
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/33 , G06F16/332 , G06F16/35
Abstract: 本发明公开了一种基于Bert的动态阈值调整的智能问答系统，其特征在于方法步骤如下：S101：获取用户问题q；S102：将用户问题q通过基于关键字向量化的问句匹配方法，得到Kw个相似的标准问题；S103：将用户问题q通过BERT预训练模型，得到Kr个相似的标准问题；S104：按照一定的规则挑选出两个方法得到的标准问题作为匹配的标准问题集；S105：将标准问题集通过动态阈值调整模块得到最终的结果；本发明结合标准问答对知识库的管理，提出了一个动态阈值调整的问题匹配方法，可以匹配识别未训练的标准问题，进一步提高问题回答的准确率。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.034 seconds)
