-
公开(公告)号：CN109902614A
公开(公告)日：2019-06-18
申请号：CN201910137022.5
申请日：2019-02-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于局部时空特征的人体行为识别方法，属于计算机视觉技术领域以及人体行为识别技术领域。本发明首先利用Kinect深度传感器中提取的骨骼视频序列作为人体行为表示，为视频序列中的每一个行为的每一帧提取位移矢量特征、相对位置特征、关节夹角特征等局部时空特征，然后利用K-means聚类算法和VLAD算法将局部特征聚合成若干特征向量，然后将特征向量与LMNN算法结合进行度量学习，最后采用K-NN分类器进行分类。本发明用于人体行为识别能使特征表达更具描述性和准确性，可以明显提高行为识别准确率。
-
公开(公告)号：CN115062146B
公开(公告)日：2024-06-28
申请号：CN202210656832.3
申请日：2022-06-07
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06N3/0442 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种基于BiLSTM结合多头注意力的中文重叠事件抽取系统，属于自然语言处理领域，Bert编码器作为文本编码器，生成以标记上下文为条件的文本表示，并包含丰富的文本信息；事件类型检测解码器基于Bert文本分类模型，对事件进行分类；触发词提取解码器通过事件类型检测与触发词提取之间的条件依赖关系，根据获取到的事件类型提取出触发词；事件元素提取解码器采用多头注意力结合双向LSTM层对事件元素进行提取；损失权重调整模块结合多个损失函数，利用多个目标的同方差不确定性为每个任务动态分配权重。
-
公开(公告)号：CN110211157B
公开(公告)日：2023-05-26
申请号：CN201910481190.6
申请日：2019-06-04
Applicant: 重庆邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于相关滤波的目标长时跟踪方法，属于计算机视觉技术的目标跟踪领域。首先在视频第一帧提取目标的梯度方向直方图特征和局部强度直方图特征作为目标的特征表示，并且用于训练平移相关滤波器和长时相关滤波器，利用梯度方向直方图特征训练一个尺度相关滤波器。然后，在跟踪过程中，利用长时相关滤波器与目标产生的最大响应值与检测阈值来判断目标跟踪是否发生失败，若发生跟目标跟踪失败，激活在线检测器对目标重新定位；最后，更新在线检测器。同时，使用动态的学习率对目标特征模型和滤波器系数进行更新，以及检测阈值自适应更新。本发明用于运动目标跟踪能适应更加复杂的运动场景，可以明显提高目标跟踪的精确度和成功率。
-
公开(公告)号：CN110705636B
公开(公告)日：2022-10-18
申请号：CN201910930620.8
申请日：2019-09-29
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/44 , G06F17/16
Abstract: 本发明请求保护一种基于多样本字典学习和局部约束编码的图像分类方法，属于人工智能技术领域以及图像分类领域。本发明首先利用K‑SVD算法对训练样本生成虚拟训练样本和初始化字典，并用所有的训练样本以及初始化字典学习一个字典和训练样本的编码系数，然后利用学习到字典学习测试样本的编码系数，利用训练样本的编码系数学习线性分类器系数，最后利用线性分类器系数对测试样本的编码系数进行分类识别并输出分类结果。本发明用于图像分类识别能够使学习到的字典和编码系数矩阵更加具有表示能力，可以明显提高分类准确率。
-
公开(公告)号：CN115062146A
公开(公告)日：2022-09-16
申请号：CN202210656832.3
申请日：2022-06-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于BiLSTM结合多头注意力的中文重叠事件抽取系统，属于自然语言处理领域，Bert编码器作为文本编码器，生成以标记上下文为条件的文本表示，并包含丰富的文本信息；事件类型检测解码器基于Bert文本分类模型，对事件进行分类；触发词提取解码器通过事件类型检测与触发词提取之间的条件依赖关系，根据获取到的事件类型提取出触发词；事件元素提取解码器采用多头注意力结合双向LSTM层对事件元素进行提取；损失权重调整模块结合多个损失函数，利用多个目标的同方差不确定性为每个任务动态分配权重。
-
Patent Agency Ranking
公开(公告)号：CN111476031A
公开(公告)日：2020-07-31
申请号：CN202010167070.1
申请日：2020-03-11
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于Lattice-LSTM的改进中文命名实体识别方法，属于语言处理技术领域。该方法包括以下步骤：S1：构建模型；S2：特征输入；S3：特征提取；S4：标签预测；S5：结果评价。本发明采用改进的LSTM结构，计算句子较为完整的语意上的隐藏信息，同时也加入了对于整个句子全局信息的考虑，更多的是句子结构的角度出发开了，弥补了采用LSTM结构只关注文字意义的隐藏信息而未考虑句子结构信息的不足，融合了Transformer结构后，使得模型能够一定程度理解复杂句子背后所具有的逻辑性，从而帮助识别语句中的命名实体类别。
-
公开(公告)号：CN110705636A
公开(公告)日：2020-01-17
申请号：CN201910930620.8
申请日：2019-09-29
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多样本字典学习和局部约束编码的图像分类方法，属于人工智能技术领域以及图像分类领域。本发明首先利用K-SVD算法对训练样本生成虚拟训练样本和初始化字典，并用所有的训练样本以及初始化字典学习一个字典和训练样本的编码系数，然后利用学习到字典学习测试样本的编码系数，利用训练样本的编码系数学习线性分类器系数，最后利用线性分类器系数对测试样本的编码系数进行分类识别并输出分类结果。本发明用于图像分类识别能够使学习到的字典和编码系数矩阵更加具有表示能力，可以明显提高分类准确率。
-
公开(公告)号：CN115391529B
公开(公告)日：2025-04-04
申请号：CN202211017366.0
申请日：2022-08-23
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明涉及一种基于融合标签图的双图卷积网络的文本情感多分类方法，属于计算机技术领域。该方法包括以下步骤：S1：句子编码层；S2：标签图嵌入；S3：句法图卷积网络SynGCN；S4：语义图卷积网络SemGCN；S5：双仿射变换。本发明针对现有的研究大都只考虑了句子的语义表示，忽略句子的语法信息，发明了一种双图卷积网络，即句法图卷积网络和语义图卷积网络，该方法能同时提取句子的句法信息和语义信息。以往的模型忽略了标签的语义信息，基于此本发明了标签图嵌入，通过将标签图表示和语义图卷积网络融合，使得模型能够学习更加精确的语义表示和捕获标签和文本中单词之间的潜在关系。
-
公开(公告)号：CN115114932B
公开(公告)日：2024-06-28
申请号：CN202210738535.3
申请日：2022-06-24
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于关键词的多粒度中文短文本匹配方法，属于自然语言处理领域，包括以下步骤：S1：将句子分为字和词两个粒度，将两个粒度的句子统一填充到长度N，在对应数据集上训练Word2Vec，获得字和词两个粒度的嵌入表示；S2：用两个BiGRU对句子向量进行编码，获得句子两个方向的上下文信息；S3：用交叉注意力获得字粒度特征和词粒度特征之间的关联，再对其及逆行平均池化并连接获得句子最终的表示向量；S4：连接两句子的词粒度嵌入向量，用11层Transformer编码器和一层关注关键词的Transformer进行编码；S5：连接关键词特征和两句子的表示向量作为最终的预测向量。
-
公开(公告)号：CN115034221B
公开(公告)日：2024-06-28
申请号：CN202210593426.7
申请日：2022-05-27
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/211 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于BiLSTM结合全局指针的重叠关系抽取系统，属于计算机技术领域。该系统包括依次连接的共享的Bert编码器、关系类型提取器、头实体提取器和尾实体提取器；所述Bert编码器通过所有层中联合调节左右上下文来预训练来自未标记文本的深层双向表示；设置的输出层，对预训练的BERT模型进行调整；采用预训练模型bert编码文本信息，具有丰富的文本信息；在实体提取模块，本发明提出了利用关系类型和多头注意力结合来引导实体提取，可以充分利用关系类型外部知识，避免隔离关系和实体之间的联系，并且通过多头注意力来给重要信息分配更高的注意力得分。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.019 seconds)
