-
公开(公告)号：CN116739923B
公开(公告)日：2024-08-06
申请号：CN202310605927.7
申请日：2023-05-26
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06T5/60 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0475 , G06N3/0985 , G06N3/084
Abstract: 基于元学习框架的人脸区域引导的图像盲复原方法，属于图像盲复原领域。本发明针对自然场景图像的盲复原方法复原结果质量差的问题。包括由低质量自然场景图像中截取低质量人脸图像；采用人脸复原网络、深度图像盲复原主干网络和自适应人脸评估模块对低质量人脸图像进行处理得到元学习框架的内循环损失，更新深度图像盲复原主干网络的参数；再采用更新后的深度图像盲复原主干网络对低质量自然场景图像进行复原，计算外循环的损失，再更新网络参数对网络进行训练；最后采用训练后深度图像盲复原主干网络结合人脸复原网络和自适应人脸评估模块进行参数微调后，对待复原自然场景图像进行高质量复原。本发明用于自然场景图像的高质量复原。
-
公开(公告)号：CN114168727B
公开(公告)日：2024-07-12
申请号：CN202111481843.4
申请日：2021-12-06
Applicant: 哈尔滨工业大学
IPC: G06F16/34 , G06F40/205
Abstract: 面向金融领域的文档级事件主体对抽取的方法、存储介质及设备，属于信息技术领域。为了解决现有的基于句子级的事件抽取的方法不能很好的应用于金融领域内文档的事件抽取，从而存在提取事件信息的性能较低的问题。本发明首先将文档按句进行分割，将第i个句子基于字通过词典映射成句子id，并将句子通过第一个字的Embedding矩阵，然后输入BERT，取其最后一层的编码得到句子中的每个token的编码并得到特征向量C；根据每个事件类型获取对应的t，获取文档级上下文表示eglobal；将每个token的hi,j拼接C、t和eglobal；最后基于前馈神经网络和CRF得到标注结果并最终得到主体对。主要用于金融领域的文档级事件主体对抽取。
-
公开(公告)号：CN117521793A
公开(公告)日：2024-02-06
申请号：CN202311261780.0
申请日：2023-09-27
Applicant: 国网安徽省电力有限公司电力科学研究院 , 哈尔滨工业大学 , 国网安徽省电力有限公司
IPC: G06N5/022 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 电网故障诊断查询系统的稀疏知识图谱补全方法及系统，属于电网故障诊断和知识图谱补全技术领域。为了解决现有的基于设备信息知识图谱的问答系统因为图谱的稀疏特性导致的问答系统效率和准确率较低问题。针对电网设备知识图，本发明先训练基于文本的网络模型pπ，用于将知识图中的电网故障设备与故障原因(h，r，？)全部提取出来，然后通过pπ预测尾实体；同时训练基于结构的网络模型pθ，基于结构的网络模型pθ输出电网故障知识的图结构表示；然后采用变分EM算法和互相学习算法的联合训练方法对基于文本的网络模型pπ和基于结构的网络模型pθ进行训练，从而实现电网设备知识图进行补全。
-
公开(公告)号：CN114168727A
公开(公告)日：2022-03-11
申请号：CN202111481843.4
申请日：2021-12-06
Applicant: 哈尔滨工业大学
IPC: G06F16/34 , G06F40/205
Abstract: 面向金融领域的文档级事件主体对抽取的方法、存储介质及设备，属于信息技术领域。为了解决现有的基于句子级的事件抽取的方法不能很好的应用于金融领域内文档的事件抽取，从而存在提取事件信息的性能较低的问题。本发明首先将文档按句进行分割，将第i个句子基于字通过词典映射成句子id，并将句子通过第一个字的Embedding矩阵，然后输入BERT，取其最后一层的编码得到句子中的每个token的编码并得到特征向量C；根据每个事件类型获取对应的t，获取文档级上下文表示eglobal；将每个token的hi,j拼接C、t和eglobal；最后基于前馈神经网络和CRF得到标注结果并最终得到主体对。主要用于金融领域的文档级事件主体对抽取。
-
Patent Agency Ranking
公开(公告)号：CN107862037B
公开(公告)日：2021-07-16
申请号：CN201711071987.6
申请日：2017-11-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于实体连通图的事件模版构造方法，本发明涉及事件模板的构造方法。本发明的目的是为了解决现有技术在针对特定事件的“检索”、“问答”等人工智能应用中识别结果及提取特定信息不准确；基于事件的篇章相似度难以定量计算以及篇章关键信息难以提取的问题。过程为：一、对每一句抽取三元组；二、视三元组中的三个元素为三个结点；三、将从文本中抽取到的结点均放入到集合S1中；四、利用词向量计算S1中任两个结点的相似度并依此生成连通图；五、计算各结点的PageRank值；六、确定两篇文本陈述的事件间的关系度量值；七、形成多个文本簇；八、构建粗粒度事件模板和细粒度事件模版。本发明用于篇章关键信息提取及相关度计算领域。
-
公开(公告)号：CN111640073B
公开(公告)日：2021-06-01
申请号：CN202010413635.X
申请日：2020-05-15
Applicant: 哈尔滨工业大学
Abstract: 一种图像盲去噪系统，属于图像去噪技术领域。本发明针对现有图像去噪方法依赖噪声与清晰图像对进行模型的训练，可行性差的问题。其自监督学习模块包括：基于空洞卷积的盲点网络和图像相关的噪声水平估计网络，用于对噪声样本图像集中的噪声样本图像通过自监督损失优化，并基于贝叶斯预测得到初步盲去噪图像，得到第一数据集；图像相关的噪声水平估计网络还对清晰样本图像集中的清晰样本图像进行处理，生成对应噪声图像，得到清晰样本图像与对应噪声图像对组成的第二数据集；知识蒸馏模块用于在全监督模式下采用第一数据集和第二数据集训练基于多级小波的卷积神经去噪网络，得到去噪模型。本发明基于非成对图像实现盲去噪。
-
公开(公告)号：CN108537754A
公开(公告)日：2018-09-14
申请号：CN201810329602.X
申请日：2018-04-12
Applicant: 哈尔滨工业大学
Abstract: 基于形变引导图的人脸图像复原系统，属于图像复原领域，解决了现有基于卷积神经网络的人脸图像复原系统无法对低质量人脸图像进行有效增强的问题。人脸图像复原系统：引导图变形网络和人脸图像重建网络均基于卷积神经网络实现。引导图变形网络将待复原人脸图和引导图作为输入，将得到的光流向量作为使引导图变形的绝对坐标，并通过双线性插值的方式使引导图变形，得到形变引导图。引导图和待复原人脸图为同一人的人脸图，引导图为高清正脸图。形变引导图中的人脸与待复原人脸图中的人脸的姿态和表情相同。人脸图像重建网络将待复原人脸图和形变引导图作为其输入，并输出复原人脸图。本发明所述的人脸图像复原系统适用于对低质量人脸图像进行增强。
-
公开(公告)号：CN101995963B
公开(公告)日：2012-07-04
申请号：CN201010551084.X
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: G06F3/023
Abstract: 词汇自适应中文输入方法，本发明涉及一种计算机、手机、或者掌上电子产品等的词汇自适应的中文输入方法。它降低输入法的背景噪音，减少系统开销，实现个性化输入。它用于汉字输入。它包括下述步骤：输入汉语拼音字符串；进行音节切分；根据本地的通用词库中词的状态和已经加载到本地的领域专业词库的状态对音节串进行汉语语句转换；输出汉字字符串；搜索位于服务器端的领域专业词库并判断已输入汉语语句中是否包含位于服务器端的领域词库集中的词汇；如果存在这样的词汇，则将包含该词汇的领域专业词库加载到本地；根据选择确定的汉语语句输入，对位于本地的通用词库和已经加载到本地的领域专业词库中的词进行词汇状态调整。
-
公开(公告)号：CN101436201A
公开(公告)日：2009-05-20
申请号：CN200810209525.0
申请日：2008-11-26
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 本发明提供了一种变粒度文本聚类的特征量化方法，它通过下述步骤实现：1)文档关键词的概念扩展，利用知网，将文档中的关键词集合扩展为另外一个具有更高语义覆盖能力的概念词集合；2)特征表示和相似度计算：词与词之间的相似度可以理解为其公共特征的重合度有多大。文本聚类应用中文档之间(以及文档簇之间)的相似度大小也可以通过考察文档之间公共特征的多少来判定。3)变粒度文本聚类特征量化技术与具体聚类算法进行结合使用，达到变粒度聚类的效果。本发明克服了已有的文档聚类系统由于特征量化不当导致的变粒度聚类时聚类效果较差的弊端。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.032 seconds)
