-
公开(公告)号：CN110490236B
公开(公告)日：2021-08-24
申请号：CN201910690299.0
申请日：2019-07-29
Applicant: 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
Abstract: 本发明涉及一种基于神经网络的自动图像标注方法、系统、装置和介质，利用预先训练好的卷积神经网络模型提取实验数据集的图像特征；根据图像特征，在训练集中计算得到待标注图像的邻域图像集和对应的第一标签域；构建第一标签域与训练集对应的第二标签域之间的标签语义关联模型，根据标签语义关联模型，在第二标签域中计算得到与每个第一标签相关联的第三标签域；计算待标注图像与每个邻域图像之间的相似度，根据所有相似度得到每个第一标签成为目标标签的第一概率，并根据所有第一概率和标签语义关联模型得到每个第三标签成为目标标签的第二概率；根据所有相似度、所有第一概率和所有第二概率，得到目标标签，并根据目标标签完成标注。
-
公开(公告)号：CN110688368A
公开(公告)日：2020-01-14
申请号：CN201910929085.4
申请日：2019-09-28
Applicant: 武汉工程大学
Inventor： 陈灯 , 张哲泓 , 魏巍 , 张彦铎 , 李晓林 , 鞠剑平 , 唐剑影 , 刘玮 , 段功豪 , 卢涛 , 周华兵 , 李迅 , 于宝成 , 徐文霞 , 鲁统伟 , 闵峰 , 朱锐 , 彭丽 , 王逸文
IPC: G06F16/21 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种构件行为模型挖掘方法与装置，该方法包括：S1)运行包含构件的软件，动态采集构件的带参行为交互序列，构成序列集合；S2)合并具有不同参数值的相同构件行为交互序列；S3)基于合并后的构件行为交互序列构建一棵树；S4)合并树中的等价节点获得有限状态机R’；S5)根据参数观察值集合归纳参数的不变式作为有限状态机R’中对应边的守护条件；S6)计算有限状态机R’中构件行为满足参数不变式的概率；S7)基于步骤S6)中迁移发生的概率得到最终的带参概率自动机表示的构件行为模型。本发明考虑了构件行为模型中参数-构件行为之间的依赖关系并采用概率模型对模型挖掘过程中的噪声进行有效处理，可获得更精确的构件行为模型。
-
公开(公告)号：CN106528526B
公开(公告)日：2019-05-28
申请号：CN201610880863.1
申请日：2016-10-09
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于贝叶斯分词算法的中文地址语义标注方法，包括步骤S1：预设置针对中文地址数据进行语义标注的标注关系表；步骤S2：获取预切分、标注好的训练语料；步骤S3：对训练语料进行统计学习得到词频词典、标注关系词典、标注模式表；步骤S4：输入待标注地址字符串进行全切分；步骤S5：根据词频词典及贝叶斯分词算法获取概率最大的分词方案；步骤S6：根据标注关系词典对分词方案进行标注得到标注结果。标注关系表设定了一个规范化的标注模板；通过统计学习训练语料获得了包含词频词典、标注关系词典以及标注模式表的数据库；根据前述训练数据库匹配得到标注好的具有语义信息的中文地址，快速准确地完成了针对中文地址数据的语义解析。
-
公开(公告)号：CN108563773A
公开(公告)日：2018-09-21
申请号：CN201810361909.8
申请日：2018-04-20
Applicant: 武汉工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于知识图谱的法律条文精准搜索排序方法，包括以下步骤：S101、输入待搜索关键词；S102、从法律知识图谱模型中获取与待搜索关键词匹配的主题词及该主题词的关联词，形成主题词库；S103、根据与法律知识图谱模型中核心主题的关联关系，动态生成同一案由的主题词库中的主题词及其关联词的权值；S104、获取主题词库的子集组合，依次形成元素个数为m,m-1,m-2…2的子集组合；S105、从每个子集组合中各取出一个主题词形成最终用于搜索的主题词组合；S106、以最终用于搜索的主题词组合中的个数和关键词总权重为依据对所有的子集组合进行排序；S107、使用排序后选择的主题词组合在法律条文数据库中进行搜索，并对搜索结果进行排序显示。
-
-
Patent Agency Ranking
公开(公告)号：CN106778766A
公开(公告)日：2017-05-31
申请号：CN201611031403.8
申请日：2016-11-18
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于定位点的旋转数字识别方法及系统，方法包括：S1、对输入的视频帧图像进行预处理，得到相应的灰度图像；S2、对灰度图像进行轮廓提取，得到灰度图像中的色块的定位点位置、宽度和长度；S3、根据定位点位置对灰度图像进行旋转矫正，得到矫正图像和矫正定位点位置；S4、根据矫正定位点位置、色块的宽度和长度对矫正图像进行图像分割，得到只包含数字部分的数字图像；S5、对数字图像进行灰度化，通过深度学习模型和分类器得到数字图像中的数字。本发明产生的有益效果是：保证了定位点和矫正角度的准确性，识别率高，参数设置较简单，训练速度快，实际使用时可以直接载入训练好的网络进行使用。
-
公开(公告)号：CN106695226A
公开(公告)日：2017-05-24
申请号：CN201710065775.0
申请日：2017-02-06
Applicant: 武汉工程大学
IPC: B23K37/04
CPC classification number: B23K37/04
Abstract: 本发明公开了一种箱体类工件的夹具，至少包括：第一夹板、第二夹板及伸缩机构；所述第一夹板和所述第二夹板设置在所述伸缩机构上，并在所述伸缩机构的伸缩作用下实现间距的调整。本发明将第一夹板和第二夹板设置在伸缩机构上，并能够在伸缩机构的伸缩作用下实现对间距的调整，从而实现了对不同尺寸的箱体类工件进行加持，进而提高了工作效率。
-
公开(公告)号：CN106650748A
公开(公告)日：2017-05-10
申请号：CN201611009032.3
申请日：2016-11-16
Applicant: 武汉工程大学
CPC classification number: G06K9/4609 , G06K9/6256 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的汉字识别方法，该方法包括以下步骤：1）采集训练用的文本图像；2）图像预处理：首先对图像进行非均匀光照调整，然后将图像转换为灰度图像；3）对预处理的图像进行特征提取；4）通过训练获得最终识别模型，选取测试识别正确率最高的卷积神经网络模型，作为最终识别模型；5）文字识别：对待识别的文本图像进行如步骤2）的图像预处理，采用训练所得的卷积神经网络模型进行识别，输出类别，匹配标签中汉字类别，输出汉字识别结果。本发明将提取方向特征图作为先验知识，和原始图像一起作为输入层的数据输入，以增强神经网络的识别性能，提高了汉字的识别率；且最终模型较小，计算速度快。
-
公开(公告)号：CN106528605A
公开(公告)日：2017-03-22
申请号：CN201610853820.4
申请日：2016-09-27
Applicant: 武汉工程大学
CPC classification number: G06F16/9537 , G06F17/2765
Abstract: 一种基于规则的中文地址解析方法，其包括以下步骤：1）输入中文地址信息字符串；2）对于一条中文地址串address，从地址第一个字开始，到地址最后一个字结束，每一个字与特征字集合Q进行一一对应匹配，若匹配成功，则记录地址信息中该特征字P与其位置i，地址遍历结束后，将每个地址信息中存在的特征字P与其对应的位置i放入链表ArrayList中保存；3）若链表ArrayList的大小为size，从ArrayList中的第一个值j=1开始，到j=size结束，提取出链表中所有特征字，然后从j=1到size-1循环，若特征字j到j+1的转移概率大于特定阀值d时，则转移，此时提取出j所对应的特征字Pi和位置值i，在address中位置i处切分，如此循环，直到判断完最后一个特征字是否切分。
-
公开(公告)号：CN105550649A
公开(公告)日：2016-05-04
申请号：CN201510906586.2
申请日：2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、对表达字典进行更新；S2、计算其在局部约束和线性重建条件下的最优权值系数；S3、确定最优的神经元个数；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数；S5、利用高分辨率表达系数作为图像耦合局部约束特征；S6、得出识别结果。本发明提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率；最后通过极限学习机完成人脸识别，使识别结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.025 seconds)
