-
公开(公告)号：CN110489529A
公开(公告)日：2019-11-22
申请号：CN201910791111.1
申请日：2019-08-26
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/33 , G06F16/332 , G06F17/27 , G06N3/08 , G06N20/00
Abstract: 一种基于句法结构和重排序的对话生成方法，包括：A、词性序列生成：通过使用词性标注工具将中文对话语料转化成词性序列，然后使用编码器-解码器架构训练出词性序列生成模型，输入一段词性序列，生成出符合规则的新的词性序列；B、词性转移矩阵生成：通过词性序列生成模型，利用BeamSearch方法得到生成序列集合，然后对集合内序列进行统计，得到当前词性序列生成的相应词性转移矩阵；C、训练过程中的目标函数改进：根据词性转移矩阵，对原始对话生成过程中的目标函数进行改进以提高生成质量；D、重排序步骤：对训练得到的对话生成模型，在预测过程中计算所有生成候选序列的句法结构混乱度，根据得分进行重排序，返回重排序后的序列作为生成结果。
-
公开(公告)号：CN108399428A
公开(公告)日：2018-08-14
申请号：CN201810135207.8
申请日：2018-02-09
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 一种基于迹比准则的三元组损失函数设计方法，通过对于图像特征提取、三元组损失函数和迹比准则的调研，使用迹比准则(Trace Ratio Criterion)作为三元组选取准则和损失计算方法。所述方法主要包括：A、三元组样本构建：对于数据集中的每一个样本，将其构建成三元组样本；B、三元组样本选取：从构建的三元组样本中进行筛选，设定有效的选取机制，在不损失精度的同时，提高训练速度；C、损失函数设计：根据B中获得的三元组样本，分别计算三元组中当前样本和正负样本之间的距离，设计损失函数计算模型预测和真实结果之间的误差；D、深度网络训练：将模型误差回传到深度卷积神经网络中，对网络参数进行更新调整，迭代地训练模型直到收敛。
-
公开(公告)号：CN106126507A
公开(公告)日：2016-11-16
申请号：CN201610457514.9
申请日：2016-06-22
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F17/28
CPC classification number: G06F17/2827 , G06F17/2818
Abstract: 本发明提出了一种基于字符编码的深度神经翻译方法及系统，使用递归神经网络（Recurrent Neural Network,RNN）建立一个联合的神经网络模型来覆盖整个翻译过程，从编码器‑解码器框架的角度直接完成翻译任务。方法包括：A、词向量生成：将字符级别的输入数据通过神经网络建模进行分词，并生成词向量；B、语言模型生成：利用递归神经网络在时间上具有记忆性的特点，建立语法规则；C、词对齐模型生成：得到对源语言语句中多个词翻译成目标语言词的概率；D、输出：将输入的源语言翻译成目标语言；E、联合翻译模型：将上述4个步骤的神经网络模型联合起来，建立一个基于字符编码的深度神经翻译模型（RNN‑embed），并使用GPU并行计算来加速模型的训练。
-
公开(公告)号：CN106022391A
公开(公告)日：2016-10-12
申请号：CN201610380345.3
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/6215 , G06K9/46 , G06K9/623 , G06K9/6269 , G06K9/6289 , G06K2009/4657
Abstract: 本发明提出了一种高光谱图像特征的并行提取与分类方法，通过三维空间域以及频域联合分析，对三维和高光谱图像进行并行特征提取，然后对这些特征进行增强和融合，可以充分利用高维数据的丰富信息以及这些特征之间的结构关系，大大减少噪声对准确率的影响。本发明对各种相位、方向、频域以及三维空间编码方法进行深入研究，然后从提取各Gabor特征在方向与频率空间结构关系出发，在联合提取空间‑光谱域和频域的信号变化特征同时，开拓性地将智能算法引入波段选择，从而可以在保证识别准确率的前提下减少冗余信息，提高识别效率，具有较广泛的应用和推广前景。
-
公开(公告)号：CN114970194B
公开(公告)日：2025-05-16
申请号：CN202210666001.4
申请日：2022-06-14
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F30/20 , G06N3/0464 , G06N3/08
Abstract: 公开了一种由热力图引导的语义解纠缠生成对抗网络及其服饰灵感设计方法，属于生成对抗模型及服饰设计领域。由热力图引导的语义解纠缠生成对抗网络包括一个时尚服饰图像编码器、时尚服饰图像生成器、时尚服饰图像判别器和局部服饰图像判别网络；时尚服饰图像编码器用以捕捉不同输入时尚项目的最具区分性的特征，并将特征解缠结成两个关键因素，即属性和纹理；时尚服饰图像生成器通过利用编码器编码后的属性和纹理来生成混合风格的时尚服饰图像；时尚服饰图像判别器通过利用时尚服饰图像生成器生成的服饰判别生成图像的真实性；局部服饰图像判别网络引入基于热力图的局部损失来评估生成的时尚服饰图像纹理与输入时尚服饰图像纹理信息之间的视觉语义匹配程度。
-
Patent Agency Ranking
公开(公告)号：CN116416374A
公开(公告)日：2023-07-11
申请号：CN202211601369.9
申请日：2022-12-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本公开的实施例提供一种用于训练服饰生成模型的方法和一种用于生成服饰的方法。在用于训练服饰生成模型的方法中，获取服饰单品的训练图像集。训练图像集包括多个训练图像组。针对包括第一和第二训练图像的训练图像组：提取第一和第二训练图像的颜色、纹理及形状特征；由服饰生成器来生成颜色、纹理及形状校验图像；根据颜色和纹理校验图像与第一训练图像计算颜色和纹理损失函数；根据形状校验图像与第二训练图像计算重建损失函数；通过真假判别器来判断颜色、纹理和形状校验图像的真实性；通过最小化服饰生成模型的总损失函数来更新服饰生成模型的参数。总损失函数包括：颜色损失函数、纹理损失函数、重建损失函数和真假判别器的损失函数。
-
公开(公告)号：CN116051227A
公开(公告)日：2023-05-02
申请号：CN202211407002.3
申请日：2022-11-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q30/0601 , G06F16/951 , G06V10/774
Abstract: 本公开的实施例提供一种用于为给定服饰单品生成搭配服饰的方法。该方法包括：基于N个随机噪声来生成目标类型的N个随机服饰单品的N个随机图像；以及基于给定服饰单品的图像和N个随机图像来生成与给定服饰单品搭配的N个目标服饰单品的N个目标图像。其中，目标类型与给定服饰单品的类型不同。N个目标服饰单品的类型为目标类型。N为正整数。
-
公开(公告)号：CN116012094A
公开(公告)日：2023-04-25
申请号：CN202211525765.8
申请日：2022-11-30
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q30/0601 , G06F16/901 , G06F16/906 , G06V10/74 , G06V10/82 , G06N5/025 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种深度图匹配网络及基于该网络的时尚搭配推荐方法。所述深度图匹配网络包括编码模块、传播及匹配模块、残差聚合模块和同步聚合模块；码模块，输入为图节点入度、出度及节点类型，输出固定大小的特征向量；传播及匹配模块由传播层构成，为多层结构，每一层包含邻居节点聚合传播单元和跨图节点匹配融合单元两部分；残差聚合模块包含一个两层全连接网络和一个四层全连接网络，输出相似度得分；同步聚合模块，分为聚合部分和同步一致部分，所述聚合部分包括GRU门控循环单元。基于该网络的时尚搭配推荐方法先构建时尚搭配规则知识库、计算两图之间的时尚搭配迁移成本，对用户的输入时尚搭配规则，经网络处理后给出推荐结果及理由。
-
公开(公告)号：CN115937258A
公开(公告)日：2023-04-07
申请号：CN202211735412.0
申请日：2022-12-30
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T7/246 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种自适应样本分配的IoU感知目标跟踪模型和方法，属于目标跟踪技术领域。包括：输入为模板集、输出为模板集主干特征的第一特征提取器，输入为搜索集、输出为搜索集主干特征的第二特征提取器，含有判别式滤波器的在线学习分支，以及含有分类网络和回归网络的跟踪头网络；在线学习分支得到目标位置的在线学习得分Conl；分类网络得到IoU感知分类得分Ccls，回归网络得到目标的回归偏移量R和中心度得分Ce；将Ccls、Ce和Conl融合得到目标最终的分类得分，依据最终的分类得分确定目标的侯选位置，再结合回归偏移量R生成最终的跟踪目标框。消除了人为手工设置阈值的策略来划分正、负样本，同时解决分类和回归预测的错误对齐问题，保持较高的准确度和鲁棒性。
-
公开(公告)号：CN115761791A
公开(公告)日：2023-03-07
申请号：CN202211278194.2
申请日：2022-10-19
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/10 , G06V10/82 , G06V10/764 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 公开了一种基于2D图像的人体语义预测模块、虚拟换衣模型及方法。所述人体语义预测模块由一个改进后的U‑Net网络组成，改进后的U‑Net网络是将传统U‑Net网络的基本单元改为残差块；人体语义预测模块的输入为平面化服装图像和由人体模特图像提取的人体姿态特征，输出包括所述人体模特图像每个像素点的分类概率；人体姿态特征包括densepose特征；人体语义预测模块依据所述分类概率预测换衣后的人体语义信息。虚拟换衣模型包括一个服装变形的外观流模块、人体语义预测模块和换衣生成模块。虚拟换衣方法包括构建虚拟换衣数据集、设计虚拟换衣模型和设计虚拟换衣模型的训练策略的步骤。本发明具有较高的网络提取特征的能力，提升了最终换衣图像的真实性。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.031 seconds)
