-
公开(公告)号：CN116258139A
公开(公告)日：2023-06-13
申请号：CN202211095419.0
申请日：2022-09-05
Applicant: 电子科技大学
IPC: G06F40/279 , G06F16/36 , G06F16/28 , G06N3/08 , G06N3/0464
Abstract: 本发明属于知识图谱相关技术领域，具体提供一种基于特征增强的人物关系知识图谱补全方法，旨在解决现有的基于卷积神经网络的模型方法并没有考虑丰富的图谱语义信息的问题，受限于三元组本身的信息特征，同时解决了DKRL模型不能有效地提取描述文本特征的缺陷。本发明基于知识图谱附加的语义特征和路径特征，针对链接预测任务，提供一种基于特征增强的卷积神经网络模型，通过将附加描述信息、路径信息与卷积神经网络结合起来，实现更高质量的知识图谱补全方法，进而实现对人物关系知识图谱的补全，提升针对人物间关系的预测性能，为人物关系提供支持。
-
公开(公告)号：CN110648344B
公开(公告)日：2023-01-17
申请号：CN201910862186.4
申请日：2019-09-12
Applicant: 电子科技大学
IPC: G06T7/13 , G06T7/60 , G06T5/00 , G06V10/764 , G06V10/774 , G16H30/20 , G16H50/20
Abstract: 本发明属于医疗图像分类领域，涉及深度学习，具体为一种基于局部病灶特征的糖尿病视网膜病变分类装置，用于解决深度模型在眼底图像上分类效果不佳、结果缺乏解释性等问题。本发明通过分别对眼底图像全局特征及局部病灶信息的提取，使得病变程度严重的图像中的信息能够得到充分利用，解决了由于数据量不足且不平衡导致的深度学习在糖网病变分类领域应用效果不佳的问题；并且在局部病灶信息提取过程中，输出了眼底图像中局部病灶信息的标注结果，解决了深度学习模型结果可解释程度低的问题，提高了对眼科医生诊断病情的辅助作用。
-
公开(公告)号：CN115455197A
公开(公告)日：2022-12-09
申请号：CN202211066885.6
申请日：2022-09-01
Applicant: 电子科技大学
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/289 , G06N5/02 , G06N5/04 , G06N3/04
Abstract: 本发明涉及自然语言处理领域，其公开了一种融合位置感知细化的对话关系抽取方法，解决现有技术中对话文本的相似结构信息带来的干扰，无法对节点进行分类，没有考虑对话数据的独特性带来的关系抽取准确性不高的问题。本发明的方法，首先，基于对对话的句法分析，获得实体的提及词；然后，基于提及词和对话信息，构建异构提及对话图并初始化节点特征；再然后，通过在异构提及对话图上使用位置感知细化的图注意力网络，获得更新后的节点特征，并通过合并节点得到实体对话图；最后，通过融合实体对话图中实体对实体间的路径信息，推理得到实体对之间的关系。
-
公开(公告)号：CN111814706B
公开(公告)日：2022-06-24
申请号：CN202010673471.4
申请日：2020-07-14
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉技术，其公开了一种基于多任务卷积神经网络的人脸识别及属性分类方法，在人脸识别任务和属性分类任务上同时达到较高的精确度。该方法包括以下步骤：S1、对人脸图像样本进行预处理；S2、通过设计的多任务卷积神经网络模型对预处理后的人脸图像样本提取出属性特征和人脸全局特征；S3、基于注意力机制计算不同属性与人脸识别任务的相关度，并根据相关度将属性特征融合进人脸特征中；S4、多任务卷积神经网络模型同时进行人脸识别任务和属性分类任务，并通过计算损失来训练优化模型；S5、利用优化后的模型对输入的人脸图像同时进行属性分类和人脸识别任务。
-
公开(公告)号：CN113989326A
公开(公告)日：2022-01-28
申请号：CN202111240446.8
申请日：2021-10-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制的轨迹预测方法，属于计算机视觉技术领域。本发明首先提取目标的位置序列；然后对每个目标利用长短期记忆网络编码获取目标轨迹特征表达，之后采用图注意力网络对目标轨迹之间的交互特征进行融合处理，并基于注意力机制得到目标轨迹各历史时刻之间的时序特征，最后将融合了交互特征与时序特征的目标轨迹特征作为长短期记忆网络的输入，解码并计算得到目标的预测位置。本发明基于对目标关系进行推理并通过注意力机制引入时序特征提高轨迹预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113705394A
公开(公告)日：2021-11-26
申请号：CN202110935756.5
申请日：2021-08-16
Applicant: 电子科技大学
Abstract: 本发明提供一种长短时域特征结合的行为识别方法，属于人工智能深度学习视频理解行为识别技术领域，包括S1：获取包含人类行为的视频，预处理后得到与视频对应的目标视频帧序列；S2：构建以ResNet50网络为骨干网络、包含50个残差块的行为识别网络，残差块由短时域运动特征增强模块和长时域运动特征集成模块堆叠而成；S3：基于目标视频帧序列和预设目标行为类别对行为识别网络进行训练，得到训练完成的行为识别模型；S4：将待检测视频预处理后得到待检测视频帧序列，输入至训练完成的行为识别模型中，得到待检测视频的目标行为类别，实现待检测视频中人类行为的识别，提升模型运动特征建模能力及时空特征和运动特征的交互效率。
-
公开(公告)号：CN113627557A
公开(公告)日：2021-11-09
申请号：CN202110954631.7
申请日：2021-08-19
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉领域中的视觉关系检测技术，其公开了一种基于上下文图注意力机制的场景图生成方法，通过充分挖掘外部知识以及目标的上下文信息，从而提高场景图生成的准确率。该方法通过上下文融合目标的外部知识向量、空间特征以及视觉特征，获得融合后的特征向量；根据目标的邻接矩阵，并结合融合后的特征向量进行图注意力网络的初始化；利用样本数据集中的统计信息计算目标关系的频率系数，并利用目标上下文特征计算图注意力系数；通过图注意力网络的信息迭代获得目标的最终向量表示并计算目标之间的关系，利用目标之间的关系以及目标的损失函数进行梯度下降更新，从而生成视觉关系检测模型；针对待检测图像，根据视觉关系检测模型生成场景图。
-
公开(公告)号：CN109447251B
公开(公告)日：2021-09-24
申请号：CN201811138467.7
申请日：2018-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种具有新型内存模块的神经图灵机模型及其设置方法，属于神经网络领域。本发明在神经图灵机模型的内存模块中增加双螺旋DNA结构；同时对神经图灵机模型的读写头进行改进，使其适应内存模块中的双螺旋DNA结构的存储数据：神经网络控制器动态读写双螺旋DNA结构中存储的时序数据，将双螺旋DNA结构的当前子代数据作为下一层神经元的输入，结合当前从内存矩阵中的读取的内容得到下一层神经元的激活值，并将其重新写入到双螺旋DNA结构中，替换当前子代数据，而替换前的当前子代数据便转换为替换后的当前子代数据的父代数据。同时本发明还公开了其对应的训练设置方法。本发明使得内存模块的记忆矩阵的更新更加细致，提高模型的稳定性。
-
公开(公告)号：CN110766643A
公开(公告)日：2020-02-07
申请号：CN201911030415.2
申请日：2019-10-28
Applicant: 电子科技大学 , 四川久远银海软件股份有限公司
IPC: G06T5/40 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/90 , G06K9/32 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及医疗图像的处理技术，其现有技术中对微动脉瘤这种微小目标检测的不足，提出一种面向眼底图像的微动脉瘤检测方法，以有效地检测出眼底图像中的微动脉瘤，实现自动化检测的同时更好地辅助医生进行诊断。本发明通过对眼底图像预处理，使小目标特征得到增强，并制作数据集在搭建的基础特征提取网络上进行训练；在进行检测时，从输入图像提取图像基础特征，并利用分割模型进行对输入图像血管分割，得到用于后续处理的特征图及分割图；然后将注意力机制融入特征融合过程中，获得融合卷积特征层；输入融合卷积特征层到候选区域生成网络中，同时考虑目标与血管之间的位置关系，获得候选区域；最后对候选区域进一步分类与回归获得检测结果。
-
公开(公告)号：CN107577665A
公开(公告)日：2018-01-12
申请号：CN201710812048.6
申请日：2017-09-11
Applicant: 电子科技大学
Abstract: 本发明涉及文本情感倾向的判别方法，包括：A.获得训练语句，并对训练语句赋予类别标签；B.对测试语句进行拆分，并根据类别标签获得拆分后的每条语句的情感倾向得分；C.根据三种特征获得每条语句的初始权重；D.以所述的每条语句为节点、每条语句之间的相似度为边构建无向图；E.根据所述的无向图构建有向图；F.根据有向图和每条语句的初始权重，利用图排序方法迭代计算每条语句的权重值；G.迭代结束后，将所述每条语句的情感倾向得分根据权重值加权求和，获得当前文本的情感倾向值，并以此判断当前文本的情感倾向性。本发明通过对语句拆分，能够有效获得整个文本的情感倾向值，非常明显的提高了文本情感判断和分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.027 seconds)
