-
公开(公告)号：CN117574309B
公开(公告)日：2024-06-28
申请号：CN202311599668.8
申请日：2023-11-28
Applicant: 东华理工大学南昌校区
IPC: G06F18/2451 , G06F18/25 , G06F18/21 , G06N3/0455
Abstract: 本发明公开了融合多标签对比学习和KNN的层次文本分类方法，包括：通过Graphormer编码标签层次结构，获得标签表示，计算每个标签表示和每个文本词元嵌入之间的注意力权重，获得对应的文本表示；将原始输入样本和正样本的文本表示输入到多标签分类器，计算分类损失；对多标签对比损失、原始输入样本和正样本的分类损失进行求和，基于总损失训练BERT模型，获得测试样本的文本表示，将测试文本的文本表示输入至多标签分类器，获取训练好的模型的预测结果；将KNN预测结果与所述训练好的模型的预测结果进行线性融合，获得最终的预测结果。本发明根据基于标签相似度的动态系数来决定样本对的正向程度，更适用于层次文本分类。
-
公开(公告)号：CN117574309A
公开(公告)日：2024-02-20
申请号：CN202311599668.8
申请日：2023-11-28
Applicant: 东华理工大学南昌校区
IPC: G06F18/2451 , G06F18/25 , G06F18/21 , G06N3/0455
Abstract: 本发明公开了融合多标签对比学习和KNN的层次文本分类方法，包括：通过Graphormer编码标签层次结构，获得标签表示，计算每个标签表示和每个文本词元嵌入之间的注意力权重，获得对应的文本表示；将原始输入样本和正样本的文本表示输入到多标签分类器，计算分类损失；对多标签对比损失、原始输入样本和正样本的分类损失进行求和，基于总损失训练BERT模型，获得测试样本的文本表示，将测试文本的文本表示输入至多标签分类器，获取训练好的模型的预测结果；将KNN预测结果与所述训练好的模型的预测结果进行线性融合，获得最终的预测结果。本发明根据基于标签相似度的动态系数来决定样本对的正向程度，更适用于层次文本分类。
-
公开(公告)号：CN117274620A
公开(公告)日：2023-12-22
申请号：CN202311566435.8
申请日：2023-11-23
Applicant: 东华理工大学南昌校区
Abstract: 本发明公开了一种基于自适应均匀划分特征点提取的视觉SLAM方法，属于视觉SLAM和图像处理技术领域，包括以下步骤：采集行进图像构建图像金字塔；基于自适应均匀划分特征点提取所述图像金字塔的特征点；构建所述特征点的ORB特征，基于所述ORB特征进行图像特征信息匹配，并进行位姿估计；基于估计的位姿进行局部建图，并对局部建图过程进行回环检测和地图合并，获得优化整合后的全局地图。本发明采用自适应的均匀划分特征点提取方法，不仅能有效提升视觉SLAM的定位精度，还较大程度地减少了特征点提取的时间开销，使提取的特征点分布更均匀。
-
公开(公告)号：CN117274620B
公开(公告)日：2024-02-06
申请号：CN202311566435.8
申请日：2023-11-23
Applicant: 东华理工大学南昌校区
Abstract: 本发明公开了一种基于自适应均匀划分特征点提取的视觉SLAM方法，属于视觉SLAM和图像处理技术领域，包括以下步骤：采集行进图像构建图像金字塔；基于自适应均匀划分特征点提取所述图像金字塔的特征点；构建所述特征点的ORB特征，基于所述ORB特征进行图像特征信息匹配，并进行位姿估计；基于估计的位姿进行局部建图，并对局部建图过程进行回环检测和地图合并，获得优化整合后的全局地图。本发明采用自适应的均匀划分特征点提取方法，不仅能有效提(56)对比文件姜伟东.基于动态目标检测的室内移动机器人建图 技术研究《.中国优秀硕士学位论文全文数据库》.2022,1-87.李泓良.面向物流AGV和AR设备的端云协同视觉SLAM方法研究《.万方学位论文》.2023,全文.
-
-
-
Search Results
4
records
(took 0.034 seconds)
