-
公开(公告)号：CN118364127B
公开(公告)日：2024-09-06
申请号：CN202410796082.9
申请日：2024-06-20
Applicant: 中南大学
Abstract: 本申请提供了一种基于特征融合的家纺图像检索重排序方法及装置，涉及图像处理技术领域，其方法包括：对待检索图像进行特征提取，得到高层特征和低层特征；分别根据高层特征、低层特征与对应的图像向量库，确定第一检索列表和第二检索列表；分别构建与第一检索列表对应的第一加权图和与第二检索列表对应的第二加权图；分别对第一加权图与第二加权图进行马尔可夫随机游走，并得到与高层特征对应的第一扩散相似度和与低层特征对应的第二扩散相似度；将第一扩散相似度与第二扩散相似度进行融合，得到扩散距离；根据扩散距离对图像检索样本库进行重新排序，得到待检索图像的目标检索列表。通过本发明，可以提高家纺图像检索的精度。
-
公开(公告)号：CN119849501A
公开(公告)日：2025-04-18
申请号：CN202510317358.5
申请日：2025-03-18
Applicant: 中南大学
IPC: G06F40/295 , G06F40/253 , G06F40/30 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于通道注意力和字符特征的文本命名实体提取方法。包括获取待识别的输入文本；构建命名实体识别模型，包括：BERT模型用于获取具有上下文信息的特征、语法结构和语义表示；CharCNN模块用于提取BERT模型输出结果中的字符级特征；DSENet模块用于增强BERT模型输出结果中的实体内容和实体位置特征表达；多层双向长短时记忆网络用于捕捉以上模块的输出进行特征融合后的融合结果中的长距离依赖关系；条件随机场用于对输出序列进行实体标注；将待识别的输入文本输入命名实体识别模型中，获得命名实体。本发明方案提升了实体识别的效果，在非结构化文本NER任务中具有较高的准确率和召回率。
-
公开(公告)号：CN118364127A
公开(公告)日：2024-07-19
申请号：CN202410796082.9
申请日：2024-06-20
Applicant: 中南大学
Abstract: 本申请提供了一种基于特征融合的家纺图像检索重排序方法及装置，涉及图像处理技术领域，其方法包括：对待检索图像进行特征提取，得到高层特征和低层特征；分别根据高层特征、低层特征与对应的图像向量库，确定第一检索列表和第二检索列表；分别构建与第一检索列表对应的第一加权图和与第二检索列表对应的第二加权图；分别对第一加权图与第二加权图进行马尔可夫随机游走，并得到与高层特征对应的第一扩散相似度和与低层特征对应的第二扩散相似度；将第一扩散相似度与第二扩散相似度进行融合，得到扩散距离；根据扩散距离对图像检索样本库进行重新排序，得到待检索图像的目标检索列表。通过本发明，可以提高家纺图像检索的精度。
-
-
Search Results
3
records
(took 0.013 seconds)
