-
公开(公告)号：CN115063297A
公开(公告)日：2022-09-16
申请号：CN202210760864.8
申请日：2022-06-30
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明属于超分辨率图像重建技术领域，特别涉及一种基于参数重构的图像超分辨率重建方法及系统，通过构建用于对输入图像数据中的低分辨率图像进行特征提取并依据提取特征进行图像重建的超分辨率重建网络，其中，超分辨率重建网络中，首先利用标准卷积来提取输入图像数据的浅层特征，然后利用参数重构的深度可分离卷积提取浅层特征中的深层特征，利用深层特征进行图像重建；利用收集的样本数据进行网络训练；并针对待重建的图像数据，利用训练后的超分辨率重建网络进行特征提取和图像重建。本发明通过参数重构进行特征提取，能够在减少网络参数量和计算量的同时，实现更深层次的特征提取，提升重建图像质量，便于实际场景应用。
-
公开(公告)号：CN112735460B
公开(公告)日：2021-10-29
申请号：CN202011557418.4
申请日：2020-12-24
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G10L21/0216 , G10L25/30 , G10L15/20
Abstract: 本发明属于语音增强技术领域，特别涉及一种基于时频掩蔽值估计的波束成形方法及系统，方法包含：获取多通道语音序列，通过傅里叶变换提取幅度谱特征和空域特征；对幅度谱特征通过对数变换得到多通道语音频谱特征序列，送入预先训练优化的神经网络模型获取复值时频掩蔽值；将复值时频掩蔽值转换为语音存在概率，利用概率模型获取时频掩蔽值；由时频掩蔽值及多通道语音特征序列计算语音信号协方差矩阵，对协方差矩阵进行特征值分解获取波束成形滤波器系数；结合波束成形滤波器系数，利用波束成形滤波器对多通道语音序列语音特征滤波处理，得到增强语音信号。本发明集成神经网络和空域聚类进行时频掩蔽值估计，提升波束形成和语音识别的性能。
-
公开(公告)号：CN111090981A
公开(公告)日：2020-05-01
申请号：CN201911241042.3
申请日：2019-12-06
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06F40/191 , G06F40/211 , G06N3/04
Abstract: 本发明属于自然语言处理技术领域，公开一种基于双向长短时记忆网络的中文文本自动断句与标点生成模型构建方法及系统，该方法包括：将中文文本语料进行处理，去除无用符号，同时为每个字符添加设计好的标签；利用双向长短时记忆网络作为中文文本自动断句与标点生成模型的基准网络结构；采用对数似然损失函数，通过加入长句惩罚因子对对数似然损失函数进行改进，以最小化改进后的对数似然损失函数为目标，从正反两个方向对添加标签后的中文文本语料进行训练，完成中文文本自动断句与标点生成模型构建；该系统包括：语料处理模块、网络结构选择模块及模型构建与优化模块。本发明解决了语音转写文本中，无法自动断句以及标点符号缺失的问题。
-
公开(公告)号：CN116011469A
公开(公告)日：2023-04-25
申请号：CN202211519654.6
申请日：2022-11-30
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明属于机器翻译处理技术领域，特别涉及一种离线机器翻译程序加速处理装置、方法及系统，利用与用户端主机Thunderbolt接口连接的GPU扩展坞接收用户端主机传送的计算参数，并依据计算参数来执行离线机器翻译程序中的模型计算；并利用与用户端主机USB接口连接的USB存储设备来预置固化离线机器翻译程序、依赖类库和模型。本发明将机器翻译系统中的模型计算部分从CPU转移至外接的GPU设备，利用USB接口外接存储设备，将翻译程序依赖的模型、类库和执行步骤固化，能够实现整个离线机器翻译程序的高效、便捷部署安装，机器翻译执行和处理效率可以成倍的提升，且根据实际应用可适合扩展到其他需要大量计算的系统中，具有较好的应用前景。
-
公开(公告)号：CN111090981B
公开(公告)日：2022-04-15
申请号：CN201911241042.3
申请日：2019-12-06
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06F40/191 , G06F40/211 , G06N3/04
Abstract: 本发明属于自然语言处理技术领域，公开一种基于双向长短时记忆网络的中文文本自动断句与标点生成模型构建方法及系统，该方法包括：将中文文本语料进行处理，去除无用符号，同时为每个字符添加设计好的标签；利用双向长短时记忆网络作为中文文本自动断句与标点生成模型的基准网络结构；采用对数似然损失函数，通过加入长句惩罚因子对对数似然损失函数进行改进，以最小化改进后的对数似然损失函数为目标，从正反两个方向对添加标签后的中文文本语料进行训练，完成中文文本自动断句与标点生成模型构建；该系统包括：语料处理模块、网络结构选择模块及模型构建与优化模块。本发明解决了语音转写文本中，无法自动断句以及标点符号缺失的问题。
-
Patent Agency Ranking
公开(公告)号：CN113505611A
公开(公告)日：2021-10-15
申请号：CN202110780410.2
申请日：2021-07-09
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明提供一种在生成对抗中获得更好的语音翻译模型的训练方法和系统。该方法包括收集训练数据，利用训练数据中的转录‑翻译数据对训练MT模型；利用收缩机制对ST模型的输入长度进行压缩，使得语音和文本的编码层输出长度近似相同，包括：先采用CTC损失帮助ST模型预测语音的转录，捕捉语音的声学信息；然后利用CTC存在的峰值现象去除ST模型编码层状态中的冗余信息；采用对抗器通过“最大最小”的方法，使ST模型的编码层输出分布拟合MT模型的编码层输出分布，帮助ST模型捕捉到更多的语义信息；以CTC损失作为附加损失，结合端到端ST模型的损失对整个语音翻译模型进行联合训练。本发明能提升语音翻译模型的识别性能，进而提高语音翻译效率和质量。
-
公开(公告)号：CN111046962B
公开(公告)日：2022-10-04
申请号：CN201911300222.4
申请日：2019-12-16
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06V10/764 , G06V10/56 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于稀疏注意力的卷积神经网络模型的特征可视化方法及系统，该方法包括：对输入彩色图像进行特征提取，输出多通道特征图；使用像素级注意力对特征图进行加权调整；采用交叉熵损失函数作为分类损失函数，对像素级注意力进行L1正则化约束，并对分类损失函数进行改进，对加权调整后的特征图进行训练，得出分类结果；将调整后的特征图与原始输入的彩色图像进行叠加，得出彩色图像重要特征的可视化展示，从而给出对分类结果的可视化解释；该系统包括特征提取模块、注意力模块、分类模块及特征可视化模块。本发明提升图像分类准确率的同时，采用特征可视化展示出该图像最重要的特征区域。
-
公开(公告)号：CN112686058B
公开(公告)日：2021-10-29
申请号：CN202011557480.3
申请日：2020-12-24
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
Abstract: 本发明属于语音翻译技术领域，涉及一种BERT嵌入语音翻译模型训练方法、系统及语音翻译方法和设备，训练方法包含：收集模型训练数据；利用训练数据中的源语言预训练BERT模型，并将预训练后的BERT模型作为机器翻译模型编码层，并利用成对的源语言和目标语言文本对机器翻译模型进行训练，通过设置机器翻译模型中解码层层数来获取多个机器翻译模型；利用源语言成对的语音翻译数据训练语音识别模型；将训练后的语音识别模型编码层作为语音翻译模型编码层初始化参数，并采用熵加权方式对多个机器翻译模型输出进行加权来训练语音翻译模型，结合模型损失函数完成语音翻译模型训练。本发明提升语音翻译模型的识别性能，进而提高语音翻译效率和质量。
-
公开(公告)号：CN112765999A
公开(公告)日：2021-05-07
申请号：CN202011545504.3
申请日：2020-12-24
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06F40/58 , G06F3/0484
Abstract: 本发明属于人工智能翻译技术领域，特别涉及一种机器翻译双语对照方法及系统，用于即时输入内容或上传文件内容翻译的原文和译文对照展示，包含如下内容：将即时输入或上传文件内容的原文分别送入翻译引擎，获取与原文对应的译文，并生成用于设置原文和译文相同文本样式属性的展示模板；依据展示模板将原文和译文以左右方向在目标页面进行对照显示。本发明解决现有双语翻译中信息捕捉效率低、体验差等问题，通过设置相同展示模板，便于原文和译文对齐展示，提升用户原文和译文中信息捕捉效率，利于目标词句或段落的精准定位显示，提升用户体验，具有较好的应用前景。
-
公开(公告)号：CN111046939B
公开(公告)日：2023-08-04
申请号：CN201911241048.0
申请日：2019-12-06
Applicant: 中国人民解放军战略支援部队信息工程大学 , 郑州信大先进技术研究院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于深度学习与计算机可视化技术领域，公开一种基于注意力的CNN类别激活图生成方法，包括：步骤1、计算特征图M＝(M0,M1,...,MK‑1)每个像素点的梯度值作为神经元类别相关的空间注意力权重；步骤2、获取各类别神经元对应的连接权重作为通道注意力权重；步骤3、根据空间注意力权重及通道注意力权重生成CNN类别激活图。本发明将类别激活权重作用注意力权重，同时利用特征图的通道‑空间位置重要性，与CAM、Grad‑CAM方法相比，生成的类别激活图的可视化效果更好，并且该方法不受网络结构的限制，使用更加灵活。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.11 seconds)
