文档中表格样式快速转换为三线表的方法、装置及设备

    公开(公告)号:CN116644725A

    公开(公告)日:2023-08-25

    申请号:CN202310419677.8

    申请日:2023-04-13

    Abstract: 本发明公开了一种文档中表格样式快速转换为三线表的方法、装置及设备,包括:接收用户打开文档的指令,展示文档;接收用户插入并绘制表格的指令,在文档中展示用户绘制的表格;接收用户点击表格并单击右键的指令,弹出快捷菜单;接收用户点击快捷菜单中的转换三线表的指令,弹出三线表选择框;接收用户三线表格式选择指令,将表格转换为用户选择的三线表格式并进行显示。提供一种便捷性的普通表格转换为三线表方法,提高了用户制作三线表的效率,降低了文档中将普通表格转换成三线表的使用难度。

    文档中电子签名识别与通知方法、装置、设备及存储介质

    公开(公告)号:CN116502264A

    公开(公告)日:2023-07-28

    申请号:CN202310387024.6

    申请日:2023-04-07

    Abstract: 本发明公开了一种文档中电子签名识别与通知方法,包括:接收签名持有方录入并上传电子签名的指令,在文档菜单栏录入并上传电子签名,形成录入图像库;接收签名持有方绑定手机号的指令,将电子签名与签名持有方的手机号进行绑定;当接收到签名使用方打开文档的指令时,展示文档并自动识别文档中的电子签名;将识别的电子签名与录入图像库进行字迹比对,若比对结果相符,则通过短信通知签名持有方电子签名被启用;当接收到签名持有方的禁止授权指令时,自动对文档中的电子签名进行马赛克处理;否则电子签名可正常使用。本发明可帮助识别电子签名并且通知签名持有方,若未授权,则自动将电子签名进行马赛克处理,保证了电子签名的安全性和便利性。

    基于小样本机器学习与超参数优化的水下目标检测方法

    公开(公告)号:CN113239980A

    公开(公告)日:2021-08-10

    申请号:CN202110442031.2

    申请日:2021-04-23

    Abstract: 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法,包括:构建基于Cascade‑RCNN的小样本目标检测模型;预训练数据集;利用预训练数据集对小样本目标检测模型进行预训练,获得小样本目标检测模型的预训练权重θ′;构建待检测的目标数据集;将目标数据集划分为有标记的支持集和无标记的查询集;对目标数据集进行预处理;对小样本目标检测模型进行微调,得到最终训练完成的小样本目标检测模型;采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化,得到优化后的小样本目标检测模型;输入预处理后的查询集至优化后的目标检测模型,得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。

    基于小样本机器学习与超参数优化的水下目标检测方法

    公开(公告)号:CN113239980B

    公开(公告)日:2022-07-05

    申请号:CN202110442031.2

    申请日:2021-04-23

    Abstract: 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法,包括:构建基于Cascade‑RCNN的小样本目标检测模型;预训练数据集;利用预训练数据集对小样本目标检测模型进行预训练,获得小样本目标检测模型的预训练权重θ′;构建待检测的目标数据集;将目标数据集划分为有标记的支持集和无标记的查询集;对目标数据集进行预处理;对小样本目标检测模型进行微调,得到最终训练完成的小样本目标检测模型;采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化,得到优化后的小样本目标检测模型;输入预处理后的查询集至优化后的目标检测模型,得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。

Patent Agency Ranking