-
公开(公告)号：CN112487229A
公开(公告)日：2021-03-12
申请号：CN202011364185.6
申请日：2020-11-27
Applicant: 北京邮电大学 , 中国电信集团系统集成有限责任公司
Abstract: 本申请提供细粒度图像分类方法、系统及预测模型的训练方法，细粒度图像分类方法包括：重复如下步骤，直至更新后的第一层为神经网络的最后一层：接收神经网络的第一层的输出特征，作为可学习的非局部模块的输入特征；将非局部模块的输出特征作为神经网络的第一层的输入特征；用第二层更新第一层；并且，若更新后的第一层为神经网络的最后一层，则将神经网络的最后一层的输出特征输入分类网络中；将分类网络的输出特征作为预测结果并输出。本申请在神经网络的每两层之间插入一个可学习的非局部模块，使得每一层的神经元的感受野大小与物体部分大小匹配，可以更好的关联多层多尺度的特征，有效的提升细粒度图像分类中神经网络的性能。
-
公开(公告)号：CN113779200A
公开(公告)日：2021-12-10
申请号：CN202111075093.0
申请日：2021-09-14
Applicant: 中国电信集团系统集成有限责任公司
IPC: G06F16/33 , G06F40/216 , G06F40/284 , G06F40/247
Abstract: 本申请实施例提供一种目标行业词库的生成方法、处理器及装置。方法包括：获取目标行业语料；对目标行业语料进行语料清洗以确定可用语料；对可用语料进行新词识别以确定新词集合；根据可用语料和新词集合确定短语集合；对新词集合与短语集合进行近义归纳；对近义归纳后的新词集合和短语集合进行过滤去重、人工筛检和词性标注，以生成目标行业词库。提高了行业词库生成的自动化程度，降低了人工统计行业术语或行业新词的工作量与参与度。同时，提升行业词库覆盖的全面性，与词库统计的准确性；将通过此方法获得的行业词库应用于行业文本挖掘任务中，基于其对分词环节带来的优化，能极大提高后续文本挖掘任务的效果。
-
Patent Agency Ranking
公开(公告)号：CN113807255A
公开(公告)日：2021-12-17
申请号：CN202111095216.7
申请日：2021-09-17
Applicant: 中国电信集团系统集成有限责任公司
Abstract: 本发明实施例提供关节点预测的方法、存储介质和电子装置，所述方法包括：获取待测关节点序列，并进行初始化和DCT变换，利用编码器对DCT变换后原始尺度的关节点序列进行不同尺度的节点聚合，对聚合后各尺度的关节点进行特征提取和跨尺度特征融合，获得不同尺度的关节点特征，将所述不同尺度的关节点特征按照尺度大小排序后，输入解码器进行解码，将解码器的输出与DCT变换后原始尺度的关节点序列相加，对相加结果进行IDCT变换，获得关节点预测序列。本发明解决了采用RNNs带来的误差累计和长期依赖捕捉不足的问题，同时能够很好的建模人体各关节点间的协同运动关系。
-
公开(公告)号：CN112487227A
公开(公告)日：2021-03-12
申请号：CN202011358906.2
申请日：2020-11-27
Applicant: 北京邮电大学 , 中国电信集团系统集成有限责任公司
Abstract: 本申请公开了一种深度学习的细粒度图像分类方法，该方法包括：重复如下步骤：通过类间采样器从数据集中随机采样不同类的两张图像，生成图像对，将其输入到骨干网络进行训练；通过类内采样器从数据集中随机采样同类的两张图像，生成图像对，将其输入到骨干网络进行训练；从数据集中随机采样一张图像，将其生成骨干网络进行训练和分类预测；分析如上所述的分类预测结果，采样增强模块指导类间采样器和类内采样器生成图像对；本申请提供的一种基于三阶段深度学习的细粒度图像分类方法及系统，通过各个子模块，混合增强模块得以更好的解决细粒度图像分类任务中类内差异大类间差异小的问题。
-
公开(公告)号：CN112487227B
公开(公告)日：2023-12-26
申请号：CN202011358906.2
申请日：2020-11-27
Applicant: 北京邮电大学 , 中国电信集团系统集成有限责任公司
Abstract: 本申请公开了一种深度学习的细粒度图像分类方法，该方法包括：重复如下步骤：通过类间采样器从数据集中随机采样不同类的两张图像，生成图像对，将其输入到骨干网络进行训练；通过类内采样器从数据集中随机采样同类的两张图像，生成图像对，将其输入到骨干网络进行训练；从数据集中随机采样一张图像，将其生成骨干网络进行训练和分类预测；分析如上所述的分类预测结果，采样增强模块指导类间采样器和类内采样器生成图像对；本申请提供的一种基于三阶段深度学习的细粒度图像分类方法及系统，通过各个子模块，混合增强模块得以更好的解决细粒度图像分类任务中类内差异大类间差异小的问题。
-
公开(公告)号：CN112487229B
公开(公告)日：2022-11-11
申请号：CN202011364185.6
申请日：2020-11-27
Applicant: 北京邮电大学 , 中国电信集团系统集成有限责任公司
Abstract: 本申请提供细粒度图像分类方法、系统及预测模型的训练方法，细粒度图像分类方法包括：重复如下步骤，直至更新后的第一层为神经网络的最后一层：接收神经网络的第一层的输出特征，作为可学习的非局部模块的输入特征；将非局部模块的输出特征作为神经网络的第一层的输入特征；用第二层更新第一层；并且，若更新后的第一层为神经网络的最后一层，则将神经网络的最后一层的输出特征输入分类网络中；将分类网络的输出特征作为预测结果并输出。本申请在神经网络的每两层之间插入一个可学习的非局部模块，使得每一层的神经元的感受野大小与物体部分大小匹配，可以更好的关联多层多尺度的特征，有效的提升细粒度图像分类中神经网络的性能。
-
公开(公告)号：CN113806482A
公开(公告)日：2021-12-17
申请号：CN202111095182.1
申请日：2021-09-17
Applicant: 中国电信集团系统集成有限责任公司
IPC: G06F16/33 , G06F16/35 , G06F16/75 , G06F16/783 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供视频文本跨模态检索的方法、存储介质和电子装置，所述方法包括：获取训练样本集，其包括成对标注的视频和文本，对视频进行分帧处理并提取帧特征，对文本进行分词处理并提取词特征，所述词特征包括至少两类词性特征，利用帧特征和至少两种词性特征对预训练的跨模态检索模型进行训练，获得训练好的跨模态检索模型，将待测视频和文本输入训练好的跨模态检索模型中进行视频和文本的跨模态检索。本发明细化了视频文本跨模态特征匹配粒度，增强了视频文本跨模态特征匹配过程的可解释性，提高了视频文本跨模态检索的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
