-
公开(公告)号：CN113256629B
公开(公告)日：2022-06-24
申请号：CN202110759301.2
申请日：2021-07-05
Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。
-
公开(公告)号：CN113191359A
公开(公告)日：2021-07-30
申请号：CN202110734232.X
申请日：2021-06-30
Abstract: 本发明公开了基于支持与查询样本的小样本目标检测方法与系统，包括，支持样本和查询样本特征提取、基于查询样本引导的支持样本加权、支持样本引导的查询特征增强、候选框的打分和筛选、混合损失函数计算，将小样本学习机制引入到深度目标检测框架，建立了一套准确率高的小样本目标检测系统。本发明的方法框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的小样本目标检测的结果上，都超过了现有方法。本发明能够为目标检测技术在军事和工业应用领域，提供基础框架和算法的支持，也能很容易地扩展到其他小样本学习任务上。
-
公开(公告)号：CN113191359B
公开(公告)日：2021-11-16
申请号：CN202110734232.X
申请日：2021-06-30
Abstract: 本发明公开了基于支持与查询样本的小样本目标检测方法与系统，包括，支持样本和查询样本特征提取、基于查询样本引导的支持样本加权、支持样本引导的查询特征增强、候选框的打分和筛选、混合损失函数计算，将小样本学习机制引入到深度目标检测框架，建立了一套准确率高的小样本目标检测系统。本发明的方法框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的小样本目标检测的结果上，都超过了现有方法。本发明能够为目标检测技术在军事和工业应用领域，提供基础框架和算法的支持，也能很容易地扩展到其他小样本学习任务上。
-
公开(公告)号：CN113256629A
公开(公告)日：2021-08-13
申请号：CN202110759301.2
申请日：2021-07-05
Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。
-
公开(公告)号：CN114239751A
公开(公告)日：2022-03-25
申请号：CN202111654954.0
申请日：2021-12-31
IPC: G06K9/62
Abstract: 本发明公开了一种基于多解码器的数据标注错误检测方法与装置，通过建立图像数据集，利用图像数据集对半监督异常检测神经网络进行训练；将训练过程中由编码器产生的隐层特征通过多个解码器对样本数据进行重构，得到隐层特征重构层；其中，正样本解码器为一般的单解码器，负样本解码器则为特殊的多通道解码器，这样的设计有利于刻画与区别正样本和负样本的不同性质；通过比较两个解码器对数据样本的重构效果对待检测图像数据进行异常检测。本发明能够提高负样本解码器对异常样本的拟合能力，从而扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。
-
Patent Agency Ranking
公开(公告)号：CN117990244A
公开(公告)日：2024-05-07
申请号：CN202410111758.6
申请日：2024-01-26
Applicant: 之江实验室
IPC: G01L1/24 , G01B11/00 , G01D5/353 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种利用微纳光纤在平面上检测负载位置和大小的方法及装置。将一根微纳光纤布置在负载所在的平面之下，将负载施加到平面上，将负载施加前后经过微纳光纤的光谱变化数据输入到神经网络模型中对平面上负载的大小和位置进行检测，所述神经网络模型采用LSTM‑Attention‑CNN模型；装置包括白光光源、微纳光纤和用于光谱探测的光谱仪、用于放置微纳光纤的柔性基底、用于覆盖微纳光纤的柔性薄膜、三维调节架、三维压力传感器和按压头。本发明方法利用微纳光纤所在平面受到负载的变化特性和规律，通过深度学习算法对光谱进行解耦，从而实现对平面上的负载位置和大小的准确检测。
-
公开(公告)号：CN116450960A
公开(公告)日：2023-07-18
申请号：CN202310343069.3
申请日：2023-04-03
IPC: G06F16/9537 , G06F16/901 , G06F16/29 , G06Q10/047
Abstract: 本发明公开了一种基于最短路径和路径枚举的道路网选址方法，首先读取真实道路网络数据集，提取其中的顶点和边数据，并根据提取的顶点和边数据建立无向有权图，使用函数readGraph()对无向有权图进行读取处理，以得到起点集合，使用函数readGraph()对无向有权图进行读取处理，以得到终点集合，使用深度优先搜索DFS方法对起点集合和终点集合进行处理，以得到所有起点到所有终点之间、且处于预设的路径阈值d范围内的所有路径，对每个起点到每个终点之间、且处于预设的路径阈值d范围内的所有路径进行降序排序处理，以得到每个起点到所有终点中的路径数量最大值及其对应的终点。本发明能够解决现有基于Dijkstra算法的道路网选址方法查询效率低的技术问题。
-
公开(公告)号：CN111506785B
公开(公告)日：2023-07-07
申请号：CN202010150112.0
申请日：2020-03-06
IPC: G06F16/9032 , G06F16/951 , G06F40/284 , G06N7/01 , G06Q50/00 , G06Q50/26
Abstract: 本发明提供一种基于社交文本的网络舆情话题识别方法，涉及文本数据处理技术领域。本发明考虑到噪音词对文本话题发现的影响，将生成词中的主题词和生成词的噪声词分开，将噪音词过滤并推断出每个词的主题词分布，从而能准确的判断出生成该词对应的网络舆情话题，提高网络舆情话题识别的准确率，为后续的舆情监测、政府或者相关管理部门舆情引导和个性化营销等实际场景提供准确的数据支持。
-
公开(公告)号：CN116386895A
公开(公告)日：2023-07-04
申请号：CN202310358447.5
申请日：2023-04-06
Applicant: 之江实验室
IPC: G16H50/80 , G16H50/70 , G06F40/295 , G06F16/35 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N7/01
Abstract: 本发明公开了一种基于异构图神经网络的流行病舆情实体识别方法与装置，包括：采集流行病舆情文本，并按实体类别分类标注，再输入至BERT网络，得到第一特征向量；将第一特征向量输入BiLSTM，得到包含流行病舆情文本中各个字符对应的第二特征向量，将每个字符对应的第二特征向量组成第一向量表示矩阵；构建异构图，其中，异构图中的字符节点的初始向量表示为BiLSTM输出的各个字符对应的第二特征向量，子句虚拟节点的初始向量表示为子句中每一字符对应的第二特征向量的平均值；利用异构图注意力网络算法对异构图进行聚合更新，得到第二向量表示矩阵；将第二向量表示矩阵拼接于第一向量表示矩阵后，将拼接结果输入至条件随机场预测模型，得到预测标签。
-
公开(公告)号：CN113326884B
公开(公告)日：2023-06-16
申请号：CN202110652830.2
申请日：2021-06-11
IPC: G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种大规模异构图节点表示的高效学习方法及装置。该方法计算异构图中节点的邻居的重要性，根据重要性对节点的邻居进行采样；然后根据异构图中节点的类型信息，学习节点的类型嵌入向量；然后将邻居的类型嵌入向量和属性特征进行融合，得到邻居的向量表示。本发明的大规模异构图节点表示的高效学习方法是在半监督设置下，综合利用异构图的拓扑结构、关系类型、特征属性等信息，在兼顾算法的高效性和可扩展性的情况下学习节点的向量表示，实现了对大规模异构图中缺失的节点标签的分类预测。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.033 seconds)
