-
公开(公告)号：CN114298047B
公开(公告)日：2024-12-03
申请号：CN202111641955.1
申请日：2021-12-29
Applicant: 北京工业大学
IPC: G06F40/295 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明提供基于笔画卷积和词向量的中文命名实体识别方法及系统，涉及命名实体识别技术领域，包括：获取文本中各汉字对应的笔画序列及各汉字的字符特征向量；将笔画序列输入笔画卷积神经网络，获取笔画特征向量；根据文本中实体的最大长度设置滑动窗口，通过自注意力机制获取每个字在滑动窗口内的词向量；拼接文本中各汉字的笔画特征向量、词向量和字符特征向量，并输入BiLSTM网络，获取每个汉字对应每种实体标签的得分；采用CRF模型对文本中每个汉字确定一个最佳的实体标签。本发明考虑到汉字的笔画序列对汉字的影响，结合汉字的笔画特征向量、词特征向量和字符特征向量后，在进行命名实体识别，提高命名实体识别的效果。
-
公开(公告)号：CN114241278A
公开(公告)日：2022-03-25
申请号：CN202111641939.2
申请日：2021-12-29
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/62 , G06V10/26 , G06V10/776 , G06V10/75 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多分支的行人重识别方法和系统，属于机器学习技术领域，所述方法包括：获取基于残差神经网络的多分支网络，多分支网络包括：依次连接的多个中间卷积层和末端卷积层，一个和/或多个中间卷积层提取的特征进入分支，并进入下游操作，获得的末端特征与分割特征进行融合；基于多分支网络，训练识别模型；根据识别模型，对行人图像和待识别图像进行特征识别；根据特征的相似度，进行行人重识别。中间卷积层提取的特征具有良好的前景空间信息和行人局部特征，进入分支后获得具分割特征，而末端卷积层提取的末端特征具丰富语义信息；分割特征和高级特征融合，使最终具有良好空间信息和丰富语义信息，避免背景对特征匹配干扰。
-
公开(公告)号：CN114266786B
公开(公告)日：2024-09-13
申请号：CN202111574420.7
申请日：2021-12-21
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G16H30/20
Abstract: 本发明公开了一种基于生成对抗网络的胃病变分割方法及系统，方法包括：将胃镜病变图片样本输入至分割网络，得出病变区域的分割预测图像；其中，分割网络基于U‑Net包括编码器、扩张卷积模块和解码器；以胃镜病变图片样本与分割预测图像拼接形成的四通道张量以及胃镜图片与人工标注图片拼接形成的四通道张量作为判别网络的两组输入，以对两组输入分别为分割预测图像还是人工标注图片的真假判断作为输出，以博弈方式交替对分割网络和判别网络进行生成对抗网络训练至平衡状态；将所要分割的胃镜图片输入完成训练的分割网络，得到胃病变分割图像。通过本发明的技术方案，避免了随着网络的加深而导致梯度逐渐消失，提高了分割准确率和精度。
-
Patent Agency Ranking
公开(公告)号：CN113408476A
公开(公告)日：2021-09-17
申请号：CN202110765854.9
申请日：2021-06-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于无线网络的人体姿态识别方法。由于传感器佩带繁琐，摄像头容易受到光照、障碍物、监控死角及隐私泄露等问题的影响，故而本文提出一种基于片段姿态特征值(Channel State Information‑Segment Posture Eigenvalue,CSI‑SPE)的人体姿态识别的有效补充技术。该方法通过WIFI路由设备采集人体的姿态信息(跑、跳、坐、站、上下楼梯)，采用巴特沃斯滤波器和Hampel算法进行去噪和异常值的处理，再构建片段姿态特征值，然后传入支持向量机(Support Vector Machine,SVM)中进行识别，经实验证明，基于CSI‑SPE的方法综合识别精度为98％，实验结果表明CSI‑SPE方法具有较高的鲁棒性和识别精度。
-
公开(公告)号：CN113408476B
公开(公告)日：2025-01-14
申请号：CN202110765854.9
申请日：2021-06-30
Applicant: 北京工业大学
IPC: G06F18/2411 , G06F18/10 , G06F18/213
Abstract: 本发明涉及一种基于无线网络的人体姿态识别方法。由于传感器佩带繁琐，摄像头容易受到光照、障碍物、监控死角及隐私泄露等问题的影响，故而本文提出一种基于片段姿态特征值(Channel State Information‑Segment Posture Eigenvalue,CSI‑SPE)的人体姿态识别的有效补充技术。该方法通过WIFI路由设备采集人体的姿态信息(跑、跳、坐、站、上下楼梯)，采用巴特沃斯滤波器和Hampel算法进行去噪和异常值的处理，再构建片段姿态特征值，然后传入支持向量机(Support Vector Machine,SVM)中进行识别，经实验证明，基于CSI‑SPE的方法综合识别精度为98％，实验结果表明CSI‑SPE方法具有较高的鲁棒性和识别精度。
-
公开(公告)号：CN114241278B
公开(公告)日：2024-05-07
申请号：CN202111641939.2
申请日：2021-12-29
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/62 , G06V10/26 , G06V10/776 , G06V10/75 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种多分支的行人重识别方法和系统，属于机器学习技术领域，所述方法包括：获取基于残差神经网络的多分支网络，多分支网络包括：依次连接的多个中间卷积层和末端卷积层，一个和/或多个中间卷积层提取的特征进入分支，并进入下游操作，获得的末端特征与分割特征进行融合；基于多分支网络，训练识别模型；根据识别模型，对行人图像和待识别图像进行特征识别；根据特征的相似度，进行行人重识别。中间卷积层提取的特征具有良好的前景空间信息和行人局部特征，进入分支后获得具分割特征，而末端卷积层提取的末端特征具丰富语义信息；分割特征和高级特征融合，使最终具有良好空间信息和丰富语义信息，避免背景对特征匹配干扰。
-
公开(公告)号：CN114298047A
公开(公告)日：2022-04-08
申请号：CN202111641955.1
申请日：2021-12-29
Applicant: 北京工业大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明提供基于笔画卷积和词向量的中文命名实体识别方法及系统，涉及命名实体识别技术领域，包括：获取文本中各汉字对应的笔画序列及各汉字的字符特征向量；将笔画序列输入笔画卷积神经网络，获取笔画特征向量；根据文本中实体的最大长度设置滑动窗口，通过自注意力机制获取每个字在滑动窗口内的词向量；拼接文本中各汉字的笔画特征向量、词向量和字符特征向量，并输入BiLSTM网络，获取每个汉字对应每种实体标签的得分；采用CRF模型对文本中每个汉字确定一个最佳的实体标签。本发明考虑到汉字的笔画序列对汉字的影响，结合汉字的笔画特征向量、词特征向量和字符特征向量后，在进行命名实体识别，提高命名实体识别的效果。
-
公开(公告)号：CN114266786A
公开(公告)日：2022-04-01
申请号：CN202111574420.7
申请日：2021-12-21
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于生成对抗网络的胃病变分割方法及系统，方法包括：将胃镜病变图片样本输入至分割网络，得出病变区域的分割预测图像；其中，分割网络基于U‑Net包括编码器、扩张卷积模块和解码器；以胃镜病变图片样本与分割预测图像拼接形成的四通道张量以及胃镜图片与人工标注图片拼接形成的四通道张量作为判别网络的两组输入，以对两组输入分别为分割预测图像还是人工标注图片的真假判断作为输出，以博弈方式交替对分割网络和判别网络进行生成对抗网络训练至平衡状态；将所要分割的胃镜图片输入完成训练的分割网络，得到胃病变分割图像。通过本发明的技术方案，避免了随着网络的加深而导致梯度逐渐消失，提高了分割准确率和精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
