-
公开(公告)号：CN116704293A
公开(公告)日：2023-09-05
申请号：CN202310800393.3
申请日：2023-06-30
Applicant: 北京建筑大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06V10/52 , G06V10/44 , G06V10/80 , G06V10/42
Abstract: 本申请公开了一种基于对比学习的生活垃圾图像分类模型训练方法及装置，涉及垃圾分类技术领域，将训练集中的生活垃圾图像分别进行两种图像预处理，并得到锚点数据集和正负样本集；将锚点数据集和正负样本集分别输入到对比学习编码器和动量编码器中，通过哈希特征融合方法提取编码器骨干网络的多尺度特征，生成对应的全局哈希码；将全局哈希码输入到线性依赖组查询全连接嵌入类解码器中，得到对应的类别特征向量；根据类别特征向量相似性计算参数中心再平衡自适应对比损失；根据对比损失进行生活垃圾图像分类，并得到生活垃圾图像分类模型。通过本申请提供的方法训练得到的生活垃圾图像分类模型能够准确的进行垃圾分类，且分类效率高，成本低。
-
Patent Agency Ranking
公开(公告)号：CN119293280A
公开(公告)日：2025-01-10
申请号：CN202411462368.X
申请日：2024-10-18
Applicant: 北京建筑大学
Abstract: 本申请提供了一种建筑信息检索方法、装置、电子设备及存储介质，该方法包括：建立训练数据集；其中，训练数据集为训练图像‑训练文本对集合；训练图像为建筑领域的图像，训练文本是多种不同语言的描述；将训练图像‑训练文本对输入到初始检索模型中，在第一嵌入向量和第二嵌入向量之间相似度的目标损失函数的损失最小时，得到目标检索模型；其中，第一嵌入向量由训练文本转化得到，第二嵌入向量由融合图像得到，融合图像为对训练图像在不同尺度下的特征信息进行融合得到；获取待检索数据；将待检索数据输入到目标检索模型中，得到检索结果。本申请更加关注建筑物图像的细节特征，而不丢失整体特征，提高了目标检索模型在建筑领域的检索性能和适应性。
-
公开(公告)号：CN116704293B
公开(公告)日：2024-02-02
申请号：CN202310800393.3
申请日：2023-06-30
Applicant: 北京建筑大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06V10/52 , G06V10/44 , G06V10/80 , G06V10/42
Abstract: 本申请公开了一种基于对比学习的生活垃圾图像分类模型训练方法及装置，涉及垃圾分类技术领域，将训练集中的生活垃圾图像分别进行两种图像预处理，并得到锚点数据集和正负样本集；将锚点数据集和正负样本集分别输入到对比学习编码器和动量编码器中，通过哈希特征融合方法提取编码器骨干网络的多尺度特征，生成对应的全局哈希码；将全局哈希码输入到线性依赖组查询全连接嵌入类解码器中，得到对应的类别特征向量；根据类别特征向量相似性计算参数中心再平衡自适应对比损失；根据对比损失进行生活垃圾图像分类，并得到生活垃圾图像分类模型。通过本申请提供的方法训练得到的生活垃圾图像分类模型能够准确的进行垃圾分类，且分类效率高，成本低。
-
公开(公告)号：CN116306936A
公开(公告)日：2023-06-23
申请号：CN202211481056.4
申请日：2022-11-24
Applicant: 北京建筑大学
IPC: G06N5/025 , G06N3/0455 , G06N3/084 , G06N3/094
Abstract: 本发明提供了一种基于层次关系旋转和实体旋转的知识图谱嵌入方法及模型，从层次关系旋转和实体旋转的角度出发，利用知识图谱结构特征，对各种复杂关系模式进行建模和推断，同时处理多种多重关系和实体间的关系层次问题，且使用基于自注意力机制的融合算法处理层次关系旋转和实体旋转两部分算法的融合问题，使得模型的两部分权重设定更加合理有效，一定程度上提高了知识图谱嵌入模型的性能，使模型在下游任务中的表现比现有模型更好。
-
公开(公告)号：CN117473102B
公开(公告)日：2024-07-05
申请号：CN202311541545.9
申请日：2023-11-17
Applicant: 北京建筑大学
IPC: G06F16/36 , G06F16/332 , G06F16/33 , G06F16/35 , G06F16/215 , G06F18/2415 , G06F40/30 , G06N3/0442 , G06N3/047 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N5/025
Abstract: 本申请公开了一种基于标签混淆学习的BIM知识图谱构建方法和系统，通过获取原始BIM数据集，并对所述原始BIM数据集进行预处理，将目标BIM数据输入到BiLSTM‑CRF模型中进行实体识别，得到目标BIM数据中的实体信息，将实体信息和目标BIM数据输入MutiLCM‑RE，识别出实体之间的关系，并抽取出关系三元组信息，根据关系三元组信息，建立目标BIM知识图谱，本方案通过高质量的实体识别和关系抽取、标签混淆学习策略的优化、多源语义融合方法的应用和增量元自训练的半监督学习等手段，能够构建准确、全面且具有表达能力的BIM知识图谱。
-
公开(公告)号：CN117473102A
公开(公告)日：2024-01-30
申请号：CN202311541545.9
申请日：2023-11-17
Applicant: 北京建筑大学
IPC: G06F16/36 , G06F16/332 , G06F16/33 , G06F16/35 , G06F16/215 , G06F18/2415 , G06F40/30 , G06N3/0442 , G06N3/047 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N5/025
Abstract: 本申请公开了一种基于标签混淆学习的BIM知识图谱构建方法和系统，通过获取原始BIM数据集，并对所述原始BIM数据集进行预处理，将目标BIM数据输入到BiLSTM‑CRF模型中进行实体识别，得到目标BIM数据中的实体信息，将实体信息和目标BIM数据输入MutiLCM‑RE，识别出实体之间的关系，并抽取出关系三元组信息，根据关系三元组信息，建立目标BIM知识图谱，本方案通过高质量的实体识别和关系抽取、标签混淆学习策略的优化、多源语义融合方法的应用和增量元自训练的半监督学习等手段，能够构建准确、全面且具有表达能力的BIM知识图谱。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
