-
公开(公告)号：CN111027472A
公开(公告)日：2020-04-17
申请号：CN201911251533.6
申请日：2019-12-09
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于视频光流和图像空间特征权重融合的视频识别方法，包括如下步骤：步骤S101，输入视频数据集，视频抽帧得到图片帧集。步骤S102，将S101中得到的图片帧集以视频为单位通过Lucas–Kanade光流算法得到每个视频的光流信息帧并保存为光流帧集。步骤S103，将得到的图片帧集和光流帧集进行二次抽帧得到训练集和测试集。S104-S106，设计卷积层、池化层、自适应融合层对视频的光流信息和图片空间信息进行特征提取并进行特征融合。步骤S107，使用学习到的分类器对测试集进行分类，使用得到的视频分类编码与真实的视频分类编码进行比较，计算代价函数。
-
公开(公告)号：CN111026847B
公开(公告)日：2022-04-26
申请号：CN201911251502.0
申请日：2019-12-09
Applicant: 北京邮电大学
Abstract: 本发明提供了一个基于注意力网络和长短期记忆网络的文本情感识别方法。包括以下步骤：步骤101，将文本数据划分为训练集和测试集，每条数据包含一段话和对应类别代码。步骤102，嵌入层中存储了每个汉字对应的向量，将文本数据经过嵌入层转变为字向量。步骤103，将字符统一变为长度512个字，并进行遮罩操作。步骤104，将每个类别用两个字构成的词表示，拼接对应字向量得到该类别的类别向量。步骤105，构造3层结构长短期记忆网络和12层注意力网络。步骤106，结合长短期记忆网络和注意力网络的输出，得到最终预测结果。步骤107，根据损失函数，测量网络预测值和真实值的误差。步骤108，根据误差和学习率对网络进行梯度下降。
-
公开(公告)号：CN111026847A
公开(公告)日：2020-04-17
申请号：CN201911251502.0
申请日：2019-12-09
Applicant: 北京邮电大学
Abstract: 本发明提供了一个基于注意力网络和长短期记忆网络的文本情感识别方法。包括以下步骤：步骤101，将文本数据划分为训练集和测试集，每条数据包含一段话和对应类别代码。步骤102，嵌入层中存储了每个汉字对应的向量，将文本数据经过嵌入层转变为字向量。步骤103，将字符统一变为长度512个字，并进行遮罩操作。步骤104，将每个类别用两个字构成的词表示，拼接对应字向量得到该类别的类别向量。步骤105，构造3层结构长短期记忆网络和12层注意力网络。步骤106，结合长短期记忆网络和注意力网络的输出，得到最终预测结果。步骤107，根据损失函数，测量网络预测值和真实值的误差。步骤108，根据误差和学习率对网络进行梯度下降。
-
-
Search Results
3
records
(took 0.018 seconds)
