-
公开(公告)号：CN114283385B
公开(公告)日：2024-09-24
申请号：CN202111636113.7
申请日：2021-12-29
Applicant: 华南理工大学 , 深圳金三立视频科技股份有限公司
Abstract: 本发明公开一种异物数据生成方法，获取输电线场景图像和预设异物图像；提取所述输电线场景图像中的输电线，得到输电线位置；从所述输电线位置中确定目标输电线位置，并将所述预设异物图像贴入所述目标输电线位置，得到初始异物数据；基于所述初始异物数据使用预设图像和谐化神经网络进行和谐化，得到最终的异物数据，可实现在各种不同背景上的异物数据生成，且不限数量，最后基于初始异物数据使用预设图像和谐化神经网络进行和谐化，能够使最终得到的异物数据中的异物和场景融合的更好，提高异物数据的真实效果，以此有效增加特定输电线场景中异物数据的数量，丰富训练样本，避免训练和测试场景不同而导致的迁移性能下降问题。
-
公开(公告)号：CN118378758B
公开(公告)日：2024-09-17
申请号：CN202410805919.1
申请日：2024-06-21
Applicant: 华南理工大学
IPC: G06Q10/04 , G06N3/042 , G06N3/0985 , G06Q10/0631
Abstract: 本申请公开了一种基于元优化器的物资调度方法、装置、电子设备及介质，其通过将所述物资调度问题转化为基于所述连通图的二元组合优化问题，利用元优化器构建二元组合优化问题对应的若干个初始可行解，根据各初始可行解和二元组合优化问题，进行迭代优化，获得二元组合优化问题对应的最优解集，根据问题优化目标，确定最优解集中各最优解对应的优化目标期望值，从最优解集中确定全局最优解，利用全局最优解进行物资调度。本申请能够利用元优化器根据物资调度问题，进行多次迭代优化后得到全局最优解，实现了高效搜索物资调度问题的较优解，完成对物资调度问题的深度分析，有效提高物资调度的效率和质量。本申请可广泛应用于物资调度技术领域。
-
公开(公告)号：CN118378758A
公开(公告)日：2024-07-23
申请号：CN202410805919.1
申请日：2024-06-21
Applicant: 华南理工大学
IPC: G06Q10/04 , G06N3/042 , G06N3/0985 , G06Q10/0631
Abstract: 本申请公开了一种基于元优化器的物资调度方法、装置、电子设备及介质，其通过将所述物资调度问题转化为基于所述连通图的二元组合优化问题，利用元优化器构建二元组合优化问题对应的若干个初始可行解，根据各初始可行解和二元组合优化问题，进行迭代优化，获得二元组合优化问题对应的最优解集，根据问题优化目标，确定最优解集中各最优解对应的优化目标期望值，从最优解集中确定全局最优解，利用全局最优解进行物资调度。本申请能够利用元优化器根据物资调度问题，进行多次迭代优化后得到全局最优解，实现了高效搜索物资调度问题的较优解，完成对物资调度问题的深度分析，有效提高物资调度的效率和质量。本申请可广泛应用于物资调度技术领域。
-
公开(公告)号：CN118012992B
公开(公告)日：2024-07-02
申请号：CN202410417863.2
申请日：2024-04-09
Applicant: 华南理工大学
IPC: G06F16/33 , G06F40/295 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/02
Abstract: 本发明公开了一种金融文本关系抽取方法、系统及存储介质，属于自然语言处理技术领域。方法包括：预处理金融文本数据，将文本拆解为句子级的输入序列，并加上实体标记；将输入序列的各词语转换为嵌入向量，并获取各词语的上下文序列信息，得到输入序列的表征；根据输入序列的表征提取词语之间的依存关系，得到句法增强表征；根据句法增强表征分别提取金融实体的类型信息和上下文信息；引入金融实体外部知识库，并提取金融实体的知识增强表征；预测实体之间的关系类别，作为金融文本关系抽取的结果。本发明通过基于依存句法树的注意力机制捕获文本的句法增强特征，并通过注意力机制和外部知识图卷积增强金融实体信息，提高金融文本的关系抽取性能。
-
公开(公告)号：CN118012992A
公开(公告)日：2024-05-10
申请号：CN202410417863.2
申请日：2024-04-09
Applicant: 华南理工大学
IPC: G06F16/33 , G06F40/295 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/02
Abstract: 本发明公开了一种金融文本关系抽取方法、系统及存储介质，属于自然语言处理技术领域。方法包括：预处理金融文本数据，将文本拆解为句子级的输入序列，并加上实体标记；将输入序列的各词语转换为嵌入向量，并获取各词语的上下文序列信息，得到输入序列的表征；根据输入序列的表征提取词语之间的依存关系，得到句法增强表征；根据句法增强表征分别提取金融实体的类型信息和上下文信息；引入金融实体外部知识库，并提取金融实体的知识增强表征；预测实体之间的关系类别，作为金融文本关系抽取的结果。本发明通过基于依存句法树的注意力机制捕获文本的句法增强特征，并通过注意力机制和外部知识图卷积增强金融实体信息，提高金融文本的关系抽取性能。
-
Patent Agency Ranking
公开(公告)号：CN111488985B
公开(公告)日：2023-11-14
申请号：CN202010269318.5
申请日：2020-04-08
Applicant: 华南理工大学
IPC: G06N3/082 , G06N3/047 , G06N3/0464
Abstract: 本申请公开了一种深度神经网络模型压缩训练方法、装置、设备、介质，该方法包括：获取目标训练数据集；将所述目标训练数据集输入到预先构建的第一深度神经网络模型和第二深度神经网络模型，得到第一输出和第二输出；根据所述第一输出和所述第二输出构建目标损失函数；利用所述目标损失函数对所述第一深度神经网络模型的第一全精度权重参数和所述第二深度神经网络模型的第二全精度权重参数进行更新；利用所述第二全精度权重参数更新所述第二深度神经网络模型的量化权重参数，并在所述目标损失函数满足预设要求时，将所述第二深度神经网络模型作为训练后压缩神经网络模型。这样能够减小模型的大小，降低存储和内存带宽需求，降低计算代价。
-
公开(公告)号：CN116824572A
公开(公告)日：2023-09-29
申请号：CN202310614682.4
申请日：2023-05-29
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V20/64 , G06V10/74 , G06V10/774
Abstract: 本发明公开一种基于全局和部件匹配的小样本点云物体识别方法、系统及介质，方法包括构建小样本点云物体识别数据集；利用小样本点云物体识别数据集构建小样本点云物体识别任务，每个任务包括支持集和查询集；构建点云物体识别网络模型；利用基类小样本点云物体识别任务训练并得到训练好的点云物体识别网络模型；利用新类小样本点云物体识别任务验证点云物体识别网络模型的性能，并利用该模型得出预测结果。本发明设计了一个小样本点云物体识别模型，通过在全局、部件两个层级上对点云进行相似性比较，有效解决了现有方法在数据量不足限制下性能差的问题，实现了小样本点云物体精准识别。
-
公开(公告)号：CN116342817A
公开(公告)日：2023-06-27
申请号：CN202310622513.5
申请日：2023-05-30
Applicant: 华南理工大学 , 广东广物互联网科技有限公司
Abstract: 本发明公开了一种室外大规模三维场景重建方法、系统、设备和介质，属于三维场景重建的技术领域。该方法包括：获取室外场景数据集，根据室外场景数据集获取场景重建数据集；构建三维场景重建模型，在场景重建数据集上迭代训练三维场景重建模型；将待处理的相机轨迹输入训练后的三维场景重建模型，输出场景重建的结果；其中，三维场景重建模型包括外观编码模块、颜色预测模块、图卷积模块和距离场表示模块。本发明的三维场景重建模型，通过图卷积模块对采样点位置、距离场和预测颜色向量进行信息的传递，改进预测质量，有效解决了室外大规模场景重建表面不精确和训练效率低下的问题，提升训练三维重建模型的效率的同时，提高了场景重建表面精度。
-
公开(公告)号：CN116127182A
公开(公告)日：2023-05-16
申请号：CN202211437282.2
申请日：2022-11-17
Applicant: 华南理工大学
IPC: G06F16/9535 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制和持久记忆的序列推荐方法、系统、设备及介质，包括：定义系统内项目的类别，收集并处理系统中序列数据，得到处理后的序列数据；构建序列推荐模型，所述构建序列推荐模型包括嵌入生成模块、位置信息生成模块、基于持久记忆的自我注意力模块和预测模块；将所述处理后的序列数据作为样本训练序列推荐模型；模型部署及预测，所述模型部署及预测是将目标序列数据输入训练好的序列推荐模型，根据模型输出结果预测下一个项目。本发明通过引入持久记忆机制，使得模型可以关注到整个任务中的全局跨样本知识，学习到任务的一般性知识，对于提升推荐效果有重大作用。
-
公开(公告)号：CN109034207A
公开(公告)日：2018-12-18
申请号：CN201810715472.3
申请日：2018-06-29
Applicant: 华南理工大学 , 腾讯科技(深圳)有限公司
IPC: G06K9/62
CPC classification number: G06K9/628 , G06K9/6293
Abstract: 本申请涉及一种数据处理方法、装置和计算机设备。根据预设源域中源域数据的特征空间结构，将目标分类数据划分为同构部分及异构部分，所述同构部分为与所述源域数据在特征空间中结构相同的部分，所述异构部分为与所述源域数据在特征空间中结构不同的部分；对所述同构部分进行分类，得到基于所述预设源域的同构分类结果；对所述异构部分进行分类，得到基于所述预设源域的异构分类结果；根据基于所述预设源域的同构分类结果及异构分类结果，确定与所述预设源域对应的组合分类结果；根据所述组合分类结果，确定所述目标分类数据的目标分类结果。如此，可以提高数据分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.028 seconds)
