-
公开(公告)号：CN114783072B
公开(公告)日：2022-12-30
申请号：CN202210266952.2
申请日：2022-03-17
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06V40/70 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80
Abstract: 本发明公开一种基于远域迁移学习的图像识别方法，包括如下步骤：将医学领域的小样本图像作为目标域，同时将与目标域相似度高的无标签图像作为辅助域，将自然场景图像作为源域，通过基于Resnet50的轻量级网络提取各自域的高级语义特征；利用具有域距离度量的卷积自动编码器并通过辅助域作为桥梁对源域和目标域的高级语义特征进行特征融合；通过卷积自动解码器重构各自域的高级语义特征；最后通过全连接层对目标域图像进行识别，整个过程通过多任务损失函数进行优化。本发明改善了模型对高级语义信息的提取能力和稳定性，有效提升了模型远域特征迁移能力，本发明可以用于不同任务的图像识别任务。
-
公开(公告)号：CN114880527A
公开(公告)日：2022-08-09
申请号：CN202210648954.8
申请日：2022-06-09
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06F16/901 , G06F16/906 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于多预测任务的多模态知识图谱表示方法，包括如下步骤：基于预设的TransR模型、CBOW模型以及ResNet模型分别获取多模态知识图谱中结构化模态、语义模态和图像模态数据的向量表示；利用Imagined方法将语义模态数据的向量表示与图像模态的向量表示进行匹配、重构得到混合模态的向量表示；基于结构化模态和混合模态的向量表示构建三个跨模态预测任务，并针对三个跨模态预测任务分别利用标签平滑技术和自适应权重更新方法构建全连接神经网络的子模型；整合面向不同预测任务的多个子模型得到完整训练模型。本发明可以完成多模态数据表示学习以及后续的知识图谱补全任务。
-
公开(公告)号：CN114756713A
公开(公告)日：2022-07-15
申请号：CN202210267016.3
申请日：2022-03-17
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于多源交互融合的图表示学习方法，包括如下步骤：提取图结构形式的网络中的节点属性、节点类别以及节点之间的邻接关系；采用基于BFS、DFS的元路径高阶邻域节点采样算法分别得到BFS和DFS高阶邻域节点集；通过一阶邻域信息聚合算法获取节点的一阶邻域信息；通过异质高阶邻域信息聚合算法获取节点的高阶领域信息；利用基于门控神经网络的多源信息融合模型将节点的自身信息、节点的高阶邻域信息以及一阶邻域信息进行融合得到节点的多源交互融合信息作为最终的向量表示；在多任务优化函数下对算法模型的参数进行优化。本发明提升了对元路径内节点信息提取能力，同时大大增强了对不同层次邻域信息的捕捉能力。
-
公开(公告)号：CN116051804A
公开(公告)日：2023-05-02
申请号：CN202211378299.5
申请日：2022-11-04
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种基于多尺度反瓶颈结构的目标检测方法、装置、计算机设备及存储介质。所述方法包括：获取原始图像并降采样处理，得到降采样图像；对降采样图像进行反瓶颈操作，并根据骨干网络生成特征金字塔网络；通过特征金字塔网络得到不同尺度特征图，并利用无锚框像素级检测在不同尺度特征图上针对不同大小的目标进行多级预测；对多级预测结果进行模型训练后对原始图像进行多级预测以及后处理，得到目标检测框。通过多尺度反瓶颈结构与无锚框检测结合的方式实现图像的多尺度检测，可以避免信息流失，提高信息有效性，以解决现阶段目标检测领域中图像噪点和图像失真导致的目标检测困难问题，提高目标检测的效果。
-
公开(公告)号：CN114880527B
公开(公告)日：2023-03-24
申请号：CN202210648954.8
申请日：2022-06-09
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06F16/901 , G06F16/906 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开一种基于多预测任务的多模态知识图谱表示方法，包括如下步骤：基于预设的TransR模型、CBOW模型以及ResNet模型分别获取多模态知识图谱中结构化模态、语义模态和图像模态数据的向量表示；利用Imagined方法将语义模态数据的向量表示与图像模态的向量表示进行匹配、重构得到混合模态的向量表示；基于结构化模态和混合模态的向量表示构建三个跨模态预测任务，并针对三个跨模态预测任务分别利用标签平滑技术和自适应权重更新方法构建全连接神经网络的子模型；整合面向不同预测任务的多个子模型得到完整训练模型。本发明可以完成多模态数据表示学习以及后续的知识图谱补全任务。
-
Patent Agency Ranking
公开(公告)号：CN114783072A
公开(公告)日：2022-07-22
申请号：CN202210266952.2
申请日：2022-03-17
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06V40/70 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明公开一种基于远域迁移学习的图像识别方法，包括如下步骤：将特定领域的小样本图像作为目标域，同时将与目标域相似度高的无标签图像作为辅助域，将自然场景图像作为源域，通过基于ResNet50的轻量级网络提取各自域的高级语义特征；利用具有域距离度量的卷积自动编码器并通过辅助域作为桥梁对源域和目标域的高级语义特征进行特征融合；通过卷积自动解码器重构各自域的高级语义特征；最后通过全连接层对目标域图像进行识别，整个过程通过多任务损失函数进行优化。本发明改善了模型对高级语义信息的提取能力和稳定性，有效提升了模型远域特征迁移能力，本发明可以用于不同任务的图像识别任务。
-
公开(公告)号：CN113763963B
公开(公告)日：2025-02-18
申请号：CN202110974150.2
申请日：2021-08-24
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种电话卡冒用检测方法、系统、计算机设备及存储介质。所述方法包括：获取包含有疑似被冒用电话卡的电话号码的嫌疑名单；获取与电话号码对应机主的电话录音，并通过重采样算法将电话录音的采集频率调整为目标采集频率；将含有目标采集频率的电话录音输入至声纹识别算法模型中，得到与电话录音对应的声纹特征；在注册录音底库中查找与电话号码对应的注册声纹特征；将声纹特征与注册声纹特征进行比对，得到比对结果，并根据比对结果确定电话号码对应的电话卡是否被冒用。通过对采集的电话录音以及数据库中的目标电话录音进行声纹识别，从而根据声纹识别结果确定电话录音对应的机主是否为注册机主，可以准确检测出电话卡是否被冒用。
-
公开(公告)号：CN116248229B
公开(公告)日：2023-12-01
申请号：CN202211572689.6
申请日：2022-12-08
Applicant: 南京龙垣信息科技有限公司
IPC: H04L1/00 , H04L41/16 , H04L65/752 , H04L65/80 , G06N3/048 , G06N3/0499 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种面向实时语音通讯的丢包补偿方法，包括如下步骤：构建基于对抗神经网络的补偿训练模型，所述补偿训练模型包括补偿系数生成器、谐波组和逼真度判别器；将历史音频输入至所述补偿系数生成器和谐波组中处理，获得初始修补音频；通过所述逼真度判别器计算初始修补音频与所述历史音频所对应的无丢包真实音频之间的相似度；基于相似度，更新补偿训练模型的参数，继续训练，直到模型收敛或达到最大迭代次数，输出当前的补偿系数生成器和谐波组作为训练好的丢包补偿模型。本发明能够更加准确地预测出丢失的音频帧，提高实时语音通讯中的音频质量。
-
公开(公告)号：CN116229990A
公开(公告)日：2023-06-06
申请号：CN202211431413.6
申请日：2022-11-15
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种域适应的声纹特征识别方法及系统。所述方法包括：中心服务器接收声纹查询请求，并获取待识别音频；所述中心服务器通过域适应循环对抗神经网络对所述待识别音频进行域分类，得到类别序号并发送给分布式存储设备；所述分布式存储设备在声纹数据底库中查找与所述类别序号相同的已注册名单，并根据所述已注册名单计算出各个打分矩阵；所述分布式存储设备将各个所述打分矩阵发送至所述中心服务器，所述中心服务器根据各个所述打分矩阵得到声纹识别结果。通过使用域适应循环对抗神经网络进行域分类，从而根据类别序号计算打分矩阵并得到声纹识别结果，当数据属于不同域时，不会出现域不匹配的现象，提高了声纹识别的识别性能。
-
公开(公告)号：CN115472167A
公开(公告)日：2022-12-13
申请号：CN202210986290.6
申请日：2022-08-17
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种基于大数据自监督的声纹识别模型训练方法、系统。所述方法包括：各个分布式主机获取多源录音数据进行分布式存储，并对录音数据进行数据清洗，得到带标签的录音数据以及未带标签的录音数据；各个分布式主机对带标签的录音数据以及未带标签的录音数据切片处理，分别向切片处理后的录音数据加入噪声干扰，得到样本对并输入到自监督学习模型中，与服务器进行联邦学习模型训练，在服务器上训练得到声纹识别基础模型；服务器基于带标签的录音数据对基础模型的模型参数进行监督学习精调，得到声纹识别精调模型。采用横向联邦学习由服务器统筹存储在不同分布式主机上的多源数据用于声纹识别模型的大规模训练，可实现海量数据模型训练。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.034 seconds)
