-
公开(公告)号：CN117473124A
公开(公告)日：2024-01-30
申请号：CN202311451594.3
申请日：2023-11-03
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 , G06F16/835 , G06N3/0895
Abstract: 本发明涉及图表示学习与图数据挖掘技术领域，具体涉及一种具备抵制过度平滑能力的自监督异质图表示学习方法；通过GNN分支和Transformer分支在不同视角下对节点信息进行编码，基于两个视角的信息建立对比学习任务，实现无需样本标注条件下的自监督异质图表示学习，解决了现有GNN消息传递机制的过度平滑限制网络层数的扩展，从而导致模型在面对复杂图数据的表达能力不足的问题，大大增强了模型对远距离邻域信息的捕捉能力。
-
公开(公告)号：CN117236333A
公开(公告)日：2023-12-15
申请号：CN202311339881.5
申请日：2023-10-17
Applicant: 哈尔滨工业大学(威海) , 南京龙垣信息科技有限公司
IPC: G06F40/295 , G06N3/0442 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及信息安全技术领域，具体涉及一种基于威胁情报的复杂命名实体识别方法，包括：从不同专门收集威胁情报的网站获取CTI报告，对获取到的数据进行数据清洗，并构建训练模型的数据集；使用预训练模型RoBERT和BiLSTM获取句子中的词级的向量表示和字符级的向量表示，并将获取到的特征进行拼接；利用CBAM注意力机制和空洞卷积融合实体特征，并使用MLP预测词对关系分数，使用解码器获取最终的识别结果；使用AEDA方法进行数据增强；利用Label Smoothing方法使训练数据标签平滑化；使用训练好的模型对获取的数据进行实体检测；本发明解决了现有的威胁情报实体识别方法难以对威胁情报不规则实体进行准确识别，以及对中英混合实体识别困难的问题。
-
公开(公告)号：CN116091596A
公开(公告)日：2023-05-09
申请号：CN202211520839.9
申请日：2022-11-29
Applicant: 南京龙垣信息科技有限公司
IPC: G06T7/73 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种自下而上的多人2D人体姿态估计方法及装置。该方法包括如下步骤：获取原始图像，并对原始图像进行预处理；将预处理后的图像输入预设的网络模型中进行训练，得到训练好的网络模型，所述训练好的网络模型用于输出关键点热图和关键点偏移图；将待测图像输入训练好的网络模型中，输出待测图像的关键点热图和关键点偏移图；基于关联式嵌入策略将待测图像的关键点热图和关键点偏移图中待测图像的关键点坐标分组匹配至个人，获取人体姿态信息。本发明采用自下而上的多人姿态估计方法，通过多子空间注意力网络中每个子空间注意力模块学习到相对应关键点的个性化特征，从而提升整体关键点的检测精度。
-
公开(公告)号：CN117056831A
公开(公告)日：2023-11-14
申请号：CN202311322251.7
申请日：2023-10-13
Applicant: 南京龙垣信息科技有限公司
IPC: G06F18/2415 , A61B5/369 , A61B5/00 , A61B5/16 , G06F18/214 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及数据识别技术领域，具体涉及一种基于卷积神经网络的内心独白识别方法；获取EEG信号；对数据进行预处理；构建基于卷积神经网络的深度学习模型；训练基于EEGNet的深度学习模型；对深度学习模型进行训练，使用k折交叉验证进行测试；输出模型分类结果；通过上述方式，实现在不过度依赖外部刺激和训练的前提下对患者的内心独白进行识别。
-
公开(公告)号：CN116248229A
公开(公告)日：2023-06-09
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。
-
Patent Agency Ranking
公开(公告)号：CN116055061A
公开(公告)日：2023-05-02
申请号：CN202310058677.X
申请日：2023-01-18
Applicant: 南京龙垣信息科技有限公司
Abstract: 基于哈希加密的声纹认证隐私保护方法，对提取的声纹特征向量进行处理，生成二进制哈希声纹特征向量，通过随机投影然后带量化将得到的二进制哈希特征向量转换为位序列，生成哈希串特征向量q1，并将其保存到服务端。提取待验证语音音频数据的声纹特征向量，对声纹特征向量进行处理，生成二进制哈希声纹特征向量，通过随机投影然后带量化将得到的二进制哈希特征向量转换为位序列，生成哈希串特征向量q2；由哈希串特征向量q2与服务端哈希串特征向量q1进行匹配，计算q2于q1的汉明距离，得到决策结果，如完全匹配则认证，若否则拒绝。解决了声纹特征不被他人利用、泄露或篡改，保护使用者隐私的难题。
-
公开(公告)号：CN117059131A
公开(公告)日：2023-11-14
申请号：CN202311324794.2
申请日：2023-10-13
Applicant: 南京龙垣信息科技有限公司
Abstract: 本发明涉及音频分析技术领域，具体涉及一种基于情绪识别的伪造音频检测方法；建立语音情绪识别系统，建立合成语音检测系统，使用语音情绪识别系统和合成语音检测系统对伪造音频进行检测，在建立语音情绪识别系统的步骤中：选择情感语音语料库，进行语音输入的预处理和转换，从语音中提取情感特定特征，使用分类模型来识别情感，在建立合成语音检测系统的步骤中：合成语音检测系统由二值分类器组成，以特征向量Fx作为输入，估计输入信号所属的类别，使用标准的34层残差网络，使用多头注意力池来学习假音频和欺骗检测的判别嵌入，利用神经拼接来提高模型的泛化能力，通过上述方式，实现更加全面地检测伪造音频。
-
公开(公告)号：CN117459640A
公开(公告)日：2024-01-26
申请号：CN202310686126.8
申请日：2023-06-09
Applicant: 南京龙垣信息科技有限公司
IPC: H04M3/527 , G06N3/0442 , G06F40/30 , G06F40/58 , G06F40/166
Abstract: 本发明提供的一种基于语音外呼的机器人对话智能预警系统，涉及智能预警系统技术领域，包括：数据接入模块、数据融合模块、NLP神经网络构建模块、NLP神经网络分析模块和数据展现模块；数据接入模块，操作于连接多种数据源，接受多种数据源的数据并进行预处理；数据融合模块，操作于对多种数据源数据进行融合处理和质量评估。本发明，能够通过智能外呼系统进行外呼，减轻办事人员工作量，释放人工坐席，处理重要信息，提升工作质效。并将AI技术融于反电诈，及时高效全覆盖的外呼，对市民进行提醒、劝阻、宣传，减少市民损失，提升市民满意度；为易受骗人群提供便捷、自然的语音交互服务，为一线办事人员提供高效的预警劝阻工作辅助。
-
公开(公告)号：CN117275456A
公开(公告)日：2023-12-22
申请号：CN202311347827.5
申请日：2023-10-18
Applicant: 南京龙垣信息科技有限公司
IPC: G10L13/033 , G10L13/08 , G10L15/18 , G10L15/183 , G10L15/26 , G10L15/16
Abstract: 本发明涉及语种学习技术领域，具体公开了一种支持多语种的智能听说训练装置，包括主机本体、语音真实度模块、语法语义模块、上下文处理模块、SVC克隆模块和TTS心情模块；本发明提供了录音和回放、发音评估、口语练习材料选择与浏览、实时对话交流的多个功能模块，能够满足用户进行口语训练所需的各个方面的需求，用户可以在一个装置上完成全面的口语训练，无需在不同的平台或设备上切换，能够根据用户的口语练习数据和分析结果，给出个性化的评估和建议，可以根据用户的口语表现，评估发音准确度、流利度、语速的关键指标，给出相对应的评分和建议，帮助用户改进口语的表达能力。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.051 seconds)
