-
公开(公告)号：CN119962534A
公开(公告)日：2025-05-09
申请号：CN202510040231.3
申请日：2025-01-09
Applicant: 河南大学
IPC: G06F40/295 , G06F40/226 , G06F40/186 , G06N5/04 , G06F18/22 , G06F18/214
Abstract: 本发明提供一种用于少样本命名实体识别的大语言模型上下文学习方法和命名实体识别方法。该上下文方法包括：构建用于命名实体识别的少样本支持集和测试集；加载基于上下文学习的提示模板，并将少样本支持集输入至预设大语言模型，使得大语言模型根据提示模板生成新的文本集，将新的文本集增加至少样本支持集中以形成扩充支持集；在原始的提示模板中引入零样本思维链提示，将测试集和扩充支持集共同输入至预设大语言模型进行相似度对比，预测关于测试集的命名实体识别结果，并将预测正确的命名实体识别结果对应的自然语言文本反馈至少样本支持集中。本发明可以解决命名实体识别任务的数据稀缺问题，并提升模型在命名实体识别任务上的泛化性。
-
公开(公告)号：CN119477694A
公开(公告)日：2025-02-18
申请号：CN202411513041.0
申请日：2024-10-28
Applicant: 河南大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06T5/50 , G06T5/60 , G06N3/084
Abstract: 本发明涉及图像复原技术领域，具体涉及一种基于二阶光谱空间注意力的高光谱超分辨率重建方法。该方法包括Swin Transformer与卷积神经网络相结合，捕获全局‑局部上下文空间光谱信息；构建二阶协方差统计量的空间‑光谱注意力机制，获取更多上下文特征；利用反卷积操作进行上采样，重建最终的高光谱超分辨率图像；利用训练数据集获得训练好的高光谱超分辨率重建模型；将当前测试样本集输入到训练好的模型中，获得高光谱超分辨率图像。本发明具有出色的重建结果，提高了高光谱超分辨率重建性能。
-
公开(公告)号：CN115085899B
公开(公告)日：2024-12-03
申请号：CN202210809646.9
申请日：2022-07-11
Applicant: 河南大学
IPC: H04L9/00
Abstract: 本发明涉及医疗隐私保护技术领域，公开一种基于部分同态加密的多疾病隐私保护医疗预诊断方法及系统，该方法使用随机森林分类器进行医疗诊断，包括系统初始化阶段，查询向量生成，预诊断服务，查询结果分析。该方法主要使用一种部分同态加密算法，利用该算法实现安全比较协议，能够在数据加密的情况下进行数据的比较，和随机森林的每个节点可以一一对应，进行比较，得到诊断结果。本发明可以有效地保护医疗预诊断服务过程中的数据安全，并且使用了签名算法，防止数据传输过程被篡改。
-
公开(公告)号：CN114926734B
公开(公告)日：2024-06-28
申请号：CN202210526368.6
申请日：2022-05-16
Applicant: 河南大学
Abstract: 本发明提供一种基于特征聚合和注意融合的固体废弃物检测装置及方法。该装置包括特征提取单元、特征融合单元和目标检测单元；所述特征提取单元采用深层聚合网络作为主干网络，用于从输入的遥感图像中提取图像特征信息以输出五种不同下采样倍数的特征图，按照下采样倍数从小到大的顺序依次记作C1、C2、C3、C4和C5；所述特征融合单元，用于对下采样倍数较大的三种特征图进行特征注意融合以输出三种不同大小的特征图，按照尺寸从大到小的顺序依次记作P3、P4和P5；所述目标检测单元，用于从所述的三种不同大小的特征图中检测固体废弃物。
-
-
Patent Agency Ranking
公开(公告)号：CN110245248B
公开(公告)日：2022-10-21
申请号：CN201910471477.0
申请日：2019-05-31
Applicant: 河南大学
IPC: G06F16/53 , G06F16/532
Abstract: 本发明公开了一种遥感影像关键字查询方法，包括以下步骤：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立关于所有节点的 的映射集合和关于所有属性元素的 的映射集合；输入一个或多个关键字，根据两个映射集合，查找并输出虽有关键字的所有最小公共祖先和对应的的模糊参数变量Tp。本发明能够减少遥感影像关键字查询过程中的冗余计算，提升查询的时间效率，并且反馈遥感影像的不确定结果。
-
公开(公告)号：CN110502994B
公开(公告)日：2022-10-04
申请号：CN201910655309.7
申请日：2019-07-19
Applicant: 河南大学
Abstract: 本发明提供一种基于OpenACC的归一化植被指数并行提取方法。该方法包括：步骤1：将Mat矩阵存储结构的影像数据转换为顺序存储结构的影像数据；步骤2：读取影像数据，并将影像数据复制至加速设备(GPU)；步骤3：将归一化植被指数提取算法的所有操作分为并行操作和非并行操作，采用加速设备基于OpenACC对并行操作进行并行处理，采用主机对非并行操作进行处理；其中，所述并行操作包括：直方图计算操作、图像拉伸操作、直方图均衡化操作、归一化植被指数计算操作和图像二值化操作。本发明能够结合植被专题指数的特点，快速且规范的利用加速设备基于OpenACC并行提取归一化植被指数。
-
公开(公告)号：CN115062696A
公开(公告)日：2022-09-16
申请号：CN202210643197.5
申请日：2022-06-07
Applicant: 河南大学
IPC: G06K9/62
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于标准化类特定互信息的特征选择方法，包括：对获取的待处理基准数据集进行预处理，进而确定预处理后的待处理基准数据集对应的完整特征集内的各个候选特征、类标签以及预设最优特征数目，从而确定完整特征集内的各个候选特征与类标签之间的互信息；根据完整特征集内的各个候选特征与类标签之间的互信息，确定预处理后的待处理基准数据集对应的第一最优特征，从而得到第一完整特征集；根据预处理后的待处理基准数据集对应的第一最优特征、第一的完整特征集中的各个候选特征、类标签以及预设最优特征数目，确定待处理基准数据集对应的最优特征子集。本发明有效提高了特征选择的分类精度。
-
公开(公告)号：CN114596488A
公开(公告)日：2022-06-07
申请号：CN202210182313.8
申请日：2022-02-25
Applicant: 河南大学
Abstract: 本发明提供一种基于密集特征融合网络的轻量级遥感目标检测方法。该方法包括：步骤1：构建主干网络，利用所述主干网络提取遥感图像的不同尺寸的特征信息；步骤2：构建密集特征融合颈部网络，利用所述密集特征融合颈部网络将不同尺寸的特征信息进行特征融合；步骤3：将融合后的特征信息将送到预测头进行检测，获得检测结果。本发明可以更好地解决由复杂多变的遥感图像引起的外界干扰因素问题，从而提取遥感图像中复杂背景下目标的特征信息。
-
公开(公告)号：CN114187522A
公开(公告)日：2022-03-15
申请号：CN202111541070.4
申请日：2021-12-16
Applicant: 河南大学 , 河南黄河河务局信息中心
Abstract: 本发明提供一种基于DETR模型的黄河流域坝岸险情检测方法，获取坝岸样本图像集合，坝岸样本图像集合包括黄河流域出险和无险情时的坝岸样本图像；对坝岸样本图像集合进行标注，获取图像训练集和图像测试集；根据图像训练集和图像测试集，对DETR网络模型进行训练，直至训练结束，获取坝岸险情检测模型；获取实时坝岸图像，利用坝岸险情检测模型进行检测，判断是否出现险情。采用DETR模型进行目标检测，DETR模型具有强大的并行计算特性，提升速度，减少训练时间，提高了实时性，该方法有效的移除了传统深度检测方法中的许多手工设计的部件以简化检测流程，可以同时对所有目标进行检测，效率更高。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.04 seconds)
