-
公开(公告)号：CN116416551A
公开(公告)日：2023-07-11
申请号：CN202310019359.2
申请日：2023-01-06
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于跟踪算法的视频图像多人自适应跳绳智能计数方法。在相机的视野实时拍摄多人跳绳的视频，开始前测试者作出举手动作，举手动作后再进行跳绳，通过举手动作触发人脸识别算法人脸识别获得身份；记录初始位置在跳绳过程中跟踪算法实时动态追踪位置，基于视频获取所有测试者的骨骼关键点，根据跟踪算法的位置信息区分骨骼关键点对应的测试者，再进行波形分析得到实时的跳绳计数。本发明通过跟踪算法实时追踪跳绳测试同学的位置；多人跳绳测试的信号分开触发，多人分别计数，可实现动态和静态的一至多人的同时跳绳测试，能更好适用于实际复杂场景，能过滤非跳绳测试人员的干扰，使用方便且精度高。
-
公开(公告)号：CN115577872A
公开(公告)日：2023-01-06
申请号：CN202211164902.X
申请日：2022-09-23
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于多能智能体深度强化学习的结构化数据预测优化方法。获取结构化数据的原始数据；用深度强化学习智能体和代理模型对原始数据进行迭代处理，获得优化后的深度强化学习智能体；将原始数据和初始设定的超参数再次输入到优化后的深度强化学习智能体中生成新训练数据，并用新训练数据训练一个预测模型；将结构化数据的待预测数据输入输入到预测模型中，得到最终的预测目标参数的预测结果。本发明能够一次性解决包括自动特征工程、超参搜索等多个优化任务，大幅降低建模过程中的人力消耗，同时提高寻优的准确度。
-
公开(公告)号：CN119990322A
公开(公告)日：2025-05-13
申请号：CN202510120066.2
申请日：2025-01-25
Applicant: 浙江大学计算机创新技术研究院
IPC: G06N5/04 , G06F40/205 , G06F40/126 , G06F18/22 , G06F40/284 , G06F8/30 , G06F16/2452 , G06F16/2455 , G06F21/57
Abstract: 本发明公开了一种基于大语言模型的表格问答方法及系统。表格问答系统是能够理解表格数据（excel文件，csv文件，数据库db文件等表格形式的数据）并能够结合表格进行问答，数据查询统计和分析的系统。本发明提出了一套基于大语言模型的表格问答方法，包括表格信息抽取，问题详细化改写，解决方案和代码生成，Rewad模型打分评估，代码安全检测，代码执行器，总结答案生成等模块，通过各个步骤的配合能够提升表格问答的准确性，安全性和稳定性，增强大语言模型在表格数据分析问答上的能力。
-
公开(公告)号：CN119990321A
公开(公告)日：2025-05-13
申请号：CN202510120065.8
申请日：2025-01-25
Applicant: 浙江大学计算机创新技术研究院
IPC: G06N5/04 , G06N20/00 , G06N3/09 , G06N3/092 , G06F18/214 , G06F8/30 , G06F11/3604 , G06F16/2452
Abstract: 本发明公开了一种针对表格问答大模型的训练方法及系统。表格问答任务是指根据提供的表格数据例如csv文件，excel文件，数据库db数据等表格形式数据，针对表格数据提出数据查询，数据统计分析，可视化等表格相关的问题，通过Python或SQL代码能够执行得到答案的问答任务。本发明结合表格问答领域的特点提出了一种针对表格问答任务的大语言模型增强训练方法，在已有的大语言模型基础上，通过构建表格问答任务相关的专门数据集，设计结合表格问答的符合奖励反馈系统，结合镜像模型的强化学习训练策略，增强大语言模型在表格数据问答上的能力。
-
公开(公告)号：CN117725078B
公开(公告)日：2024-10-18
申请号：CN202311619928.3
申请日：2023-11-30
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F16/242 , G06F16/25
Abstract: 本发明公开了一种基于自然语言的多表格数据查询和分析方法。基于已有的业务数据库和具体的业务场景，收集常见的业务问题；在此基础上分别构建表格抽取数据集、业务知识数据集和查询分析数据集；选择表格抽取模型和查询分析指令生成模型，采用全参数微调的方式进行训练；在生产环境中部署模型，并根据实际功能需求差异，适配开发对应的指令翻译、矫正和执行模块；最后，通过WEB前端页面对模型发送数据查询、分析请求。本发明能够实现使用自然语言在多表格、多字段的复杂业务数仓环境中进行精确的数据提取查询、可视化分析和数据预测，让业务人员能够跨越SQL、Python等结构化数据提取分析语言的使用门槛，进行交互式的数据查询和分析。
-
Patent Agency Ranking
公开(公告)号：CN117743362A
公开(公告)日：2024-03-22
申请号：CN202311543195.X
申请日：2023-11-20
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F16/242 , G06F16/248 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种具有长度溢出保护机制的大语言模型结构化数据查询方法。方法包括接收用户输入的目标查询语句并过滤，根据目标查询语句和数据库中的表信息，对有数据表进行粗筛，筛出候选表并得到所有候选表合并后的表信息；设计大语言模型的输入提示信息模板、输出语法树；构造训练数据集，对通用大语言模型进行训练调优，得到DSL大语言模型；调用DSL组件工具，对大语言模型输出的DSL结果进行解析，得到目标查询语句所对应的数据查询结果；基于预定义的返回格式，结合目标查询语句和数据查询结果，将数据查询结果进行整合处理，返回给用户。本发明在目标表过多情况下，能有效提高大语言模型在结构化数据查询上的效率和准确性。
-
公开(公告)号：CN115577872B
公开(公告)日：2023-09-05
申请号：CN202211164902.X
申请日：2022-09-23
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于多能智能体深度强化学习的结构化数据预测优化方法。获取结构化数据的原始数据；用深度强化学习智能体和代理模型对原始数据进行迭代处理，获得优化后的深度强化学习智能体；将原始数据和初始设定的超参数再次输入到优化后的深度强化学习智能体中生成新训练数据，并用新训练数据训练一个预测模型；将结构化数据的待预测数据输入输入到预测模型中，得到最终的预测目标参数的预测结果。本发明能够一次性解决包括自动特征工程、超参搜索等多个优化任务，大幅降低建模过程中的人力消耗，同时提高寻优的准确度。
-
公开(公告)号：CN116206237A
公开(公告)日：2023-06-02
申请号：CN202310018858.X
申请日：2023-01-06
Applicant: 浙江大学计算机创新技术研究院
IPC: G06V20/40 , G06V40/20 , G06V10/75 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于人体关键点动作序列匹配的视频图像运动计数方法。人体在相机视野中进行运动，通过相机采集人体运动的视频图像，通过对视频图像的分析处理获得运动的类型和计数，具体是基于动作序列拆分的运动计数，建立不同的模板对每个运动动作进行匹配识别，且自适应分配运行在不同的计算设备中。本发明在使用关键点检测准确率相对较低的小模型上也有较高的计数准确性和稳定性，满足检测速度要求较高的运动场景，具有运行速度快，动作匹配稳定性和准确率高，计数准确率高，适用于不同部署设备上运行等优点。
-
公开(公告)号：CN115909508B
公开(公告)日：2023-06-02
申请号：CN202310015187.1
申请日：2023-01-06
Applicant: 浙江大学计算机创新技术研究院 , 浙江浙网数智科技发展有限公司
Abstract: 本发明公开了一种单人体育运动场景下的图像关键点增强检测方法。针对预先用相机采集的单人体育运动场景的视频，采用关键点检测模型结合不同亮度和对比度进行匹配处理获得最优的亮度和对比度作为最优匹配参数；对实时获得的单人体育运动场景下的图像按照最优匹配参数进行处理，且基于历史关键点信息进行人物检测框的动态更新生成，实现关键点增强检测。本发明通过自适应视频源场景变化，人物检测框生成生成，自动修正计数大幅度提升关键点检测准确率和稳定性，兼容已有的关键点检测模型，具有检测速度快、自适应不同输入视频源场景变化、可在已有关键点检测方法基础上继续提升检测准确率和稳定性的优点。
-
公开(公告)号：CN117743526A
公开(公告)日：2024-03-22
申请号：CN202311551970.6
申请日：2023-11-21
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F16/332 , G06F16/33 , G06F40/253 , G06N20/00
Abstract: 本发明公开了一种基于大语言模型和自然语言处理的表格问答方法。方法包括基于规则提取原始表格数据的显式信息；根据transformer模型提取表格的隐式信息；将完整的表格信息以及用户的自然语言输入到大语言模型中，调试大语言模型的prompt，然后生成python代码；执行python代码处理表格任务，生成符合用户查询要求的新表格并返回结果。发明由于大语言模型看到了表格的整体、完整的信息，大语言模型具有更好的模糊匹配能力，同时，大大提高了通过自然语言处理表格任务的准确率，更加智能，更接近实际的使用场景。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.029 seconds)
