-
公开(公告)号：CN113901177B
公开(公告)日：2023-08-08
申请号：CN202111254147.X
申请日：2021-10-27
Applicant: 电子科技大学
IPC: G06F16/33 , G06F16/332 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及数据搜索查询技术，其公开了一种基于多模态属性决策的代码搜索方法，提高组件代码块的搜索的准确率和效率。该方法包括：S1、对查询语句分别与数据库中的每个组件代码块组成待匹配数据对；S2、对各个待匹配数据对进行预处理，获得元组词向量；S3、通过基于BERT的注意力网络提取各个元组的序列特征；S4、利用skip‑gram网络提取各个元组的结构特征；S5、针对每一元组的序列特征和结构特征，采用多模态向量匹配模型进行相似度匹配，得到相似度匹配结果；S6、针对每一元组，基于获得的相似度匹配结果，利用门控机制对多属性得分进行输出控制，获得各元组的最终得分，并从高至低进行排序；S7、选出排序靠前的最终得分对应的组件代码块组成候选组件代码块集反馈用户。
-
公开(公告)号：CN112084314B
公开(公告)日：2023-02-21
申请号：CN202010843564.7
申请日：2020-08-20
Applicant: 电子科技大学
IPC: G06F16/332 , G06F16/33 , G06F40/30
Abstract: 本发明提供了一种引入知识的生成式会话系统，主体架构采用Transformer结构的编码解码网络，在其之上嵌入外部知识联合输入共同构建回复。系统采用的具体方案为：输入信息包含历史对话上下文以及对应的外部知识，编码部分包含编码历史对话上下文的自注意力编码器和编码外部知识的知识编码器。自注意力编码器通过多头自注意力机制提取知识信息整合到当前上下文编码过程中。知识编码器分别编码异构数据并将其转换到知识语义向量；自注意力解码器先结合上下文语义向量计算当前解码器状态向量，接着联合解码器状态向量和上下文语义向量对输出知识进行预测，以此帮助解码器生成回复。本发明利用外部知识增加了生成响应的内容丰富度，增加了主动对话的能力。
-
公开(公告)号：CN115512214A
公开(公告)日：2022-12-23
申请号：CN202211273306.5
申请日：2022-10-18
Applicant: 电子科技大学
IPC: G06V20/00 , G06V10/22 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G01C21/20
Abstract: 本发明涉及视觉导航技术，其公开了一种基于因果注意力的室内视觉导航方法，解决传统室内视觉导航方案存在的过度关注特征间虚假相关性，降低模型泛化能力的问题。该方法包括：对历史导航轨迹各位置处的导航方向图像进行聚类，计算聚类中心；接着，提取当前位置各观测方向的视觉特征、位置特征以及表征同各聚类中心距离的全局特征，并融合当前的历史状态特征，基于自注意力机制和因果注意力机制，计算获取视觉环境状态特征；然后，根据各方向视觉特征与视觉环境状态特征的相关性，预测当前位置导航动作，并根据预测导航动作和视觉环境状态特征更新历史状态特征，直至完成导航任务。
-
公开(公告)号：CN113807366A
公开(公告)日：2021-12-17
申请号：CN202111084647.3
申请日：2021-09-16
Applicant: 电子科技大学
Abstract: 本发明属于人工智能领域和自动驾驶领域，具体提供一种基于深度学习的点云关键点提取方法；首先，本发明在数据预处理阶段利用地面分割技术过滤了大量的无效点集，提升关键点提取效果和效率；其次，本发明将深度学习技术应用到点云关键点提取问题中，利用GPU并行计算大幅提升了运算速度，构建包括点云划分模块与关键点提取网络的关键点提取模型，点云划分模块中使用最远点采样节点、扩张理论和节点判断提升了点云划分的速度，关键点提取网络中使用注意力机制提升了提取关键点的性能。综上，本发明的计算时间不会随着点云规模和关键点个数的提取大幅增长，且能够提取到性能更加优秀的关键点，能够应用于各种技术和场景。
-
公开(公告)号：CN111047553A
公开(公告)日：2020-04-21
申请号：CN201911080674.6
申请日：2019-11-07
Applicant: 电子科技大学 , 四川久远银海软件股份有限公司
Abstract: 本发明属于人体参数测量技术领域，具体为一种面向非接触式人体参数测量的特征点定位方法，用以解决现有技术在现实环境下定位准确率较低的问题。本发明利用深度学习网络模型代替传统的图像分割算法来提取人体的轮廓信息，使得提取的轮廓信息更加精确，并克服了传统算法在复杂背景下难以提取人体轮廓的弊端；同时，将强依赖的轮廓提取与特征点提取两个步骤进行了分离，减少了特征点提取对轮廓提取结果的依赖，而且利用深度学习网络模型进行特征点提取对人体形态没有要求，克服了传统算法设计时只适应了标准的人体形态使得现实环境下特征点提取不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN101706749A
公开(公告)日：2010-05-12
申请号：CN200910216239.1
申请日：2009-11-18
Applicant: 电子科技大学
Abstract: 该发明属于网络安全领域中的软件安全缺陷检测方法及所采用的功能模块构架装置。其方法包括待测软件及检测标准初始化处理，待测软件初步分析数据的预处理，按单一的安全缺陷标准依次检测及安全缺陷等级评估，安全缺陷综合处理及检测结果的存储和数据丢弃处理；功能模块构架包括待测软件及检测标准初始化处理、对待测软件初步分析数据进行预处理、按单一的安全缺陷标准检测及安全缺陷等级评估、安全缺陷综合处理、对检测结果存储和作数据丢弃处理的单元模块及数据库。该发明具有可对软件的安全缺陷进行整体检测及综合处理，检测范围广、对软件安全缺陷的适应性强，检测及综合处理结果准确性、可靠性高，对软件的功能和性能无特别要求等特点。
-
公开(公告)号：CN113988164B
公开(公告)日：2023-08-08
申请号：CN202111227890.6
申请日：2021-10-21
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于点云数据的目标检测技术，其公开了一种面向代表点自注意力机制的轻量级点云目标检测方法，减少模型参数量，提高模型的训练收敛速率和检测准确率。该方法包括以下步骤：S1、读取点云数据；S2、对点云数据进行FPS采样，获得代表点；S3、对代表点进行多层K近邻特征提取，获得各个代表点的特征向量；S4、根据各个代表点的特征向量进行分类检测，获得该点包含目标的概率。
-
公开(公告)号：CN113807366B
公开(公告)日：2023-08-08
申请号：CN202111084647.3
申请日：2021-09-16
Applicant: 电子科技大学
IPC: G06V20/56 , G06V20/64 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明属于人工智能领域和自动驾驶领域，具体提供一种基于深度学习的点云关键点提取方法；首先，本发明在数据预处理阶段利用地面分割技术过滤了大量的无效点集，提升关键点提取效果和效率；其次，本发明将深度学习技术应用到点云关键点提取问题中，利用GPU并行计算大幅提升了运算速度，构建包括点云划分模块与关键点提取网络的关键点提取模型，点云划分模块中使用最远点采样节点、扩张理论和节点判断提升了点云划分的速度，关键点提取网络中使用注意力机制提升了提取关键点的性能。综上，本发明的计算时间不会随着点云规模和关键点个数的提取大幅增长，且能够提取到性能更加优秀的关键点，能够应用于各种技术和场景。
-
公开(公告)号：CN113824563B
公开(公告)日：2023-03-28
申请号：CN202111047236.7
申请日：2021-09-07
Applicant: 电子科技大学
IPC: H04L9/32
Abstract: 本发明提供一种基于区块链证书的跨域认证方法，第一阶段，由一个信任域中的实体跨域传送的自己的区块链证书：第二阶段，实体所在的区块链代理服务器利用区块链验证跨域的区块链代理服务器的区块链证书：第三阶段，跨域身份认证成功后，由跨域的区块链代理服务器生成新的跨域区块链证书。生成跨域区块链证书，可以在下一次做相同的跨域身份认证操作时提高身份认证效率。各信任域均设置私钥生成中心对域内的所有签名私钥进行统一管理。区块链证书采用轻量化结构。本发明在保证安全性的前提下，解决了传统跨域身份认证当中效率低下的问题。另外，对传统的数字证书做出了满足当下需求的轻量化改进，进一步降低了通信开销。
-
公开(公告)号：CN115392382A
公开(公告)日：2022-11-25
申请号：CN202211049087.2
申请日：2022-08-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于跨模态密集注意力的视觉语言对象分类方法，该方法包括：获取包含至少一个待分类对象的待处理图像和待处理文本信息，其中，待处理图像与所述待处理文本信息相匹配；将待处理图像以及待处理文本信息输入至预先训练完成的目标对象分类模型中，得到各待分类对象的所属类别；其中，目标对象分类模型中包括两个编码器、序列注意力模块、跨模态注意力模块和分类模块。本发明实施例的技术方案，实现了对待处理图像中所包含的待分类对象进行准确分类的效果，通过采用序列注意力模块，缓解了不同模态数据之间的语义鸿沟问题，进一步提高了多模态分类任务的精度，并且达到了提升模型的鲁棒性的效果。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.025 seconds)
