-
公开(公告)号：CN106294863A
公开(公告)日：2017-01-04
申请号：CN201610708230.2
申请日：2016-08-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对海量文本快速理解的文摘方法，所述方法包括：获取文本内容；对文本进行分词、指代消除、去除冗余信息、划分分析单元等预处理操作；使用主题模型对文本内容进行主题分析得到文本中主题分布；依据分析单位间的主题关联关系构建图模型，并计算图模型中每条有向边的权重；使用贡献迭代方法计算图模型直到收敛，根据需求生成合适篇幅的文本摘要。通过本发明实现的文本摘要方法，能够对海量非结构化文本数据进行自动化分析，得到能够全面覆盖核心主题的文本摘要作为海量原始数据的替代，从而实现快速理解的目的。
-
公开(公告)号：CN104573688B
公开(公告)日：2017-08-25
申请号：CN201510025849.9
申请日：2015-01-19
Applicant: 电子科技大学
Abstract: 本发明涉及数字图像处理与分割领域和烟草真伪检测领域，提供了基于深度学习的移动平台烟草激光码智能识别方法及装置。首先通过终端摄像头获取条烟包装表面的激光码图像，采用大律法和局部阈值化技术相结合对图像进行二值化；对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；通过字符分割将激光码图像分割为单个字符图像；采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台(基于Android)客户端，采用该深度卷积神经网络对烟草激光码进行字符识别；通过比对后台烟草编码规则即可及时判断烟草真伪。
-
公开(公告)号：CN104573688A
公开(公告)日：2015-04-29
申请号：CN201510025849.9
申请日：2015-01-19
Applicant: 电子科技大学
CPC classification number: G06K9/344 , G06K9/6267 , G06K9/66 , G06K2209/01
Abstract: 本发明涉及数字图像处理与分割领域和烟草真伪检测领域，提供了基于深度学习的移动平台烟草激光码智能识别方法及装置。首先通过终端摄像头获取条烟包装表面的激光码图像，采用大律法和局部阈值化技术相结合对图像进行二值化；对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；通过字符分割将激光码图像分割为单个字符图像；采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台(基于Android)客户端，采用该深度卷积神经网络对烟草激光码进行字符识别；通过比对后台烟草编码规则即可及时判断烟草真伪。
-
-
Search Results
3
records
(took 0.02 seconds)
