-
公开(公告)号:CN116452792A
公开(公告)日:2023-07-18
申请号:CN202310332796.X
申请日:2023-03-30
Applicant: 西北农林科技大学
Abstract: 本申请涉及一种基于深度学习的畜牧业图像识别方法及装置,采用数据增强的方式,有效了解了面部识别过程中识别模型关注的面部特征区域,帮助关注重要特征,抑制不必要特征;通过利用SandGlass结构,重参数化和全卷积改进MobileVIT模型构建的MobileSheepVit模型能够有效增加特征提取能力,使得目标识别时在面部相似度高的情况下准确识别,在目标颜色单一的情况下识别效果更好,能够精准识别出体型差异较小的牲畜身份,具有更好的鲁棒性和泛化性,在精度上优于通常的面部图像识别方法。
-
公开(公告)号:CN116663661A
公开(公告)日:2023-08-29
申请号:CN202310390183.1
申请日:2023-04-12
Applicant: 西北农林科技大学
IPC: G06N5/02 , G06F16/36 , G06F16/31 , G06F40/295 , G06F16/332
Abstract: 本发明提供了一种猕猴桃全产业链知识图谱数据库的构建方法与问答系统,包括:步骤S1,概念设计:概念中包括32类实体;步骤S2,构建猕猴桃文本数据集,以BIO标注方式标注32类实体,获得标注的数据集;步骤S3,基于步骤S2的标注结果,对于原始文本,通过BiLSTM‑CRF模型进行实体识别,获得格式化文本;步骤S4,在BiLSTM‑CRF模型的概念模式的指导和约束下,将格式化文本组装成三元组,即实体层;步骤S5,将三元组使用Neo4j图数据库进行持久化保存。本发明的方法利用深度语言模型从多源异构数据中抽取知识,根据猕猴桃全产业链概念模式设计,将抽取到的知识组装成知识图谱的方法。所构建知识图谱数据库成本低,知识完整度高且更新维护便利。
-