-
公开(公告)号：CN116229284A
公开(公告)日：2023-06-06
申请号：CN202310246762.9
申请日：2023-03-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多视角和多尺度的遥感图像时空融合方法，包括对t0和t1时刻的高时间、低空间分辨率图像进行上采样后与t0时刻的低时间、高空间分辨率图像进行拼接，利用编码器分别对t0时刻的低时间、高空间分辨率图像和拼接图像进行编码、将两个编码后的图像在特征维度上相加得到第三中间特征图，利用第一多视角多尺度特征提取模型和第二多视角多尺度特征提取模型分别对第三中间特征图进行多个尺度和多个视角的特征提取，将提取的特征相加后输入注意力机制进行加权后与t0时刻低时间、高空间分辨率图像编码后的特征图进行拼接，将拼接后的特征图输入解码器进行解码得到融合了时空信息的高时间、高空间分辨率图像，提高了图像融合质量。
-
公开(公告)号：CN116738992B
公开(公告)日：2024-09-24
申请号：CN202310038699.X
申请日：2023-01-12
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/2415 , G06F18/25 , G16H10/60 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于图注意力网络和字词融合的医疗命名实体识别方法，包括将待识别的文本序列输入Bert模型，得到文本序列中每一个文字的特征向量，即得到字特征；通过SoftLexicon方法将与文本序列中字符匹配的词汇表示层特征向量，即得到词汇特征；令字特征指向与之对应的词汇特征构建有向图，并利用邻接矩阵保存有向图的信息，将字特征、词汇特征及其对应的邻接矩阵利用图注意力网络进行融合，得到字词特征向量；利用BiLSTM网络对字词特征向量进行上下文语义提取，得到上下文语义向量；将上下文语义向量输入条件随机场层，预测得到文本序列对应的标签；本发明有效提高医疗命名实体识别的准确率。
-
公开(公告)号：CN118072137A
公开(公告)日：2024-05-24
申请号：CN202410360119.3
申请日：2024-03-27
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06T3/4076
Abstract: 本发明属于遥感时空融合领域，具体涉及一种针对遥感图像突变的双流时间高敏感时空融合方法，包括：对样本数据中连续的三个粗分辨率图像跨尺度提取长时序信息，并将提取的长时序信息补充到样本图像中细分辨率图像；将预测时间前后的两张补充了长时序信息的细分辨率图像、预测时间与预测时间前后的粗分辨率图像差分、组成的图像对输入到双流网络中；通过双流网络进行预测高时间高空间分辨率的图像。本发明通过在输入时利用两对粗‑细分辨率图像辅助预测，解决图像短时间剧变问题，并捕捉连续时间的粗图像长时间信息，构建精细图像的时间激励，把握图像的实际变换，提高精细图像的时空一致性。
-
公开(公告)号：CN116738992A
公开(公告)日：2023-09-12
申请号：CN202310038699.X
申请日：2023-01-12
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/2415 , G06F18/25 , G16H10/60 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于图注意力网络和字词融合的医疗命名实体识别方法，包括将待识别的文本序列输入Bert模型，得到文本序列中每一个文字的特征向量，即得到字特征；通过SoftLexicon方法将与文本序列中字符匹配的词汇表示层特征向量，即得到词汇特征；令字特征指向与之对应的词汇特征构建有向图，并利用邻接矩阵保存有向图的信息，将字特征、词汇特征及其对应的邻接矩阵利用图注意力网络进行融合，得到字词特征向量；利用BiLSTM网络对字词特征向量进行上下文语义提取，得到上下文语义向量；将上下文语义向量输入条件随机场层，预测得到文本序列对应的标签；本发明有效提高医疗命名实体识别的准确率。
-
-
-
Search Results
4
records
(took 0.019 seconds)
