-
公开(公告)号：CN112883727A
公开(公告)日：2021-06-01
申请号：CN202110210439.7
申请日：2021-02-25
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F40/295 , G06F16/335 , G06F16/383 , G06F16/387
Abstract: 本发明公开了一种确定人物间关联关系的方法及装置，该方法通过人名实体模型对各英文文本数据进行英文人名识别，并通过拼音人名词库和拼音地名词库对各英文文本数据进行拼音人名识别，当不同英文文本数据中存在共同的英文人名和/或拼音人名时，则表示待识别人物关键词之间存在关联，通过确定人物之间是否存在共同的关联人，以确定人物之间的关联关系，提高关系分析的准确性。
-
公开(公告)号：CN112927209A
公开(公告)日：2021-06-08
申请号：CN202110246524.9
申请日：2021-03-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于CNN的显著性检测系统和方法，系统包括特征融合模块、低级特征注意力模块和高级特征注意力模块；低级特征注意力模块用于获取的具有低级多粒度特征的特征图；尺度增强融合模块用于获得具有高级多粒度的特征图；高级特征注意力模块用于对具有高级多粒度的特征图中有关联性的特征图提供权重，获得关联有高级语义信息的特征图；特征融合模块用于对特征图进行特征融合，得到最终的显著性检测图。解决了现有技术中需要人工设计特征提取算法，没有对彩色信息和深度信息的高级特征和低级特征进行融合，导致有用信息丢失的问题，本发明对图像中显著性目标轮廓部分处理地更加细致，预测出来的显著性目标具有更清晰的轮廓。
-
Patent Agency Ranking
公开(公告)号：CN112883727B
公开(公告)日：2022-02-11
申请号：CN202110210439.7
申请日：2021-02-25
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F40/295 , G06F16/335 , G06F16/383 , G06F16/387
Abstract: 本发明公开了一种确定人物间关联关系的方法及装置，该方法通过人名实体模型对各英文文本数据进行英文人名识别，并通过拼音人名词库和拼音地名词库对各英文文本数据进行拼音人名识别，当不同英文文本数据中存在共同的英文人名和/或拼音人名时，则表示待识别人物关键词之间存在关联，通过确定人物之间是否存在共同的关联人，以确定人物之间的关联关系，提高关系分析的准确性。
-
公开(公告)号：CN112927250A
公开(公告)日：2021-06-08
申请号：CN202110246519.8
申请日：2021-03-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多粒度注意力分层网络的边缘检测系统和方法，该系统包含多个用于捕获高级特征的多粒度特征分层模块和多个用于融合低级特征的通道注意力模块和空间注意力模块，以及用于融合特征图的特征图融合模块；本发明使用通道注意力模块、空间注意力模块和多粒度特征分层模块结合的方法去解决深度神经网络预测边界过厚和背景干扰的问题，能从自然图像中提取清晰的边缘，无需手工提取边缘特征，并且取得良好的视觉效果，提升边缘检测评价指标的性能。
-
公开(公告)号：CN112927209B
公开(公告)日：2022-02-11
申请号：CN202110246524.9
申请日：2021-03-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于CNN的显著性检测系统和方法，系统包括特征融合模块、低级特征注意力模块和高级特征注意力模块；低级特征注意力模块用于获取的具有低级多粒度特征的特征图；尺度增强融合模块用于获得具有高级多粒度的特征图；高级特征注意力模块用于对具有高级多粒度的特征图中有关联性的特征图提供权重，获得关联有高级语义信息的特征图；特征融合模块用于对特征图进行特征融合，得到最终的显著性检测图。解决了现有技术中需要人工设计特征提取算法，没有对彩色信息和深度信息的高级特征和低级特征进行融合，导致有用信息丢失的问题，本发明对图像中显著性目标轮廓部分处理地更加细致，预测出来的显著性目标具有更清晰的轮廓。
-
公开(公告)号：CN112927250B
公开(公告)日：2022-01-25
申请号：CN202110246519.8
申请日：2021-03-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多粒度注意力分层网络的边缘检测系统和方法，该系统包含多个用于捕获高级特征的多粒度特征分层模块和多个用于融合低级特征的通道注意力模块和空间注意力模块，以及用于融合特征图的特征图融合模块；本发明使用通道注意力模块、空间注意力模块和多粒度特征分层模块结合的方法去解决深度神经网络预测边界过厚和背景干扰的问题，能从自然图像中提取清晰的边缘，无需手工提取边缘特征，并且取得良好的视觉效果，提升边缘检测评价指标的性能。
-
公开(公告)号：CN113111646A
公开(公告)日：2021-07-13
申请号：CN202110229859.X
申请日：2021-03-02
Applicant: 重庆邮电大学
IPC: G06F40/284 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种文本摘要模型生成方法及文本摘要识别方法，通过将各时刻的解码单词和对应时刻的解码词性以及对应时刻的解码成分输入到全连接神经网络中得到预测单词、预测词性和预测成分，并构建目标损失函数；然后根据自动文摘评测函数ROUGE‑1对预测摘要和摘要标签进行计算，构建摘要损失函数；最后基于摘要损失函数和目标损失函数计算得到模型损失函数，并通过模型损失函数对全连接神经网络中的权值和偏重进行调整，得到文本摘要模型，以使提取到的文本摘要不仅保留了源文本的重要信息，同时也提升了生成文本的语法的正确性和连贯性。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
