公开(公告)号：CN110033416B

公开(公告)日：2020-11-10

申请号：CN201910274602.9

申请日：2019-04-08

Applicant: 重庆邮电大学

Inventor： 刘群 ,  王如琪 ,  鲁宇 ,  董莉娜 ,  孟艺凝 ,  舒航

IPC: G06T5/00 ,  G06T3/40

Abstract: 本发明属于图像复原领域，具体为一种结合多粒度的车联网图像复原方法，包括利用多尺度MSR算法对车联网图像进行增强处理，利用区域生长算法对缺失图像进行预处理获取结构信息；根据缺失图像及其结构信息，利用具有编码器‑解码器结构的深度神经网络模型进行复原处理；利用卷积神经网络作为内容鉴别器判断补全结果内容方面的完整性；利用Pixel‑CNN模型作为像素鉴别器判断补全结果清晰度；对生成器与两个鉴别器进行对抗训练优化；当生成器训练至最优时，模型训练结束，将生成结果与原始缺失图像拼接作为最终复原结果。本发明加快了训练的收敛速度，提高了复原效果，能对缺失图像进行复原并对遮挡物进行移除。

公开(公告)号：CN112579795A

公开(公告)日：2021-03-30

申请号：CN202011583073.X

申请日：2020-12-28

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  李俊 ,  李鹏华 ,  鲁宇 ,  周伟 ,  苏豪 ,  刘家尉 ,  董莉娜 ,  苟现敏

IPC: G06F16/36 ,  G06F16/332 ,  G06F16/33 ,  G06F40/279 ,  G06F40/35 ,  G06N3/04 ,  G06N5/04

Abstract: 本发明涉及一种基于知识图谱嵌入表示的智能问答方法，属于自然语言处理领域。该方法具体包括：S1：构建知识图谱嵌入表示模型，对知识图谱中三元组的实体E和关系R进行嵌入表示，分别为实体矩阵A和关系矩阵B；S2：利用实体识别技术抽取出输入语句的实体es和关系rs；S3：查询实体es和关系rs对应的向量和S4：向量和与实体矩阵A构建三元组并输入到S1模型中再评分；S5：找出得分最优的向量对应的实体eM即为答案。本发明能够保留原三元组特征的低维度向量，推理出原有知识图谱中不存在的实体，从而提高智能问答系统的准确性和丰富性。

公开(公告)号：CN110033416A

公开(公告)日：2019-07-19

申请号：CN201910274602.9

申请日：2019-04-08

Applicant: 重庆邮电大学

Inventor： 刘群 ,  王如琪 ,  鲁宇 ,  董莉娜 ,  孟艺凝 ,  舒航

IPC: G06T5/00 ,  G06T3/40

Abstract: 本发明属于图像复原领域，具体为一种结合多粒度的车联网图像复原方法，包括利用多尺度MSR算法对车联网图像进行增强处理，利用区域生长算法对缺失图像进行预处理获取结构信息；根据缺失图像及其结构信息，利用具有编码器-解码器结构的深度神经网络模型进行复原处理；利用卷积神经网络作为内容鉴别器判断补全结果内容方面的完整性；利用Pixel-CNN模型作为像素鉴别器判断补全结果清晰度；对生成器与两个鉴别器进行对抗训练优化；当生成器训练至最优时，模型训练结束，将生成结果与原始缺失图像拼接作为最终复原结果。本发明加快了训练的收敛速度，提高了复原效果，能对缺失图像进行复原并对遮挡物进行移除。