-
公开(公告)号:CN115600597A
公开(公告)日:2023-01-13
申请号:CN202211271734.4
申请日:2022-10-18
申请人: 淮阴工学院(CN)
IPC分类号: G06F40/295 , G06F40/30 , G06F18/2413 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464
摘要: 本发明公开了一种基于注意力机制和词内语义融合的命名实体识别方法、装置、系统及存储介质,方法包括:S1、将句子序列输入子词适调器中匹配到子词嵌入信息;S2、将匹配到的子词嵌入信息输入到CNN语义网络提取子词内部语义特征;S3、利用CHINESE‑BERT模型得到字级别文本表征,将字级别文本表征输入BI‑LSTM网络中学习句子的全局上下文特征;S4、将得到的子词内部语义特征和全局上下文特征输入WordFusionAttention模块中,提取到融入词语内部特征后的关键上下文特征;S5、将融合后的关键上下文特征输入到CRF解码器中预测实体标签。与现有技术相比,本发明提出的方法从而能够有效地提高命名实体的识别精度和缓解未登录词的难识别问题。
-
公开(公告)号:CN113689434B
公开(公告)日:2022-05-27
申请号:CN202110796736.4
申请日:2021-07-14
申请人: 淮阴工学院
摘要: 本发明公开了一种基于条带池化的图像语义分割方法,包括:提取图像分割训练数据集的图像特征;将图像特征输入深度空洞卷积模块,通过紧缩激励模块压缩得到紧密特征图和底层特征图;将紧密特征图进行金字塔编码得到五个特征图,并对其分别解码,并与底层特征图进行融合,拼接为融合特征图;将底层特征图条带池化编码,提取高级特征后,解码得到池化后的特征图;将池化后的特征图和融合特征图进行加法融合,再经降噪解码后得到图像分割输出;输入数据集进行训练保存为SD‑NET模型,将图片输入到SD‑NET模型得到分割结果。本发明利用条带池化提取底层特征,结合紧缩激励层和非局部层进一步去除图像噪声,在图像上采样时进一步融合。
-
公开(公告)号:CN113689434A
公开(公告)日:2021-11-23
申请号:CN202110796736.4
申请日:2021-07-14
申请人: 淮阴工学院
摘要: 本发明公开了一种基于条带池化的图像语义分割方法,包括:提取图像分割训练数据集的图像特征;将图像特征输入深度空洞卷积模块,通过紧缩激励模块压缩得到紧密特征图和底层特征图;将紧密特征图进行金字塔编码得到五个特征图,并对其分别解码,并与底层特征图进行融合,拼接为融合特征图;将底层特征图条带池化编码,提取高级特征后,解码得到池化后的特征图;将池化后的特征图和融合特征图进行加法融合,再经降噪解码后得到图像分割输出;输入数据集进行训练保存为SD‑NET模型,将图片输入到SD‑NET模型得到分割结果。本发明利用条带池化提取底层特征,结合紧缩激励层和非局部层进一步去除图像噪声,在图像上采样时进一步融合。
-
-