-
公开(公告)号:CN113743190B
公开(公告)日:2023-12-22
申请号:CN202110789523.9
申请日:2021-07-13
Applicant: 淮阴工学院
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06V10/766 , G06N3/084
Abstract: 本发明公开了一种基于BiHR‑Net和YOLOv3‑head的火焰检测方法及系统,首先,构建火焰检测模型,模型中主干网络使用两次下采样的方式获得输入图像小分辨率特征,降低检测模型的参数量;然后提出了一种特征提取与特征融合的方法BiHR‑Net,对输入的特征图进行两次卷积后的特征图,进行上采样和下采样生成两个子路线获取额外的特征,并对在BiHR‑Net的最后对三个尺度的特征进行融合,达到提高检测的效果的目的;将BiHR‑Net获得的特征,输入YOLO‑head网络中进行预测和回归;最后,使用数据集对火焰检测模型进行训练,获得用于火焰检测的检测器。本发明的火焰检测速度达到112帧/s,可对火焰进行快速检测并预警,且模型具有较好的鲁棒性。
-
公开(公告)号:CN113836339B
公开(公告)日:2023-09-26
申请号:CN202111021629.0
申请日:2021-09-01
Applicant: 淮阴工学院
IPC: G06F16/55 , G06F16/58 , G06F16/583 , G06F16/587 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域,公开了一种基于全局信息和位置嵌入的场景图生成方法,基于大型数据集中的图像,由Faster‑RCNN得到高级特征图和每个实体信息并且对目标位置编码;将特征图和实体信息拼接的特征通过基于自注意力机制的网络得到节点间与其他目标的信息连接;利用LSTM的注意力网络得到目标上下文信息;构建边上下文生成的解码信息和目标图关系的生成融合方式;通过关系计算得到最终场景图。与现有技术相比,本发明将目标特征融入原始图像的视觉信息的方法,加入位置编码信息,连接全局信息和加权信息,提升整体视觉特征对于单一目标的影响,提高了模型推理时对于场景中主要目标的关注度和主宾分类的合理性,召回率有明显提升。
-
公开(公告)号:CN113836903B
公开(公告)日:2023-07-18
申请号:CN202110943434.5
申请日:2021-08-17
Applicant: 淮阴工学院 , 江苏卓易信息科技股份有限公司
IPC: G06F40/258 , G06F18/214 , G06F18/2415 , G06N3/0442 , G06N3/042 , G06N3/045 , G06N3/08 , G06N5/025
Abstract: 本发明涉及企业画像和自然语言处理技术领域,公开了一种基于情境嵌入和知识蒸馏的企业画像标签抽取方法装置,将企业情境信息向量化后与企业文本向量拼接,得到融合企业情境信息的企业文本;构建主干网络进行模型训练,构建小规模TextCNN枝干网络内嵌到前11层Transformer的主干网络上,将融合后的企业文本传入Bert模型发现其隐藏特征,再传入BiLSTM网络和最大池化层进一步发现其上下文特征和局部特征;使用主干网络指导枝干网络进行知识蒸馏和标签抽取。本发明使用企业情境嵌入可以有效提高标签抽取的准确率,同时拥有知识蒸馏的深度学习模型可以提高标签抽取效率,使其在实际场景中更好的应用。
-
公开(公告)号:CN116432850A
公开(公告)日:2023-07-14
申请号:CN202310423066.0
申请日:2023-04-19
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于深层神经网络的PM2.5的全覆盖预测方法,对预先获取的空气污染浓度、气象数据及土地利用数据进行预处理,并划分为训练数据和测试数据;构建深层神经网络预测模型STA‑ConvLSTM并对其进行训练;STA‑ConvLSTM以CNN网络作为底层,通过卷积提取网格数据的空间相关性;以堆叠多层具有时空记忆单元与空间记忆单元的STA‑LSTM作为预测模型的中间层,用于提取时间相关性和空间相关性的特征;最后一层使用CNN层结合STA‑LSTM单元提取的特征进行解码。本发明融合了多源异构的数据,考虑了更多的影响因素,并且考虑时空相关性、降低过拟合、避免梯度消失和梯度爆炸的问题,考虑区域的全覆盖预测的问题,使用时间注意力机制与空间注意力机制,提高了预测精度等优点。
-
公开(公告)号:CN114267080B
公开(公告)日:2023-03-24
申请号:CN202111655134.3
申请日:2021-12-30
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于角度变化的无差别眨眼识别方法,首先,基于人脸监测器检测出人脸;其次,确定人脸中三个最适合的眨眼标志点A、B、C;其中眼部标志点A、C均在眼部中轴线上移动,鼻部标志点B应尽量接近眼部坐标点A、C闭合时的水平线;最后,通过检测出的鼻部标志点和眼部标志点的特征信息构建特征三角形,输出当前眼睛特征所代表的角度,判断眼睛状态。本发明能够有效准确的检测出是否眨眼。
-
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
Applicant: 淮阴工学院(CN)
IPC: G06F40/295 , G06F40/30 , G06F18/2413 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 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:CN115481249A
公开(公告)日:2022-12-16
申请号:CN202211156215.3
申请日:2022-09-22
Applicant: 淮阴工学院
Abstract: 本发明公开一种基于Gate‑Mixup数据增强的知识蒸馏化工文本分类方法及装置,首先同时对图神经网络教师模型以及Transformer学生模型进行初始训练;然后进行一阶段蒸馏训练,通过指标函数与门控单元对教师模型输出进行筛选,满足预设条件,则直接作为logits输入蒸馏损失函数指导学生模型,否则对文本表示进行数据增强,最后将输出残差叠加输入蒸馏损失函数指导学生模型训练;将教师模型与学生模型角色进行对调作为二阶段蒸馏训练,循环执行上述一阶段和二阶段蒸馏训练,最终获得蒸馏好的学生模型;实际应用时,将化工文本样本输入学生模型,获得预测输出文本类别。本发明通过构建的数据增强方法有效增强相互学习困难样本知识蒸馏效果,提升学生模型文本分类性能。
-
公开(公告)号:CN115081439A
公开(公告)日:2022-09-20
申请号:CN202210778327.6
申请日:2022-07-01
Applicant: 淮阴工学院
IPC: G06F40/284 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多特征自适应增强的化学药品分类方法及系统,该方法在模型方面,首先使用Pos‑Embed模块对样本进行字编码和位置编码;再通过特征提取模块提取全局特征,对特定的化学药品特征,使用特征增强模块进行特征提取;最后,将特征提取模块和特征增强模块的结果进行融合;特征提取模块使用过程特征增强和过程特征交互,特征增强模块使用自适应特征个数的长短文本模块,两个过程特征模块和长短文本模型可以根据需要替换,有较高的自由度和灵活度;使用多个卷积来达到加速文本分类和更好的特征融合效果,使用Transformer的Attention机制和CNN相结合,弥补单纯使用CNN无法处理全局和长序列信息的缺点,可有效的兼顾全局性和局部性。
-
公开(公告)号:CN112101028B
公开(公告)日:2022-08-26
申请号:CN202010824303.0
申请日:2020-08-17
Applicant: 淮阴工学院
IPC: G06F40/295 , G06F40/284 , G06F40/216 , G06F40/30 , G06F40/117 , G06F16/35
Abstract: 本发明公开了一种多特征双向门控领域专家实体抽取方法及系统。该方法首先通过构建领域专家语料库以训练实体抽取模型;接着,使用BERT方法进行字嵌入表示,对语料库专业领域词汇构造要素进行特征分析并提取边界特征;然后,利用双向门控神经网络和注意力机制有效获取特定词语长距离依赖关系;最后,结合条件随机场模型实现命名实体识别,将抽取后的信息建立高质量的实体信息索引项返还WEB应用系统。本发明方法可有效抽取领域专家信息实体,充分利用文本字嵌入特征、边界特征以及上下文特征以获得更好的NER性能,从而解决人工特征提取成本高和专业新词无法识别等问题。
-
公开(公告)号:CN114218380B
公开(公告)日:2022-07-29
申请号:CN202111471016.7
申请日:2021-12-03
Applicant: 淮阴工学院
IPC: G06F16/35 , G06V10/762 , G06K9/62 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于多模态的冷链配载用户画像标签抽取方法及装置,将带标签的文本集作为BERT模型的输入,并利用长短期记忆网络进一步提取特征;使用YOLO提取图片特征,将提取的双模态特征使用激活函数tanh与其他模态嵌入的关联表示进行补充,并将补充过后的双模态特征向量进行拼接,将其与双模态条件向量进行矩阵相乘,结果作为Softmax函数输入得到双模态交互注意力矩阵;将双模态交互注意力矩阵与被补充过的双模态特征拼接,将其作为全连接层的输入得到模态间交互特征和模态内部特征,最后输入至Softmax进行分类。本发明利用多模态特征融合算法对不同模态的用户特征合并融合,建立起不同模态间的交互关系,减少了抽取的噪声。
-
-
-
-
-
-
-
-
-