基于目标检测二维码定位方法

    公开(公告)号:CN112580382B

    公开(公告)日:2022-06-17

    申请号:CN202011589243.5

    申请日:2020-12-28

    IPC分类号: G06K7/14

    摘要: 本发明公开了一种基于目标检测二维码定位方法,包括:构建二维码图像数据集,并划分为训练集和测试集,分别对两个数据集进行预处理,得到处理后的图像数据及每张图像所对应的标签文件;构建特征提取网络,利用特征提取网络对卷积操作进行优化,得到多个特征图;构建预测模块,采用空间注意力机制获得多个特征图中每个目标中心点特征;将训练集和每张图像所对应的标签文件输入特征提取网络和预测模块中进行训练,得到训练好的二维码定位模型;将训练集输入训练好的二维码定位模型中进行测试,得到最终二维码在图像上的位置坐标。该方法实现快速定位与较少参数模型的二维码定位模型。

    一种融合节点属性和图结构的半监督社区发现方法

    公开(公告)号:CN110442800B

    公开(公告)日:2022-05-20

    申请号:CN201910659962.0

    申请日:2019-07-22

    IPC分类号: G06F16/9536

    摘要: 一种融合节点属性和图结构的半监督社区发现方法,属于网络分析技术领域。包括以下步骤:1)计算m个属性的信息熵;2)计算属性相似度;3)利用Jaccard相似度计算结构相似度;4)计算属性和结构总的相似度;5)寻找K个初始社区;6)初始化初始社区矩阵;7)结合半监督方法计算出社区划分矩阵;8)计算平衡值(trade‑off)分析参数的合理取值范围9)根据trade‑off和模块度获得最优的模块度及社区发现结果。本发明通过不断调节算法中涉及的参数来得到一种合理地划分方式,并最后给出对于社区发现最优结果以及算法参数合理范围;融合属性进行社区发现,给出了属性所占比例的合理范围,社区发现模块度和紧密度得到提高。

    一种基于多层注意力机制的时空序列预测方法及设备

    公开(公告)号:CN114492978A

    公开(公告)日:2022-05-13

    申请号:CN202210067402.8

    申请日:2022-01-20

    IPC分类号: G06Q10/04 G06N3/04 G06N3/08

    摘要: 本发明提出了一种基于多层注意力机制的时空序列预测方法及设备,本发明基于注意力机制,根据跨领域数据的交叉影响,逐时间步融合多维特征构建历史数据特征,在不引入噪声的前提下,充分利用邻域数据丰富目标区域的特征信息,捕获不同区域时空序列的空间依赖关系。采用LSTM编码器分别捕获时间序列的长期、中期发展模式及短期突变信息,逐步利用注意力机制动态捕获多重时序关系对未来的影响,逐时间步计算相应历史信息的影响权重,最终使用LSTM解码器充分融合多跨度的历史数据,对时空序列进行预测。本发明可以在不引入噪声的前提下,充分利用邻域数据丰富目标区域的特征信息,捕获不同区域时空序列的空间依赖关系。

    基于目标检测二维码定位方法

    公开(公告)号:CN112580382A

    公开(公告)日:2021-03-30

    申请号:CN202011589243.5

    申请日:2020-12-28

    IPC分类号: G06K7/14

    摘要: 本发明公开了一种基于目标检测二维码定位方法,包括:构建二维码图像数据集,并划分为训练集和测试集,分别对两个数据集进行预处理,得到处理后的图像数据及每张图像所对应的标签文件;构建特征提取网络,利用特征提取网络对卷积操作进行优化,得到多个特征图;构建预测模块,采用空间注意力机制获得多个特征图中每个目标中心点特征;将训练集和每张图像所对应的标签文件输入特征提取网络和预测模块中进行训练,得到训练好的二维码定位模型;将训练集输入训练好的二维码定位模型中进行测试,得到最终二维码在图像上的位置坐标。该方法实现快速定位与较少参数模型的二维码定位模型。

    一种融合多方面时域信息的序列推荐方法、设备和介质

    公开(公告)号:CN114880550A

    公开(公告)日:2022-08-09

    申请号:CN202210344135.4

    申请日:2022-04-02

    摘要: 本发明提出一种融合多方面时域信息的序列推荐方法、设备和介质。本发明考虑三种时域信息来提高序列推荐的性能,构建融合多方面时域信息的序列推荐模型,模型包含三个部分,每一部分利用一种多粒度时域信息生成下一个用户可能感兴趣的物品表示。所述模型具体包括绝对时间模块,相对物品时间间隔模块和相对推荐时间间隔模块。三个模块经过有效的融合生成最终用户下一时刻感兴趣的物品表示,从而大大提高序列推荐性能。

    一种基于图神经网络GNN和多任务学习的会话推荐方法

    公开(公告)号:CN112733018A

    公开(公告)日:2021-04-30

    申请号:CN202011636004.0

    申请日:2020-12-31

    IPC分类号: G06F16/9535 G06N3/04 G06N3/08

    摘要: 本发明提供了一种基于图神经网络GNN和多任务学习Multi‑task Learning的会话推荐方法,包括以下步骤:采集用户在电子商务网站的点击数据,建立用户会话数据集;根据用户会话数据,构建用户会话有向图;构建GNN‑MulitTask‑Learning神经网络模型,并训练输出用户会话表示;根据输出的用户会话表示输入打分函数计算所有候选项目的推荐概率,进行个性化推荐。本发明是针对会话推荐场景中,获取用户点击项项目之间关系,以及历史会话对当前会话的影响,并通过多任务学习增加隐性数据,使用户表示更具通用性和可迁移性,更准确预估用户对项目的偏爱,捕捉用户兴趣趋势,提高了用户对项目的点击率。

    一种融合节点属性和图结构的半监督社区发现方法

    公开(公告)号:CN110442800A

    公开(公告)日:2019-11-12

    申请号:CN201910659962.0

    申请日:2019-07-22

    IPC分类号: G06F16/9536

    摘要: 一种融合节点属性和图结构的半监督社区发现方法,属于网络分析技术领域。包括以下步骤:1)计算m个属性的信息熵;2)计算属性相似度;3)利用Jaccard相似度计算结构相似度;4)计算属性和结构总的相似度;5)寻找K个初始社区;6)初始化初始社区矩阵;7)结合半监督方法计算出社区划分矩阵;8)计算平衡值(trade-off)分析参数的合理取值范围9)根据trade-off和模块度获得最优的模块度及社区发现结果。本发明通过不断调节算法中涉及的参数来得到一种合理地划分方式,并最后给出对于社区发现最优结果以及算法参数合理范围;融合属性进行社区发现,给出了属性所占比例的合理范围,社区发现模块度和紧密度得到提高。