-
公开(公告)号：CN110580499A
公开(公告)日：2019-12-17
申请号：CN201910770300.0
申请日：2019-08-20
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于众包重复标签的深度学习目标检测方法及系统，其中，方法包括以下步骤：接收应用场景下原始训练集图片，并收集数据标签；对原始训练集图片进行预处理，得到预处理好的数据；根据预处理好的数据训练CrowdR-CNN目标检测模型，其中，CrowdR-CNN目标检测模型的输入为带众包重复标签的图片，其中，在两阶段模型的基础上，根据数据标签增添标签聚集层，使得依据标注者个体敏感性推理目标真实类别，以根据检测数据通过CrowdR-CNN网络得到预测结果。该方法有效降低了深度学习目标检测模型实现成本，几乎没有引入额外的计算成本，并且能够获得与无误差标签训练的目标检测模型相当的检测精度。
-
公开(公告)号：CN110457487A
公开(公告)日：2019-11-15
申请号：CN201910620962.X
申请日：2019-07-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种专利知识图谱的构建方法及装置，其中，方法包括以下步骤：从互联网爬取专利相关网站的半结构化数据；对半结构化数据进行处理，得到初始专利数据；根据初始专利数据得到每篇专利的专利属性，并根据每篇专利的专利属性IPC条件对应的IPC分类树，并构建专利知识图谱。该方法可以利用IPC分类号的优势进行知识图谱构建，并从标题与摘要中提取知识进行本体扩建与知识扩展，从而不仅有助于主题的精细化，而且可以减少了人工标注的步骤，且仅需要人工审查即可完成知识图谱的扩充，并可以获取更多细分知识。
-
公开(公告)号：CN110442676A
公开(公告)日：2019-11-12
申请号：CN201910588974.9
申请日：2019-07-02
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F16/332 , G06F17/27 , G06N3/04
Abstract: 本发明公开了一种基于多轮对话的专利检索方法及装置，其中，该方法包括：获取输入方的输入语句，并对输入语句进行分词生成多个分词；对多个分词进行命名实体识别处理，得到与输入语句对应的多个实体；对多个实体进行意图检测得到与输入语句对应的意图结果；获取输入方的历史对话信息，并根据历史对话信息和意图结果更新当前状态信息；获取与更新后的当前状态信息对应的执行动作，并根据执行动作生成与输入语句对应的查询请求；将查询请求输入专利知识库，得到查询结果，将查询结果加入预设模板返回给输入方。该方法利用多轮对话的方式呈现当前检索结果，辅助用户进行专利检索需求，可规范用户的需求描述，显著提高专利检索的准确率。
-
公开(公告)号：CN114743064B
公开(公告)日：2025-05-09
申请号：CN202210195528.3
申请日：2022-03-01
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/44 , G06V10/82 , G06N3/088
Abstract: 本申请公开了一种无监督域自适应目标检测方法和装置，其中，该方法包括：实时采集目标域数据和目标域数据的样本数据；其中，目标域数据包括预设种类场景下的图片；将目标域数据输入训练好的基于YOLOv5的跨域检测模型进行目标检测；其中，训练好的基于YOLOv5的跨域检测模型是将样本数据通过域交替学习对基于YOLOv5的跨域检测模型根据预设种类场景下的样本数据图片训练的；根据模型检测的输出，得到目标域数据的跨域图像检测结果。本申请能够精准的实现现实场景中图像的跨域目标检测问题。
-
公开(公告)号：CN117392560B
公开(公告)日：2025-03-21
申请号：CN202311188934.8
申请日：2023-09-14
Applicant: 北京邮电大学
Abstract: 本发明提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN119202370A
公开(公告)日：2024-12-27
申请号：CN202411082335.2
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/36 , G06N3/042 , G06N3/084 , G06N3/0464 , G06Q50/20
Abstract: 本发明公开了基于知识图谱特征提取的电子教育资源推荐方法及系统，该方法将实体和关系数据表示成知识图谱结构以构建电子教育资源知识图谱；其中节点表示实体，边表示实体间的关系；确定电子教育资源知识图谱的节点嵌入表示和关系嵌入表示；将节点嵌入表示和关系嵌入表示输入神经网络模型输出深度嵌入层表示和交互特征；利用神经网络模型处理深度嵌入层表示和交互特征以提取特征模式，并利用特征模式预测电子教育资源知识图谱中学习者和教育资源两个节点之间是否存在学习关系的边，以基于预测结果进行电子教育资源的推荐。本发明动态地调整教育资源之间的重要性权重，最终实现对学习者未来可能感兴趣的教育资源预测和个性化推荐。
-
公开(公告)号：CN119166882A
公开(公告)日：2024-12-20
申请号：CN202411013117.3
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: G06F16/953 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N5/02
Abstract: 本申请提出了一种基于无监督伪负标签策略的的学术论文评审人推荐方法，包括：获取异构的学术知识图谱并分解，得到表示论文和评审人交互行为的二部图和描述节点信息的知识图谱；使用两阶段编码器分别对二部图和知识图谱进行编码，得到各节点的基本嵌入表示，并通过聚合运算分别将每个节点的基本嵌入表示融合，得到各节点的融合嵌入表示；通过图对比学习对各节点的融合嵌入表示精调，在图对比学习时使用对节点聚类得到的伪标签提取负样本，并进行正样本嵌入表示学习，得到各节点的最终嵌入表示；选定待预测的评审人和论文，通过推荐网络基于对应的节点的最终嵌入表示预测评审发生概率。采用上述方案的本发明实现了有效且准确的学术评审人的推荐。
-
公开(公告)号：CN118838775A
公开(公告)日：2024-10-25
申请号：CN202410910609.6
申请日：2024-07-08
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司 , 北京邮电大学
IPC: G06F11/30 , G06F11/34 , G06N3/0464 , G06N3/092 , G06N3/0455 , G06N3/042
Abstract: 本申请公开了一种时序数据的异常检测方法、装置、设备、存储介质及产品，涉及人工智能技术领域，公开了时序数据的异常检测方法，包括：对时序运维数据对应的时序信息图进行多尺度特征提取，得到目标深度特征；根据所述目标深度特征和所述时序信息图进行特征聚合，并将聚合结果以及所述目标深度特征输入至目标扩散模型进行特征生成，得到所述时序运维数据对应的目标语义特征；根据所述目标语义特征对所述时序运维数据进行异常检测，得到所述时序运维数据的异常检测结果。通过上述方式，摆脱了特征工程的局限，能够节省大量的人力物力并适应于现实世界多源异构的数据类型，满足了现实场景中智能运维的需求，同时提高了异常检测方式的通用性。
-
公开(公告)号：CN117874262B
公开(公告)日：2024-06-04
申请号：CN202410276528.5
申请日：2024-03-12
Applicant: 北京邮电大学
IPC: G06F16/383 , G06F16/783 , G06F18/22 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于渐进原型匹配的文本‑动态图片跨模态检索方法，包括，获取文本查询集与动态图片候选集，并获取文本查询集和所述动态图片候选集之间的语义相似性；构建基于渐进原型匹配的细粒度文本‑动态图片的检索模型，检索模型包括动态图像嵌入模块、文本嵌入模块、全局分支模块、局部分支模块；将文本查询集与动态图片候选集作为输入，对检索模型进行训练，获取训练完成的检索模型；获取待查询文本与动态图片候选集，输入训练完成的检索模型，输出待查询文本与动态图片的相似度排序。通过本发明提出的方法，实现了针对文本、动态图片两种模态的一整套数据处理、模型训练和跨模态检索解决方案。
-
公开(公告)号：CN116204694A
公开(公告)日：2023-06-02
申请号：CN202310126081.9
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/953 , G06F16/9538 , G06F16/33 , G06F16/583 , G06N3/045
Abstract: 本发明提出一种基于深度学习与哈希算法的多模态检索方法，包括，获取待检索的多模态数据；基于深度学习与哈希编码的方法对多模态数据进行文本语义检索，获取文本数据；基于灰度级比较的方法和ElasticSearch技术对多模态数据进行图片检索，获取图片数据；使用基于双编码器的模型将文本数据和图片数据映射至统一的向量子空间中；通过计算余弦相似度得到文本数据和所述图片数据在向量子空间中的相似度距离，得到候选集；使用基于融合编码器的模型在候选集上计算相似度并进行排序，得到多模态数据的检索结果。通过本发明提出的方法，实现了大规模数据集上的高效率高精度多模态检索任务。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.024 seconds)
