-
公开(公告)号：CN112584146B
公开(公告)日：2021-09-28
申请号：CN201910944335.1
申请日：2019-09-30
Applicant: 复旦大学 , 上海哔哩哔哩科技有限公司
IPC: H04N19/132 , H04N19/176 , H04N19/42
Abstract: 本申请实施例提供了一种帧间相似度评估方法，该方法包括：获取帧序列中的第一帧和第二帧；提取所述第一帧的多个特征信息和所述第二帧的多个特征信息；对所述第一帧的多个特征信息和所述第二帧的多个特征信息进行分块，得到对应于所述第一帧的多个第一块和对应于所述第二帧的多个第二块；获取各个第一块关联的若干个第二块；根据各个第一块关联的若干个第二块，将所述第一帧的每个特征信息分别与所述第二帧的部分特征信息进行相似度计算，以获取所述第一帧和所述第二帧之间的帧间相似度。本申请实施例可以有效地降低帧间相似度的计算资源。
-
公开(公告)号：CN111126386A
公开(公告)日：2020-05-08
申请号：CN201911321106.0
申请日：2019-12-20
Applicant: 复旦大学
Abstract: 本发明属于人工智能技术领域，具体为一种基于属于机器视觉场景文本识别任务上的领域适应方法。本发明方法包括：构建CNN-LSTM网络、注意力网络；将两者组合成场景文本识别网络；将自源域与目标域的场景图像输入场景文本识别网络，由CNN-LSTM从输入的场景图像中提取图像特征，由注意力网络对图像特征进行再编码，提取出每一个字符的对应特征，实现将图像中的文本信息切分成字符级别信息；最后运用基于对抗学习的迁移学习技术，构建域分类网络，与场景文本识别网络共同构成对抗生成网络，最终使模型能够有效适应目标域。本发明充分利用少量目标域标定样本，解决了在实际场景文本识别任务中经常出现的样本稀缺问题，提高识别效果。
-
公开(公告)号：CN109558493A
公开(公告)日：2019-04-02
申请号：CN201811255993.1
申请日：2018-10-26
Applicant: 复旦大学
Abstract: 本发明属于生物信息学领域，具体为一种基于疾病本体的疾病相似度计算方法。本发明方法分为两部分，第一部分是基于基因本体的疾病功能相似性计算，第二部分是基于疾病本体的疾病语义相似性计算。在算法评估方面，采用ROC曲线和PTC共享率两种评估方法，结果均优于现有的疾病对相似度评估算法。疾病的发病机制往往和体内复杂的代谢及生命活动关系密切，这给人类在疾病发病机制的理解及诊疗手段的研究上带来巨大挑战，本发明方法有助于疾病发病机制、诊疗手段及疾病预防等方面的研究。
-
公开(公告)号：CN109542936A
公开(公告)日：2019-03-29
申请号：CN201811265052.6
申请日：2018-10-29
Applicant: 复旦大学
IPC: G06F16/2455 , G06F16/2458
Abstract: 本发明属于数据挖掘技术领域，具体为一种基于因果分割的递归式因果推断方法。本发明方法采取分治策略，递归式地利用低阶条件独立性测试将数据集进行层层因果分割，然后再对每一个子数据集进行因果重构，最后合并得到数据集的整体因果信息。该方法能够很好的在高维数据集上进行因果推断，因果关系挖掘。在大数据时代背景下，因果关系推断算法在经济学领域、互联网社交网络领域、医疗大数据领域等都得到了广泛的应用，但高维数据问题是在行业信息智能化遇到的普遍性问题，解决该领域的相关问题迫在眉睫。本发明有助于解决如何应对日益增长的海量数据因果信息挖掘问题，对抽取海量数据中宝贵的因果信息有着重要作用。
-
公开(公告)号：CN107516274A
公开(公告)日：2017-12-26
申请号：CN201710703370.5
申请日：2017-08-16
Applicant: 复旦大学
IPC: G06Q40/04
CPC classification number: G06Q40/04
Abstract: 本发明属于金融信息数据挖掘技术领域，具体为一中金融交易网络演化建模方法。本发明方法的网络构建是一个迭代的过程，网络规模从小到大，一步步增加节点，直到达到所要求的网络规模；在每一步骤中，按照一定规则增加边。本发明中模型是基于本质活跃的投资者产生越多的交易的观察、网络生长、拓扑特征演化过程的挖掘分析，以及实证的微观连接动力学研究结果，通过设置合理的网络生长参数，网络模型可以成功复制真实网络的拓扑特征。本发明构建的模型不仅能能够模拟整个金融市场的交易网络，而且也可以用于构建仅包含一个单一品种的网络。本发明方法能够成功地复制金融交易网络演化过程，为人们理解金融市场发展轨迹和运行机制有重大的意义。
-
Patent Agency Ranking
公开(公告)号：CN102054048A
公开(公告)日：2011-05-11
申请号：CN201110003486.0
申请日：2011-01-10
IPC: G06F17/30
Abstract: 本发明属于信息技术中的空间信息存储与查询技术领域，具体为一种GML文档存储方法。该方法在存储GML文档时不依赖文档对应的模式，而直接根据GML文档中的结构信息和数据信息进行存储，属于模式无关的GML文档存储方法。通过字符流解析器将GML文档中的结构信息和数据信息进行解析，将GML文档的结构和数据以路径表、边表、文本数据表和几何体数据表的形式存储到对象关系数据库中。实验证明，本发明所提出存储方法具有较小的时间耗费和良好的可扩展性、可行的，能有效地存储和管理GML文档。
-
-
-
公开(公告)号：CN119917965A
公开(公告)日：2025-05-02
申请号：CN202411795963.5
申请日：2024-12-09
Applicant: 复旦大学
IPC: G06F18/2433 , G06F18/10 , G06F18/214 , G06F40/30 , G06F18/22
Abstract: 本发明属于钢铁生产设备故障诊断技术领域，具体为一种基于大语言模型的钢铁生产设备故障诊断系统。本发明系统包括数据处理模块、大语言模型训练模块、检索增强生成模块；通过对领域数据的处理和模型训练，构建专用于钢铁生产设备的智能诊断平台；数据处理模块负责对采样数据进行特征提取并构建向量数据库，确保模型能够进行高效的语义匹配；训练模块对大语言模型进行领域适应性调整，提升其在特定领域的推理能力；检索增强生成模块通过集成向量数据库和生成式回答的方式，实现针对性强、精确度高的故障分析与技术指导；系统运行在本地或私有化服务器上进行，确保所有数据处理、模型计算和生成过程都在受控环境中完成，充分保护用户数据的隐私。
-
公开(公告)号：CN116958743A
公开(公告)日：2023-10-27
申请号：CN202310832461.4
申请日：2023-07-07
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明属于深度学习中的目标检测技术领域，具体为一种长尾数据场景下的目标检测方法及装置。本发明目标检测方法包括：构建长尾目标检测数据集；在模型训练过程中维护特征缓存模块，为进行目标级别的精确上采样提供数据源基础；利用检测器分类头权重向量的二范数与类别下样本量的正相关关系，设计分布感知的动态上采样策略；利用类别间的相似语义关系，构建多类协同数据增强模块；设计双向调节损失函数，从正负两个方向调节梯度影响；对模型进行整体优化训练，并进行有效性验证。本发明能弥补现有的长尾数据场景下的目标检测方法在处理尾部类别时的不足和技术限制，有效地提高目标检测准确率，尤其是对极具挑战性的尾部类别目标的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.024 seconds)
