-
公开(公告)号：CN113590867B
公开(公告)日：2024-02-09
申请号：CN202110893943.1
申请日：2021-08-05
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于分层度量学习的跨模态信息检索方法，其实现步骤为：(1)建立训练集；(2)构建分层度量学习网络；(3)训练分层度量学习网络；(4)利用图像检索文本；(5)利用文本检索图像。本发明构建了与标签层数相等的多个分层度量学习子网络组成分层度量学习网络，采用了特征嵌入模块对图像样本和文本样本进行实值特征表示学习，使得最终分层度量学习网络学习到的特征能包含层次标签的所有标签信息，学习到的图像特征和文本特征具有更高的数值精度，提高了跨模态信息检索的精度，增强了跨模态信息检索过程中数据特征结构的稳定性。
-
公开(公告)号：CN116756314A
公开(公告)日：2023-09-15
申请号：CN202310719473.6
申请日：2023-06-16
Applicant: 西安电子科技大学 , 中国食品发酵工业研究院有限公司
IPC: G06F16/35 , G06F40/253 , G06F18/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于GCN的方面级多模态情感分析方法，包括下述步骤：生成训练集；构建方面级多模态情感分析网络；训练方面级多模态情感分析网络；对方面级多模态情感极性进行分类。本发明构建了基于GCN的方面级多模态情感分析网络，利用图卷积神经网络将语法信息融入文本特征中，使得方面词能够关注到正确意见词所表达的情感信息，减少文本中噪声的影响。本发明将图像分割为图像块并与文本模态融合，构建用于融合模态的图卷积神经网络，融合相关联的图像信息，获取图像中与方面词相关的细粒度图像信息，减小图像中噪声信息的影响，有效提高情感分析的准确度。
-
公开(公告)号：CN116502103A
公开(公告)日：2023-07-28
申请号：CN202310215621.0
申请日：2023-03-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于动态记忆键值对网络的知识追踪方法及系统，该方法包括：获取习题标签以及对应的习题难度；构建包括嵌入层、键值对记忆层、认知行为层以及输出层的知识追踪网络模型；利用所述习题难度和所述习题标签对所述网络模型进行训练，并利用训练好的网络模型实现知识追踪。本发明提出的基于动态记忆键值对网络的知识追踪方法，融合了认知行为构建了知识追踪模型，该模型可以追踪用户知识点掌握水平的变化、猜测、失误等认知行为带来的影响，从而预测用户作答习题的表现，并依据用户的作答记录对习题进行聚类，具有较好的可解释性，适用于不同类型的用户，且具有较高的准确率。
-
公开(公告)号：CN116229415A
公开(公告)日：2023-06-06
申请号：CN202310042194.0
申请日：2023-01-28
Applicant: 西安电子科技大学
IPC: G06V20/58 , G06V20/64 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于目标重采样的单阶段三维点云目标检测方法，主要解决现有技术对简单点云目标和困难点云目标关注度不平衡的问题。其实现方案是：获取点云数据并划分数据集；对训练集点云数据依次进行数据增强和目标重采样；对增强后的训练集和测试集做体素化预处理；搭建轻量化三维点云目标检测网络并对其迭代训练；使用训练好的网络对预处理后的测试集点云样本进行推理得到预测框；使用非最大值抑制过滤冗余预测框得到目标检测结果。本发明通过对简单点云目标欠采样，对难点云目标过采样的重采样，平衡了检测器对难、易两种点云目标的关注度，并使用残差连接及模型轻量化检测技术，提高了检测精度，可用于三维空间中对目标的准确识别和定位。
-
公开(公告)号：CN116226449A
公开(公告)日：2023-06-06
申请号：CN202310050175.2
申请日：2023-02-01
Applicant: 西安电子科技大学
IPC: G06F16/783 , G06F16/75 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于差分多尺度多粒度特征融合的视频文本检索方法，主要解决现有技术未充分利用视频时序特征及细粒度信息文本标注造成视频文本匹配精度低的问题，其实现方案为：获取视频帧序列及文本标注序列；构建特征提取网络并提取文本标注的全局和局部特征；将视频帧特征按时间序列差分并通过序列特征提取网络与帧特征结合得到视频的局部和全局特征；计算视频和文本标注的全局相似度和局部相似度，计算出损失函数；利用损失函数训练网络；利用训练好的网络计算视频与文本标注的相似度并排序得到检索结果。本发明能减少不同模态之间的语义鸿沟，挖掘视频模态数据中的时序信息，提升跨模态检索精度，可用于视频主题检测和视频应用的内容推荐。
-
Patent Agency Ranking
公开(公告)号：CN112380966B
公开(公告)日：2023-06-02
申请号：CN202011259221.2
申请日：2020-11-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征点重投影的单眼虹膜匹配方法。主要解决现有技术计算时间复杂度高，虹膜外区域影响匹配结果的问题。其方案是：采用摄像头获取单眼虹膜图像，并对其依次进行虹膜定位、特征提取、剔除边界信息的数据预处理；用每次预处理后的虹膜区域分割图像构成虹膜识别数据库；采用摄像头获取待识别单眼虹膜图像，对其进行数据预处理；将预处理后的虹膜区域分割图像B与虹膜识别数据库中的虹膜区域分割图像A进行匹配，根据匹配的特征点对估计单应矩阵。将图B中特征点重投影至图A空间，计算对应特征点平均位置偏差，并据此判断匹配是否成功。本发明实现了对虹膜区域的分割，并在保持匹配准确度的同时提高了匹配速度，可用于身份认证。
-
公开(公告)号：CN116109960A
公开(公告)日：2023-05-12
申请号：CN202210804157.4
申请日：2022-07-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于预训练模型的视频文本检索方法，主要解决现有方法中数据特征异质性及冗余级联造成视频文本匹配精度低的问题；方案包括：1)获取视频数据集的帧序列及文本标注切分产生的文本序列；2)采用图文预训练模型协同提取视频和文本的特征；3)将视频以块级联形式映射，同时将协同提取应用到视频的聚合阶段，以文本表征指导聚合视频帧级特征；4)加入交叉方向上的先验概率并使用分散约束损失，完成模型训练；5)利用训练好的视频文本匹配模型得到最终检索结果。本发明能够有效减少不同模态之间的语义鸿沟，充分挖掘视频模态数据中的复杂时空信息，提升跨模态检索精度。
-
公开(公告)号：CN114764564A
公开(公告)日：2022-07-19
申请号：CN202210465093.X
申请日：2022-04-25
Applicant: 西安电子科技大学
IPC: G06F40/284 , G06F40/253 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于融合语言学知识的方面级情感极性分类方法，包括下述步骤：(1)建立训练样本集和测试样本集；(2)搭建基于融合语言学知识的方面级情感分类模型；(3)对方面级情感极性分类模型进行迭代训练；(4)获取方面级情感极性分类结果。本发明构建了基于融合语言学知识的方面级情感极性分类网络，利用现有的SOTA模型分析并提取评论数据中所特有的语言学知识，搭建基于图神经网络和注意力机制的语言学知识融合网络，将评论数据中所蕴涵的语言学知识融入到最终的单词表示中，提高了方面级情感极性分类的准确率。
-
公开(公告)号：CN113791879A
公开(公告)日：2021-12-14
申请号：CN202110902966.4
申请日：2021-08-06
Applicant: 西安电子科技大学
IPC: G06F9/48
Abstract: 本发明公开了一种云平台的任务调度方法、装置、设备和计算机存储介质，获取多个初始调度方案。确定初始调度方案的适应度值；根据所有初始调度方案的适应度值和所有初始调度方案的适应度值的平均值，确定每个初始调度方案的类型；分别根据每个初始调度方案的类型，进行烟花爆炸操作，得到爆炸后的调度方案；根据所有爆炸后的调度方案，确定下一代初始调度方案；将初始调度方案更新为下一代初始调度方案，返回执行针对每个初始调度方案，分别根据每个物理机执行初始调度方案的时长，确定初始调度方案的适应度值，直到满足迭代停止条件，确定目标调度方案为适应度值最小的下一代初始调度方案。云平台能耗低，提高资源的利用率，提高用户体验。
-
公开(公告)号：CN113590867A
公开(公告)日：2021-11-02
申请号：CN202110893943.1
申请日：2021-08-05
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于分层度量学习的跨模态信息检索方法，其实现步骤为：(1)建立训练集；(2)构建分层度量学习网络；(3)训练分层度量学习网络；(4)利用图像检索文本；(5)利用文本检索图像。本发明构建了与标签层数相等的多个分层度量学习子网络组成分层度量学习网络，采用了特征嵌入模块对图像样本和文本样本进行实值特征表示学习，使得最终分层度量学习网络学习到的特征能包含层次标签的所有标签信息，学习到的图像特征和文本特征具有更高的数值精度，提高了跨模态信息检索的精度，增强了跨模态信息检索过程中数据特征结构的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.096 seconds)
