检测方法、检测系统、设备和存储介质

    公开(公告)号:CN113627257B

    公开(公告)日:2024-09-10

    申请号:CN202110779605.5

    申请日:2021-07-09

    发明人: 崔淼 陈成才

    摘要: 一种检测方法、检测系统、设备和存储介质,方法包括:获取具有图框的待测建筑图纸;进行图框检测,获得具有图框的图框检测图像;进行第一空间分割,获得多个空间区域图像;对空间区域图像进行目标检测,获得符合建筑构件类别的第一目标图像,第一目标图像中有目标建筑构件;利用第一目标图像进行尺寸检测,获得目标建筑构件的尺寸;对待测建筑图纸进行第一评估,判断目标建筑构件的尺寸是否符合尺寸规格。本发明通过先进行分割再进行目标检测的方式,有利于精确确定目标建筑构件的位置和轮廓,从而降低漏检的概率,并精准测得目标建筑构件的尺寸,进而提高检测精度;相应能够实现人工智能检测,降低对专业人员进行复审的需求,提高了检测流程速度。

    一种端到端的任务型对话系统的领域适应方法

    公开(公告)号:CN111143522B

    公开(公告)日:2023-08-01

    申请号:CN201911199141.X

    申请日:2019-11-29

    摘要: 本发明公开了一种端到端的任务型对话系统的领域适应方法,其特点是该方法包括以下步骤:使用编码‑解码模型构建端到端任务型对话系统,结合注意力机制和复制机制学习如何根据对话上下文信息生成回复;利用小样本学习方法,使对话系统在源领域训练获得具有泛化性的先验知识;结合目标领域有限的语料,并强化目标领域的特征,实现领域适应。本发明与现有技术相比具有方法简便,不需要耗费人工成本进行标注,工作效率高,能够在一定程度上解决基于神经网络的端到端对话系统对某一领域大量带标签数据的依赖,同时保证对话系统完成任务的成功率,进一步拓宽了对话系统的应用场景。

    问答模型的优化方法、装置、计算机设备和存储介质

    公开(公告)号:CN111078853B

    公开(公告)日:2023-05-02

    申请号:CN201911286091.9

    申请日:2019-12-13

    摘要: 一种问答模型的优化方法、装置、计算机设备和存储介质,问答模型的优化方法包括:获取目标问答数据;获取初始机器学习模型,并以所述目标问答数据为训练样本、对所述初始机器学习模型进行训练,得到目标问答模型;获取至少一组辅助问答数据,并计算所述至少一组辅助问答数据与目标问答数据的相关性;将所述至少一组辅助问答数据作为补充训练样本对所述目标问答模型进行补充训练,以得到优化后的目标问答模型,所述补充训练的训练过程受所述相关性控制。通过此方案,能够增大训练数据量,以提高问答模型的训练效果。

    一种人机对话模型的训练方法及人机对话方法

    公开(公告)号:CN113050787B

    公开(公告)日:2022-08-05

    申请号:CN201911367881.X

    申请日:2019-12-26

    IPC分类号: G06F3/01 G06N20/00

    摘要: 本发明提供了一种人机对话模型的训练方法及人机对话方法,该人机对话模型将流水线型对话系统的子模块整合为整体的端到端的结构框架,通过获取用户本轮对话数据以及上一轮历史数据,并编码为向量序列,最后依次通过自然语言理解、对话状态追踪、对话策略学习和自然语言生成四个子模块,得到系统本轮回复。本发明还提供了一种人机对话方法,适于利用前述的模型进行人机交互。本发明中的人机对话模型在训练时可根据训练数据包含的监督标签类型灵活地选择子模块的结构,并且可以对所有子模块同时进行优化,避免了错误不断累积传播的问题,能够提高系统回复的准确性,训练时使用的样本数量也大大减少。

    建筑平面图中的区域划分方法、装置、设备及介质

    公开(公告)号:CN113469086A

    公开(公告)日:2021-10-01

    申请号:CN202110775940.8

    申请日:2021-07-09

    发明人: 崔淼 陈成才

    摘要: 本发明实施例公开了一种建筑平面图中的区域划分方法、装置、设备及介质。该方法包括:在待识别的建筑平面图中提取设定低维尺度下的多通道基础图像特征;采用不同通道数的卷积核对其进行卷积处理,得到多尺度下的多通道高维图像特征;对多通道高维图像特征进行特征融合得到多通道第一融合图像特征,并采用动态卷积算法增强边界特征;在保持第一融合图像特征不缺失的基础上,将多通道第一融合图像特征进行特征融合得到多通道第二融合图像特征;根据多通道第二融合图像特征获取建筑平面图的区域划分结果。在上述技术方案中,基于人工智能算法对建筑平面图中提取的特征进行处理,得到区域划分结果,实现了建筑平面图的区域精准划分,提高了生产效率。

    一种知识图谱构建方法
    6.
    发明公开

    公开(公告)号:CN112347265A

    公开(公告)日:2021-02-09

    申请号:CN201910723169.2

    申请日:2019-08-06

    发明人: 陈成才

    IPC分类号: G06F16/36 G06F40/295

    摘要: 本发明提供了一种知识图谱构建方法,包括:对待处理的句子进行分词,得到多个单独词;识别所述多个单独词中的实体,得到两个一组的实体对;对于每个所述实体对,获取所述句子的句向量;根据所述句向量,提取所述句子的表示特征;对所述表示特征进行特征筛选,屏蔽其中的噪声特征;根据所述表示特征预测所述实体对的实体关系;根据所述实体对和对应的实体关系构建知识图谱。本发明能够有效地在构建知识图谱的过程中,将句子中的无用噪声特征滤除,提高实体关系预测的准确性。

    话题挖掘方法及装置、存储介质、终端

    公开(公告)号:CN112231470A

    公开(公告)日:2021-01-15

    申请号:CN201910577977.2

    申请日:2019-06-28

    发明人: 丁洁 陈成才

    摘要: 一种话题挖掘方法及装置、存储介质、终端,话题挖掘方法包括:获取新闻语料,所述新闻语料包括针对预设主体的多个新闻文本;对所述新闻语料进行话题分类,以得到多个话题以及各个话题下的新闻文本;对各个话题下的新闻文本进行统计分析,以得到各个话题下的统计特征信息;对各个话题下的新闻文本进行信息抽取,以得到各个新闻文本的文摘信息;将各个话题下的统计特征信息与各个新闻文本的文摘信息结合进行展示。本发明技术方案能够实现对新闻话题发展过程的挖掘以及展示。

    人体姿态识别方法及装置

    公开(公告)号:CN111797791A

    公开(公告)日:2020-10-20

    申请号:CN202010663716.5

    申请日:2018-12-25

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本发明提供一种人体姿态识别方法及装置,所述方法包括:提供待处理图像;对所述待处理图像进行目标检测处理,以得到一个或多个第一头部检测框;对所述第一头部检测框进行关键点计算处理,以得到多个第一头部关键点信息;对所述待处理图像进行自下而上识别处理,以得到一个或多个第二人体姿态信息;从所述第二人体姿态信息中提取第二头部关键点信息和第一躯干关键点信息;对所述第一头部关键点信息和所述第二头部关键点信息进行融合,得到融合后的第三头部关键点信息;将所述第三头部关键点信息和所述第一躯干关键点信息作为人体姿态识别结果。本发明可以提高人体姿态识别的准确率。

    一种智能客服对话回复生成方法、装置和电子设备

    公开(公告)号:CN111651573A

    公开(公告)日:2020-09-11

    申请号:CN202010457142.6

    申请日:2020-05-26

    发明人: 陈成才

    摘要: 本发明提供了一种智能客服对话回复生成方法、装置和电子设备。所述方法包括:获取本轮用户输入会话;对所述本轮用户输入会话进行编码,得到本轮输入向量;获取历史对话记录,所述历史对话记录包括至少一轮历史用户会话和对应的历史客服答复;对所述历史对话记录进行编码,得到历史记录隐向量;根据所述历史记录隐向量,计算各预设词槽对应的关键信息向量;根据所述关键信息向量,计算各预设词槽与其它词槽的关联向量;根据所述关联向量,解码得到多轮对话状态;根据所述本轮输入向量与所述多轮对话状态,获取本轮客服答复。本发明通过上述步骤,能够有效提高对话追踪的有效性,进而提高智能客服对话系统的性能,具有广泛的应用价值。

    问答模型的优化方法、装置、计算机设备和存储介质

    公开(公告)号:CN111078853A

    公开(公告)日:2020-04-28

    申请号:CN201911286091.9

    申请日:2019-12-13

    摘要: 一种问答模型的优化方法、装置、计算机设备和存储介质,问答模型的优化方法包括:获取目标问答数据;获取初始机器学习模型,并以所述目标问答数据为训练样本、对所述初始机器学习模型进行训练,得到目标问答模型;获取至少一组辅助问答数据,并计算所述至少一组辅助问答数据与目标问答数据的相关性;将所述至少一组辅助问答数据作为补充训练样本对所述目标问答模型进行补充训练,以得到优化后的目标问答模型,所述补充训练的训练过程受所述相关性控制。通过此方案,能够增大训练数据量,以提高问答模型的训练效果。