-
公开(公告)号：CN118607668A
公开(公告)日：2024-09-06
申请号：CN202410830079.4
申请日：2024-06-25
IPC: G06N20/00 , G06F18/214 , G06N3/08 , G06N3/0455 , G06F16/35 , G06F40/30
Abstract: 本公开提供了一种数据集扩充方法及装置，属于数据处理技术领域，该方法包括：基于第一语言模型生成第一样本数据；将第一样本数据添加至包含有第二样本数据的数据集中，从数据集中筛选出第三样本数据；第二样本数据为真实数据，第三样本数据为第一样本数据中与真实数据的关联度小于第一阈值的数据；基于第四样本数据训练第一语言模型；第四样本数据为数据集中除第三样本数据之外的数据；返回执行基于第一语言模型生成第一样本数据的步骤，直至满足设定条件，得到扩充后的数据集。本公开提供的一种数据集扩充方法及装置能够淘汰低质量样本，优化生成过程，有效保留更加丰富和高质量的样本。
-
公开(公告)号：CN118607668B
公开(公告)日：2025-04-18
申请号：CN202410830079.4
申请日：2024-06-25
IPC: G06N20/00 , G06F18/214 , G06N3/08 , G06N3/0455 , G06F16/353 , G06F40/30
Abstract: 本公开提供了一种数据集扩充方法及装置，属于数据处理技术领域，该方法包括：基于第一语言模型生成第一样本数据；将第一样本数据添加至包含有第二样本数据的数据集中，从数据集中筛选出第三样本数据；第二样本数据为真实数据，第三样本数据为第一样本数据中与真实数据的关联度小于第一阈值的数据；基于第四样本数据训练第一语言模型；第四样本数据为数据集中除第三样本数据之外的数据；返回执行基于第一语言模型生成第一样本数据的步骤，直至满足设定条件，得到扩充后的数据集。本公开提供的一种数据集扩充方法及装置能够淘汰低质量样本，优化生成过程，有效保留更加丰富和高质量的样本。
-
公开(公告)号：CN119832169A
公开(公告)日：2025-04-15
申请号：CN202510315199.5
申请日：2025-03-18
Applicant: 北京邮电大学
IPC: G06T17/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本公开提供了一种目标物体三维重建方法及装置、电子设备、存储介质，属于图像处理技术领域，该方法包括：基于第一样本集训练高斯模型，得到第一高斯网络；第一样本集包括暗光条件下的多个第一RGB图像；基于第二样本集训练神经网络模型，得到暗光增强网络；将第一RGB图像、以及第一RGB图像对应的第一热图输入暗光增强网络，将暗光增强网络的输出和第一热图输入第一高斯网络进行联合训练，得到第二高斯网络；基于第二高斯网络对目标物体进行三维重建。本公开提供的目标物体三维重建方法及装置、电子设备、存储介质可以提高暗光条件下目标物体三维重建的精度。
-
公开(公告)号：CN119721126A
公开(公告)日：2025-03-28
申请号：CN202510220601.1
申请日：2025-02-27
Applicant: 北京邮电大学
Abstract: 本公开提供了一种大语言模型性格塑造方法及装置、电子设备、存储介质，属于数据处理技术领域，该方法包括：将性格提示和对话内容输入大语言模型，得到对话向量；将所述对话向量输入性格向量生成器，得到性格调整向量；所述性格向量生成器为基于带有性格标注的历史对话数据集训练得到的神经网络模型；将所述性格调整向量输入大语言模型，以对大语言模型输出的第一输出向量进行调整，得到第二输出向量；所述第一输出向量为大语言模型基于所述对话向量得到的输出向量，所述第二输出向量为包含有性格特征的输出向量。本公开提供的大语言模型性格塑造方法及装置、电子设备、存储介质可以实现大语言模型个性化的灵活调整。
-
公开(公告)号：CN119417700A
公开(公告)日：2025-02-11
申请号：CN202411460838.9
申请日：2024-10-18
Applicant: 北京邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/77 , G06T5/70 , G06T5/20 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/0499 , G06N3/094 , G06V40/16 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种可防御对抗攻击的人脸图像超分辨率方法、系统及存储介质，包括：基于经验模态分解构建频率感知分解网络模型；获取干净样本集，基于所述干净样本集获得对抗样本集；基于干净样本集和对抗样本集对所述频率感知分解网络模型进行对抗训练；将给定的人脸图像输入至训练后的频率感知分解网络模型，获得深度特征；基于所述深度特征获得固有模态函数特征图，基于所述固有模态函数特征图重建人脸图像。本发明通过结合EMD的多分支结构、高频噪声抑制器和可学习的提示，提供了一种鲁棒且高效的FSR模型，能够在对抗噪声存在的情况下，有效地恢复人脸图像的高频细节，提高识别准确性和视觉质量。
-
Patent Agency Ranking
公开(公告)号：CN118093823B
公开(公告)日：2024-09-03
申请号：CN202410287285.5
申请日：2024-03-13
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06N5/022 , G06F18/22
Abstract: 本公开提供了一种大语言模型自我提升方法及装置，属于深度学习技术领域，该方法包括：在第一知识库中检索与第一输入信息对应的反思样本，得到反思样本信息；将反思样本信息和第一输入信息输入至大语言模型中，得到目标反思信息；基于第一输入信息和目标反思信息对第一知识库进行更新；在第二知识库中检索与第二输入信息对应的改进样本，得到改进样本信息；将第二输入信息和改进样本信息输入至大语言模型中，得到目标改进信息；基于第二输入信息和目标改进信息对第二知识库进行更新。本公开根据大语言模型的反思信息和改进信息更新第一知识库和第二知识库，丰富了第一知识库和第二知识库的内容，提高了大语言模型的输出质量。
-
公开(公告)号：CN117993366B
公开(公告)日：2024-06-21
申请号：CN202410381770.9
申请日：2024-04-01
Applicant: 北京邮电大学
IPC: G06F40/166 , G06F40/194 , G06F40/253 , G06N3/045 , G06N3/048
Abstract: 本公开提供了一种测评题目动态生成方法及系统、电子设备、可读存储介质，属于模型测评领域，该方法包括：基于种子题目和提示生成多个第一测试题目；基于目标模型针对多个第一测试题目的第一回复信息确定多个第一测试题目的难度；若多个第一测试题目的难度不符合预设难度，则对多个第一测试题目进行调整，返回执行基于目标模型针对多个第一测试题目的回复信息确定多个第一测试题目的难度的步骤；若多个第一测试题目的难度符合预设难度，则将多个第一测试题目确定为针对目标模型的测试题目。本公开提供的测评题目动态生成方法及系统、电子设备、可读存储介质，以解决现有评估方法缺乏自适应性的问题。
-
公开(公告)号：CN115620080A
公开(公告)日：2023-01-17
申请号：CN202211177298.4
申请日：2022-09-26
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提出了虹膜图像生成方法及系统，包括：获得隐空间Z，隐空间Z包括多个向量组，每个向量组包括向量Zi、向量Zo和向量Zt；多个生成图像分为类内图像和类间图像，类内图像为：向量Zi和向量Zt均相同的多个向量组生成的图像，类间图像为：向量Zi和向量Zt均不同的多个向量组生成的图像；将每两个类内图像以及每两个类间图像分别输入识别网络，得到每两个类内图像以及每两个类间图像的匹配概率，并根据匹配概率计算对比损失；根据对比损失和对抗损失计算目标函数，优化生成对抗网络参数。通过上述技术方案，解决了现有技术中虹膜图像数据库数据量不足的问题。
-
公开(公告)号：CN119623566A
公开(公告)日：2025-03-14
申请号：CN202411723421.7
申请日：2024-11-28
Applicant: 北京邮电大学
IPC: G06N3/092 , G06N3/0499 , G06F18/23
Abstract: 本发明公开了一种基于涌现混合专家模型的多任务强化学习方法，包括以下步骤：构建多任务强化学习网络，所述多任务强化学习网络包括若干个前馈神经网络，每个前馈神经网络前面连接一个路由网络；对每个前馈神经网络进行聚类分析，均分为若干个专家模块；基于策略梯度下降方法对每个路由网络进行训练，并更新对应专家模块的参数；选取多任务学习环境中的实验任务；对于每个实验任务，基于训练后的路由网络激活对应的专家模块进行解耦处理，完成多任务强化学习。本发明为多任务学习提供了高效稳定的优化策略，有效缓解了多任务学习中参数共享与任务之间相互干扰的难题。
-
公开(公告)号：CN119399337A
公开(公告)日：2025-02-07
申请号：CN202411452920.7
申请日：2024-10-17
Applicant: 北京邮电大学
IPC: G06T15/00 , G06T3/4053 , G06T3/4007 , G06T3/4046
Abstract: 本发明公开了一种基于时空超分辨率和神经辐射场的三维场景渲染方法，属于三维场景重建领域，该方法包括以下步骤：将多视图图像输入神经辐射场得到目标帧低分辨率图像和支持帧低分辨率图像；对目标帧低分辨率图像进行上采样处理得到第一分支的目标帧高分辨率图像；基于目标帧低分辨率图像和支持帧低分辨率图像采用视频插值网络处理并进行图像投影得到第二分支的目标帧高分辨率图像；将第一分支的目标帧高分辨率图像和第二分支的目标帧高分辨率图像输入轻量级神经渲染器得到目标三维场景。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.042 seconds)
