-
公开(公告)号：CN118519681B
公开(公告)日：2024-09-17
申请号：CN202410970779.3
申请日：2024-07-19
申请人： 山东师范大学
IPC分类号： G06F8/72 , G06N3/0475 , G06N3/045 , G06N3/092
摘要： 本发明属于软件开发与维护自动化领域，公开了一种基于深度强化学习的代码自动补全方法、系统及装置，所述方法包括接收源代码数据，根据预设规则转换为代码类型数据；利用多任务学习的硬参数共享方式微调代码补全模型；利用多任务学习的硬参数共享方式训练评估器模型；利用微调后的代码补全模型和训练后的评估器模型构建深度强化学习网络；通过监督学习、深度强化学习训练策略网络，评估网络在代码补全过程中给出即时奖励，以此评估补全代码和相应类型对后续代码补全的影响相关性，从而使代码补全模型能够细致的感知动态变化的上下文需求；将训练后的策略网络用于对目标源代码数据进行补全；本发明能够根据源代码片段补全符合代码逻辑的代码片段。
-
公开(公告)号：CN118941478A
公开(公告)日：2024-11-12
申请号：CN202411048929.1
申请日：2024-08-01
申请人： 山东师范大学
IPC分类号： G06T5/90 , G06V10/40 , G06V10/54 , G06V10/80 , G06V10/44 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09
摘要： 本发明属于图像处理领域，具体涉及一种基于三重特征交互的低光照图像增强方法及系统，包括：获取待增强的低光照图像，将待增强的低光照图像转换为HSV空间的图像；获取HSV空间图像的照度分量，将照度分量输入到亮度恢复模块中，得到多尺度亮度特征图；将待增强的低光照图像到纹理增强模块中进行特征提取，得到多尺度纹理特征图；将多尺度亮度特征图和多尺度纹理特征图输入到三重特征交互模块中进行多尺度特征融合，得到细化纹理特征图；将细化纹理特征图输入到纹理增强模块，得到增强后的纹理特征图；对增强后的纹理特征图进行卷积，得到增强后的光照图像；本发明采用双分支架构，将亮度和纹理细节分开处理，在视觉上提升了图像增强效果。
-
公开(公告)号：CN118550580B
公开(公告)日：2024-10-08
申请号：CN202411025297.7
申请日：2024-07-30
申请人： 山东师范大学
IPC分类号： G06F8/73 , G06F8/41 , G06F18/213 , G06F18/25
摘要： 本发明属于软件维护技术领域，具体涉及一种基于多模态特征融合的代码摘要生成方法及系统；包括：获取代码并对其进行预处理和嵌入处理，得到tokens、语句和CFG三种嵌入；提取CFG的多尺度矩阵并对其进行加权融合，得到多尺度融合矩阵；对三种嵌入和多尺度融合矩阵进行处理，得到tokens特征、语句特征和多模态特征；对tokens特征和语句特征进行处理，得到交叉融合特征向量；对自然语言描述和其词位置信息进行处理，得到代码描述特征；将代码描述特征、交叉融合特征向量和多模态特征输入到解码器进行处理，得到解码特征；采用FNF模块对解码特征进行处理，得到预测摘要结果；本发明能够生成高质量的代码摘要。
-
公开(公告)号：CN118918329A
公开(公告)日：2024-11-08
申请号：CN202411049574.8
申请日：2024-08-01
申请人： 山东师范大学
IPC分类号： G06V10/26 , G06V10/44 , G06V10/80 , G06V10/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明属于计算机视觉与医学图像领域，具体涉及一种基于Prompt的边缘增强医学图像分割方法及系统，方法包括获取骨骼CT图像，通过编码器对图像进行连续下采样，每一层下采样得到的特征作为对应解码器中上采样层中输入的高分辨率特征图；通过边缘感知学习模块从骨骼CT图像中获取边缘信息、框信息以及掩膜信息，获取的信息与编码器输出的特征进行融合后作为瓶颈层的输入；在编码器中，将瓶颈层或者前一层输出作为低分辨率特征图，将低分辨率特征图和高分辨率特征图进行特征对齐和特征增强后作为当前层的输出，并将编码器最后一层的输出作为图像分割结果。本发明改善图像分割的效果，从而能节省医务人员花费在阅读和理解CT图像上的时间。
-
公开(公告)号：CN118519681A
公开(公告)日：2024-08-20
申请号：CN202410970779.3
申请日：2024-07-19
申请人： 山东师范大学
IPC分类号： G06F8/72 , G06N3/0475 , G06N3/045 , G06N3/092
摘要： 本发明属于软件开发与维护自动化领域，公开了一种基于深度强化学习的代码自动补全方法、系统及装置，所述方法包括接收源代码数据，根据预设规则转换为代码类型数据；利用多任务学习的硬参数共享方式微调代码补全模型；利用多任务学习的硬参数共享方式训练评估器模型；利用微调后的代码补全模型和训练后的评估器模型构建深度强化学习网络；通过监督学习、深度强化学习训练策略网络，评估网络在代码补全过程中给出即时奖励，以此评估补全代码和相应类型对后续代码补全的影响相关性，从而使代码补全模型能够细致的感知动态变化的上下文需求；将训练后的策略网络用于对目标源代码数据进行补全；本发明能够根据源代码片段补全符合代码逻辑的代码片段。
-
公开(公告)号：CN118550580A
公开(公告)日：2024-08-27
申请号：CN202411025297.7
申请日：2024-07-30
申请人： 山东师范大学
IPC分类号： G06F8/73 , G06F8/41 , G06F18/213 , G06F18/25
摘要： 本发明属于软件维护技术领域，具体涉及一种基于多模态特征融合的代码摘要生成方法及系统；包括：获取代码并对其进行预处理和嵌入处理，得到tokens、语句和CFG三种嵌入；提取CFG的多尺度矩阵并对其进行加权融合，得到多尺度融合矩阵；对三种嵌入和多尺度融合矩阵进行处理，得到tokens特征、语句特征和多模态特征；对tokens特征和语句特征进行处理，得到交叉融合特征向量；对自然语言描述和其词位置信息进行处理，得到代码描述特征；将代码描述特征、交叉融合特征向量和多模态特征输入到解码器进行处理，得到解码特征；采用FNF模块对解码特征进行处理，得到预测摘要结果；本发明能够生成高质量的代码摘要。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.02 秒)
