-
公开(公告)号:CN111738306A
公开(公告)日:2020-10-02
申请号:CN202010487922.5
申请日:2020-06-01
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于块卷积神经网络的多视图三维模型检索方法,通过针对多视图图像,使用块卷积层在视图特征的提取过程中挖掘视图之间的内在联系。根据每个视图特征与最大视图池化后的特征之间的余弦相似度来给每个视图分配不同的权重,利用了视图特征之间区分性,得到更有区分性的模型特征。在生成损失函数时不仅考虑了模型特征还考虑了视图特征,可以更好约束网络进行学习。该基于块卷积神经网络的多视图三维模型检索方法在相关的三维模型检索数据集中达到了优良的性能。
-
公开(公告)号:CN111737569B
公开(公告)日:2022-05-03
申请号:CN202010498841.5
申请日:2020-06-04
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要: 一种基于属性感知注意图卷积神经网络的个性化推荐方法,利用属性信息缓解了稀疏性问题;提出了基于用户‑商品‑属性交互图的图卷积神经网络推荐算法缓解了属性缺失问题;通过属性感知的注意力机制对用户偏好建模,提升了模型的推荐效果,并可以通过对用户的偏好建模进行推荐。
-
公开(公告)号:CN111737569A
公开(公告)日:2020-10-02
申请号:CN202010498841.5
申请日:2020-06-04
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要: 一种基于属性感知注意图卷积神经网络的个性化推荐方法,利用属性信息缓解了稀疏性问题;提出了基于用户-商品-属性交互图的图卷积神经网络推荐算法缓解了属性缺失问题;通过属性感知的注意力机制对用户偏好建模,提升了模型的推荐效果,并可以通过对用户的偏好建模进行推荐。
-
公开(公告)号:CN111738306B
公开(公告)日:2022-05-13
申请号:CN202010487922.5
申请日:2020-06-01
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于块卷积神经网络的多视图三维模型检索方法,通过针对多视图图像,使用块卷积层在视图特征的提取过程中挖掘视图之间的内在联系。根据每个视图特征与最大视图池化后的特征之间的余弦相似度来给每个视图分配不同的权重,利用了视图特征之间区分性,得到更有区分性的模型特征。在生成损失函数时不仅考虑了模型特征还考虑了视图特征,可以更好约束网络进行学习。该基于块卷积神经网络的多视图三维模型检索方法在相关的三维模型检索数据集中达到了优良的性能。
-
公开(公告)号:CN110543581A
公开(公告)日:2019-12-06
申请号:CN201910848660.8
申请日:2019-09-09
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/55 , G06F16/583 , G06K9/62
摘要: 该发明属于计算机视觉及深度学习领域,针对当前基于视图的深度学习方法不能捕获三维模型全面的空间信息的缺点,基于非局部图卷积网络的多视图三维模型检索方法挖掘融合多视图的高响应特征,从而得到单一紧凑的高辨别性模型描述符。其优越性能在三维模型检索中得到验证。该发明具体包含以下步骤:(1)获取模型的多视角图像,(2)多视角图像预处理,(3)设计非局部图卷积网络,(4)非局部图卷积网络训练,(5)提取模型深度特征,(6)三维模型的检索匹配。
-
公开(公告)号:CN110321473A
公开(公告)日:2019-10-11
申请号:CN201910424586.7
申请日:2019-05-21
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/9535 , G06F17/50 , G06K9/62 , G06Q30/02 , G06Q30/06
摘要: 本公开提供了一种基于多模态注意力的多样性偏好信息推送方法、系统、介质及设备,本公开对商品交易数据集进行预处理并对对应的用户评论信息和商品图片信息进行特征提取;通过融合用户的评论信息和商品的图片信息特征得到商品的多模态表示;将获得的商品的多模态表示、用户向量和商品向量输入到神经网络模型中,最后通过计算用户向量和商品向量之间的欧式距离来估计用户对商品的偏好程度,依据偏好程度的排序,进行信息的推送或显示;本公开利用多模态信息提升了模型的推荐效果,通过注意力机制解决了用户偏好的多样性问题。
-
公开(公告)号:CN110321473B
公开(公告)日:2021-05-25
申请号:CN201910424586.7
申请日:2019-05-21
申请人: 山东省计算中心(国家超级计算济南中心)
摘要: 本公开提供了一种基于多模态注意力的多样性偏好信息推送方法、系统、介质及设备,本公开对商品交易数据集进行预处理并对对应的用户评论信息和商品图片信息进行特征提取;通过融合用户的评论信息和商品的图片信息特征得到商品的多模态表示;将获得的商品的多模态表示、用户向量和商品向量输入到神经网络模型中,最后通过计算用户向量和商品向量之间的欧式距离来估计用户对商品的偏好程度,依据偏好程度的排序,进行信息的推送或显示;本公开利用多模态信息提升了模型的推荐效果,通过注意力机制解决了用户偏好的多样性问题。
-
公开(公告)号:CN110555060A
公开(公告)日:2019-12-10
申请号:CN201910849336.8
申请日:2019-09-09
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/2458 , G06K9/62 , G06N3/04
摘要: 本发明属于图像分类和迁移学习技术领域,公开了一种基于成对样本匹配的迁移学习方法,实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤:(1)数据预处理,(2)基于迁移学习的双链模型构建,(3)实例归一化和批量归一化,(4)计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习,充分挖掘不同图像的风格和语义关联特性,实现在源域辅助下对少量目标域样本的高效识别。
-
公开(公告)号:CN110555060B
公开(公告)日:2023-05-02
申请号:CN201910849336.8
申请日:2019-09-09
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/2458 , G06F18/214 , G06N3/0464 , G06N3/0442
摘要: 本发明属于图像分类和迁移学习技术领域,公开了一种基于成对样本匹配的迁移学习方法,实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤:(1)数据预处理,(2)基于迁移学习的双链模型构建,(3)实例归一化和批量归一化,(4)计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习,充分挖掘不同图像的风格和语义关联特性,实现在源域辅助下对少量目标域样本的高效识别。
-
公开(公告)号:CN110543581B
公开(公告)日:2023-04-04
申请号:CN201910848660.8
申请日:2019-09-09
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F16/55 , G06F16/583 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 该发明属于计算机视觉及深度学习领域,针对当前基于视图的深度学习方法不能捕获三维模型全面的空间信息的缺点,基于非局部图卷积网络的多视图三维模型检索方法挖掘融合多视图的高响应特征,从而得到单一紧凑的高辨别性模型描述符。其优越性能在三维模型检索中得到验证。该发明具体包含以下步骤:(1)获取模型的多视角图像,(2)多视角图像预处理,(3)设计非局部图卷积网络,(4)非局部图卷积网络训练,(5)提取模型深度特征,(6)三维模型的检索匹配。
-
-
-
-
-
-
-
-
-