一种基于大语言模型的多模态文件检索方法、系统及介质

    公开(公告)号:CN118035473A

    公开(公告)日:2024-05-14

    申请号:CN202410035529.0

    申请日:2024-01-09

    申请人: 广州大学

    摘要: 本发明公开了一种基于大语言模型的多模态文件检索方法、系统及介质,该方法包括:获取包括图像文件和音频文件的多模态文件;通过预设的Donut模型对图像文件进行处理,得到第一文本文件,并通过预设的Whisper模型对音频文件进行处理,得到第二文本文件;根据查询序列与第一文本文件和第二文本文件之间的相似程度得到多个候选检索结果;对各候选检索结果进行切片处理,得到多个候选检索片段,将各候选检索片段和预设的提示模板输入大语言模型,得到目标检索结果。本发明一方面能够实现多模态文件检索,另一方面能够根据文件上下文自动纠错,并根据用户需要进行精确检索,可靠度和检索精度高,可广泛应用于文件检索技术处理领域。

    基于颜色的不完整圆匹配和识别方法、装置、设备及介质

    公开(公告)号:CN117671307A

    公开(公告)日:2024-03-08

    申请号:CN202311503966.2

    申请日:2023-11-10

    申请人: 广州大学

    摘要: 本申请公开了一种基于颜色的不完整圆匹配和识别方法、装置、设备及介质,方法包括:载入模板图像,并获取模板图像中模板圆的色调分布区域;载入搜索图像,并根据色调分布区域确定搜索图像中各个待检测圆的掩码,得到掩码图像;确定掩码图像中各个待检测圆的轮廓边缘,得到轮廓边缘图;在轮廓边缘图中根据各个轮廓边缘的像素标记出对应待检测圆的关键边;根据各个关键边确定对应待检测圆的圆心,并根据各个圆心确定对应待检测圆的半径;根据各个圆心和对应的半径,在搜索图像上标记出各个待检测圆。本申请可以提升在干扰、遮挡情况下圆的识别精度,并提高识别圆的效率,可广泛应用于图像识别技术领域。

    云存储数据完整性的验证方法、设备和服务器

    公开(公告)号:CN103425941A

    公开(公告)日:2013-12-04

    申请号:CN201310330155.7

    申请日:2013-07-31

    IPC分类号: G06F21/64 H04L29/06 H04L29/08

    摘要: 本发明提供一种云存储数据完整性的验证方法,包括:生成待存储文件的标识符,同时对所述文件进行编码得到多个模块文件;利用用户公开密钥和私有密钥对每个模块文件进行计算得到每个模块文件的认证标签,对每个认证标签生成公开认证数据;将所述标识符、模块文件和认证标签提交给服务器;生成文件完整性查询请求,向服务器发送所述查询请求,接收所述服务器返回的,利用用户公开密钥、标识符、模块文件和模块文件对应的认证标签生成的所述文件的报告信息;利用用户公开密钥和所述公开认证数据验证所述报告信息。本发明还提供对应的验证设备和验证服务器,能对云存储数据的完整性进行公开验证。

    基于长程依赖关系和多尺度输入的视网膜血管分割方法

    公开(公告)号:CN116563232A

    公开(公告)日:2023-08-08

    申请号:CN202310472843.0

    申请日:2023-04-26

    申请人: 广州大学

    IPC分类号: G06T7/00 G06T7/11 G06T7/90

    摘要: 本说明书实施例提供了一种基于长程依赖关系和多尺度输入的视网膜血管分割方法、装置、设备及介质,其中,方法包括:对眼底图像数据集进行预处理,分为训练集、验证集和测试集,对训练集和验证集进行数据扩增;构建视网膜血管分割网络,对训练集图像进行特征提取,获取多尺度语义信息,构建局部信息感知Transformer模块LAT,并将LAT添加到视网膜血管分割网络;通过训练集图像数据训练视网膜血管分割网络模型,通过验证集图像评估模型性能,调节模型参数,得到视网膜血管分割模型;将需要分割的眼底图像进行预处理后输入视网膜分割模型进行分割,得到视网膜血管分割图像。通过本发明能够对视网膜血管进行精确地分割。

    模板匹配方法、系统、设备及存储介质

    公开(公告)号:CN115830357A

    公开(公告)日:2023-03-21

    申请号:CN202211739844.9

    申请日:2022-12-30

    申请人: 广州大学

    IPC分类号: G06V10/75 G06V10/74

    摘要: 本发明提供了一种模板匹配方法、系统、设备及存储介质,其中模板匹配,方法包括:将模板图像以及搜索图像转化为灰度图像;模板图像以及搜索图像利用图像金字塔技术分别划分为F个图像层;根据预设的方差阈值确定模板图像的每个图像层的关键像素点,根据模板图像顶层图像层关键像素点获取模板像素斜率及搜索像素斜率,从而获取相似度最高的区域;以相似度最高的区域的坐标为中心的特定像素范围内使用归一化互相关方法获取非顶层的相似度最高区域,直到最底层为止,标记出最底层的相似度最高区域即为目标区域。本申请通过模板像素斜率及搜索像素斜率进行比较,找出相似度最大的区域提高了模板匹配的准确度及效率。

    一种模板图像的匹配方法、装置、电子设备及存储介质

    公开(公告)号:CN115601570A

    公开(公告)日:2023-01-13

    申请号:CN202211271962.1

    申请日:2022-10-18

    IPC分类号: G06V10/74 G06V10/26 G06V10/44

    摘要: 本发明公开了一种模板图像的匹配方法、装置、电子设备及存储介质,方法包括:获取模板图像与搜索图像的图像金字塔;分别在模板图像金字塔与搜索图像金字塔的顶层图像中,确定多个采样像素点及每个采样像素点的特征像素块,划分出特征像素块进行对比,相较整张图像进行对比极大减少了运算量;将两张顶层图像的特征像素块进行对比,得到顶层匹配区域;根据顶层匹配区域在搜索图像金字塔的各层图像进行逐层对比,根据特征像素块逐层向下搜索对比,可以在一定程度上抵抗光照噪声的影响,直至在搜索图像金字塔的底层图像中确定与模板图像金字塔的底层图像相似度最高的底层匹配区域。本发明实现了稳定且高效的模板匹配,可广泛应用于图像匹配技术领域。

    基于非线性自回归神经网络的负荷预测方法与系统

    公开(公告)号:CN108090629A

    公开(公告)日:2018-05-29

    申请号:CN201810044466.X

    申请日:2018-01-16

    申请人: 广州大学

    摘要: 本发明公开一种基于非线性自回归神经网络的负荷预测方法,包括:收集用电侧负荷预测所需原始数据,并对原始数据进行标准化处理和分类,以得到若干训练样本数据、若干验证样本数据和测试数据;初始化神经网络的参数,并搭建神经网络;参数包括训练误差指标值和验证误差指标值;采用若干训练样本数据训练神经网络,并采用若干验证样本数据验证神经网络,以生成训练误差小于训练误差指标且验证误差小于验证误差指标的非线性自回归神经网络;将测试数据输入非线性自回归神经网络,以输出最终预测值。采用本发明实施例,能够提高用电侧负荷预测的准确性,同时本发明还提供基于非线性自回归神经网络的负荷预测系统。

    云存储数据完整性的验证方法、设备和服务器

    公开(公告)号:CN103425941B

    公开(公告)日:2016-12-28

    申请号:CN201310330155.7

    申请日:2013-07-31

    IPC分类号: G06F21/64 H04L29/06 H04L29/08

    摘要: 本发明提供一种云存储数据完整性的验证方法,包括:生成待存储文件的标识符,同时对所述文件进行编码得到多个模块文件;利用用户公开密钥和私有密钥对每个模块文件进行计算得到每个模块文件的认证标签,对每个认证标签生成公开认证数据;将所述标识符、模块文件和认证标签提交给服务器;生成文件完整性查询请求,向服务器发送所述查询请求,接收所述服务器返回的,利用用户公开密钥、标识符、模块文件和模块文件对应的认证标签生成的所述文件的报告信息;利用用户公开密钥和所述公开认证数据验证所述报告信息。本发明还提供对应的验证设备和验证服务器,能对云存储数据的完整性进行公开验证。