-
公开(公告)号：CN116720007B
公开(公告)日：2023-11-28
申请号：CN202311007379.4
申请日：2023-08-11
Applicant: 河北工业大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N5/02 , G06F16/9538
Abstract: 本发明提供一种基于多维学习者状态和联合奖励的在线学习资源推荐方法，包括多维学习者状态、联合奖励和策略三个模块：将学习者作为马尔可夫决策过程中的主体，设计由知识信息、学习者行为序列和学习者交互信息组成的知识图谱来准确地表示学习者的多维学习状态；将学习资源之间的语义关联聚合起来，构建归纳网络来生成知识状态和推断知识状态；利用双向门控循环单元和注意力机制提取行为序列状态的关键信息，引入学习者交互信息，利用因子分解机对认知水平进行建模；构造序列奖励与知识奖励相结合的复合奖励函数，根据概率优化累计奖励并推荐学习资源。通过本发明，可以使推荐结果更精确，更具可解释性，满足学习者实际需求。
-
公开(公告)号：CN116720007A
公开(公告)日：2023-09-08
申请号：CN202311007379.4
申请日：2023-08-11
Applicant: 河北工业大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N5/02 , G06F16/9538
Abstract: 本发明提供一种基于多维学习者状态和联合奖励的在线学习资源推荐方法，包括多维学习者状态、联合奖励和策略三个模块：将学习者作为马尔可夫决策过程中的主体，设计由知识信息、学习者行为序列和学习者交互信息组成的知识图谱来准确地表示学习者的多维学习状态；将学习资源之间的语义关联聚合起来，构建归纳网络来生成知识状态和推断知识状态；利用双向门控循环单元和注意力机制提取行为序列状态的关键信息，引入学习者交互信息，利用因子分解机对认知水平进行建模；构造序列奖励与知识奖励相结合的复合奖励函数，根据概率优化累计奖励并推荐学习资源。通过本发明，可以使推荐结果更精确，更具可解释性，满足学习者实际需求。
-
公开(公告)号：CN115879551A
公开(公告)日：2023-03-31
申请号：CN202211619226.0
申请日：2022-12-14
Applicant: 河北工业大学
IPC: G06N5/04 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于图注意力网络的知识推理方法，属于知识图谱推理技术领域，该方法包括嵌入模块、编码器和解码器三部分。嵌入模块采用TransE对原始数据进行预处理，得到保留关联信息的实体和关系嵌入向量；编码器利用图注意力网络捕捉到任意给定实体邻域内的实体特征和关系特征，并采用基于关系注意的全局随机游走算法，将全局实体重要性融入局部注意力中，以改进注意力层的计算，随后设计交互注意力机制，增强注意力层之间的交互性；解码器采用ConvKB对最终的特征向量进行评分。本发明提高了在知识图谱推理任务上的效果，能够从现有数据中推理出新的三元组或者识别出错误的三元组并纠正，同时在一定程度上提供了可解释性。
-
公开(公告)号：CN114419014A
公开(公告)日：2022-04-29
申请号：CN202210083931.7
申请日：2022-01-19
Applicant: 河北工业大学
Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。
-
公开(公告)号：CN114998760B
公开(公告)日：2024-09-13
申请号：CN202210614592.0
申请日：2022-05-30
Applicant: 河北工业大学
IPC: G06V20/13 , G06N3/0464 , G06N3/084 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于域适应的雷达图像船舶检测网络模型及检测方法，该船舶检测网络模型利用域适应领域的知识，实现了光学图像到雷达图像的知识迁移。利用傅里叶变换原理，生成伪雷达图像，端到端地实现光学图像到雷达图像的风格迁移，达到无需繁杂人工后处理的目。利用编码器结构，将特征分解为域相似特征和域不变特征。同时，为了使分解效果更加准确，使用风格迁移后的图片对齐域相似特征。通过以上方法解决两个域外观上相差过大的问题。本发明检测方法在一定程度上解决了雷达图像样本少、标注难的问题，实现了即使缺少雷达样本标注，也可以进行船舶检测。
-
Patent Agency Ranking
公开(公告)号：CN115661042A
公开(公告)日：2023-01-31
申请号：CN202211202042.4
申请日：2022-09-29
Applicant: 河北工业大学
IPC: G06T7/00 , G06V10/20 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于注意力机制指导的分层分类缺陷检测方法，针对工件表面缺陷检测过程中图像纹理背景影响缺陷提取的问题，提出了分层注意力模块，并集成与分层分类网络结构的缺陷检测网络中，使模型利用图像纹理背景指导缺陷检测，同时，设计了多感受野融合模块，利用空洞卷积带来的增强感受野，使模型更好的提取不同尺寸的缺陷特征，并且降低计算复杂度，针对背景纹理分类与缺陷分类训练方向难把握的问题，提出一种联合优化框架，利用所构建的联合损失函数使模型进行端到端训练。实验表明，本发明所提出的方法，能够有效提升工件表面缺陷检测任务的检测精度。
-
公开(公告)号：CN114998760A
公开(公告)日：2022-09-02
申请号：CN202210614592.0
申请日：2022-05-30
Applicant: 河北工业大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于域适应的雷达图像船舶检测网络模型及检测方法，该船舶检测网络模型利用域适应领域的知识，实现了光学图像到雷达图像的知识迁移。利用傅里叶变换原理，生成伪雷达图像，端到端地实现光学图像到雷达图像的风格迁移，达到无需繁杂人工后处理的目。利用编码器结构，将特征分解为域相似特征和域不变特征。同时，为了使分解效果更加准确，使用风格迁移后的图片对齐域相似特征。通过以上方法解决两个域外观上相差过大的问题。本发明检测方法在一定程度上解决了雷达图像样本少、标注难的问题，实现了即使缺少雷达样本标注，也可以进行船舶检测。
-
公开(公告)号：CN114419014B
公开(公告)日：2024-12-10
申请号：CN202210083931.7
申请日：2022-01-19
Applicant: 河北工业大学
Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。
-
公开(公告)号：CN115641480A
公开(公告)日：2023-01-24
申请号：CN202211392565.X
申请日：2022-11-08
Applicant: 河北工业大学
IPC: G06V10/771 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于样本筛选与标签矫正的噪声数据集训练方法，属于深度学习、卷积神经网络和噪声数据集训练领域，具体地说是一种基于样本筛选与标签矫正的噪声数据集训练方法。提出了一种新的样本筛选策略，其利用基于类级特征的聚类过程来识别在特征空间中靠近其对应类中心的干净样本。该方法还提出了采用一种新的标签矫正策略，将训练标签重建为当前训练标签、特征标签以及预测标签结果的加权组合，随着训练的进行，可以将噪声标签逐渐纠正为正确的标签，这增加了干净的可用于训练的样本数量，降低了训练集的噪声强度，提高了模型的精度与鲁棒性。
-
公开(公告)号：CN113284185B
公开(公告)日：2022-03-15
申请号：CN202110666805.X
申请日：2021-06-16
Applicant: 河北工业大学
IPC: G06T7/73 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/764
Abstract: 本发明为一种用于遥感目标检测的旋转目标检测方法，该方法包括：第一步、获取遥感图像，得到遥感图像中目标外接矩形的位置信息，并对遥感图像进行归一化处理；第二步、利用深度学习网络进行目标检测，输出预测结果，预测结果为目标外接矩形的分类和位置信息；第三步、对预测结果进行解码，根据目标外接矩形的位置信息得到旋转目标。本发明提出了一种用于检测旋转目标的新回归方式，将旋转目标对应的倾斜矩形框的最小外接正矩形当作正框标注，通过检测正框和以其中心为圆心的圆与正框的交点与正框顶点之间的距离，得到旋转目标的倾斜矩形框标注，比起传统的检测角度信息，精度高。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
