公开(公告)号：CN117933226A

公开(公告)日：2024-04-26

申请号：CN202311301516.5

申请日：2023-10-09

申请人： 西南交通大学

发明人： 滕飞 ,  李航 ,  胡节 ,  陈志强 ,  贺百胜 ,  朱宗海 ,  李康

IPC分类号： G06F40/211 ,  G06F16/35 ,  G06F18/214 ,  G06N3/0499

摘要： 本发明提供了一种上下文感知的对话信息提取系统及方法，属于对话信息提取技术领域。本发明为每种实体类型设置了独立的模型，包括编码器模块和上下文感知增强模块，这使得模型能够更加关注自己所属类型的特征信息，提高了对不同类型实体特征的感知能力；本发明引入了上下文感知增强模块CAEM，能够捕捉多轮对话间的语境关联信息，通过自注意力机制和多层感知机构建上下文全局特征，同时融合上下文增强的特征信息，从而更好地建模上下文信息。本发明解决了现有对话信息提取方法中上下文建模有限、对复杂上下文依赖关系建模能力不足的问题。

公开(公告)号：CN118350996A

公开(公告)日：2024-07-16

申请号：CN202410780901.0

申请日：2024-06-18

申请人： 西南交通大学

发明人： 赵小乐 ,  李耀铧 ,  顾瑾 ,  杜圣东 ,  朱宗海

IPC分类号： G06T3/4053 ,  G06V10/80 ,  G06V10/40 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请提供了一种基于多尺度特征融合的图像超分辨率方法、装置和设备，涉及图像处理技术领域，该方法包括：创建目标超分辨率模型，目标超分辨率模型包括：浅层特征提取模块、特征蒸馏模块、多层特征融合模块和图像重建模块；特征蒸馏模块由多个特征蒸馏块依次串联构成，特征蒸馏块按照串联顺序交替采用以下注意力机制：大核注意力机制、空间注意力机制和多分支注意力机制；将原始图像复制n次后，输入浅层特征提取模块，得到浅层特征；将浅层特征输入特征蒸馏模块，得到不同尺度的深度特征；将不同尺度的深度特征输入多层特征融合模块，得到融合后特征；图像重建模块采用跳跃连接的方式，根据融合后特征和浅层特征，得到重建的超分辨图像。

公开(公告)号：CN116259109A

公开(公告)日：2023-06-13

申请号：CN202310350543.5

申请日：2023-04-04

申请人： 西南交通大学唐山研究院

发明人： 邢焕来 ,  刘俊 ,  肖智文 ,  冯力 ,  朱宗海 ,  赵博文

IPC分类号： G06V40/20 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0464

摘要： 本发明公开了一种基于生成式自监督学习和对比学习的人体行为识别方法，具体为：基于传感器设备采集人体行为识别数据集，将数据集划分给多个节点；根据数据增强的类别数和生成器的训练次数进行生成对抗网络的训练，得到训练好的生成对抗网络模型；使用训练好的生成对抗网络对边缘节点进行数据扩充，得到生成数据；边缘节点利用扩充后的数据进行模型训练；中心节点对来自各个边缘节点的模型参数进行聚合更新；将待检测的数据输入到训练好的本地模型进行人体行为识别，得到对应的行为类别。本发明有效提升了模型的精度，能较好适应边缘设备数据规模较小和数据非独立同分布的场景。

公开(公告)号：CN118941833A

公开(公告)日：2024-11-12

申请号：CN202411423796.1

申请日：2024-10-12

申请人： 西南交通大学

发明人： 赵小乐 ,  阳文佳 ,  杜圣东 ,  朱宗海 ,  张晓博

IPC分类号： G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及图像处理技术领域，公开了一种基于层次特征记忆学习的皮肤病识别方法，包括以下步骤：步骤1：获取皮肤病图像数据，对数据进行预处理得到数据集；步骤2：构建基于层次特征记忆学习的识别模型；识别模型包括特征学习模块、特征存储模块、时间‑层次特征处理模块；步骤3：对识别模型进行训练，得到训练后的模型；将图像数据输入训练后的模型得到所需的识别结果；本发明方法对于图像特征能够精准的捕捉，在多个性能指标上均优于现有的分类方法。

公开(公告)号：CN118350996B

公开(公告)日：2024-08-30

申请号：CN202410780901.0

申请日：2024-06-18

申请人： 西南交通大学

发明人： 赵小乐 ,  李耀铧 ,  顾瑾 ,  杜圣东 ,  朱宗海

IPC分类号： G06T3/4053 ,  G06V10/80 ,  G06V10/40 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请提供了一种基于多尺度特征融合的图像超分辨率方法、装置和设备，涉及图像处理技术领域，该方法包括：创建目标超分辨率模型，目标超分辨率模型包括：浅层特征提取模块、特征蒸馏模块、多层特征融合模块和图像重建模块；特征蒸馏模块由多个特征蒸馏块依次串联构成，特征蒸馏块按照串联顺序交替采用以下注意力机制：大核注意力机制、空间注意力机制和多分支注意力机制；将原始图像复制n次后，输入浅层特征提取模块，得到浅层特征；将浅层特征输入特征蒸馏模块，得到不同尺度的深度特征；将不同尺度的深度特征输入多层特征融合模块，得到融合后特征；图像重建模块采用跳跃连接的方式，根据融合后特征和浅层特征，得到重建的超分辨图像。