公开(公告)号：CN111506832B

公开(公告)日：2023-07-28

申请号：CN202010313257.8

申请日：2020-04-20

申请人： 郑州信息科技职业学院

发明人： 张争 ,  李东辉 ,  汪伟 ,  裴利沈 ,  丁肖摇 ,  赵雪专 ,  王宇 ,  李涛

IPC分类号： G06F16/9536 ,  G06F16/9537 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提供一种基于块矩阵补全的异构对象补全方法，本发明利用丰富的上下文环境，提出了一种新的联合块矩阵补全框架，其在适当的特定热点区域范围内进行信息平均，减小了因计算量太大造成的负担，同时，本发明在将信息平均处理后，还可以方便地进行并行化处理，提高了补全时的计算效率；而且，本发明与现有的仅使用图像‑标签关系和仅使用用户‑项目关系的推荐模型的标签优化、补全和预测方法相比，在关系学习和补全方面具有更强的可扩展性。

公开(公告)号：CN116186299A

公开(公告)日：2023-05-30

申请号：CN202310063045.2

申请日：2023-01-18

申请人： 郑州信息科技职业学院

发明人： 李涛 ,  王珏 ,  熊文俊 ,  吴思宇 ,  张争 ,  王宇 ,  丁肖摇 ,  李冬梅 ,  朱晓珺

IPC分类号： G06F16/432 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

摘要： 本发明公开了一种基于深度对抗的跨模态哈希病虫害图像检索方法，包括以下步骤：A：构建病虫害数据集；B：通过图像增强扩充得到更新后的病虫害数据集；C：构建深度对抗跨模态哈希模型；D：利用更新后的病虫害数据集构建病虫害跨模态的检索数据集，通过病虫害跨模态的检索数据集对深度对抗跨模态哈希模型进行训练，得到训练后的深度对抗跨模态哈希模型；E：利用训练后的深度对抗跨模态哈希模型，对病虫害图像进行检索。本发明能够通过跨模态对抗特征学习网络来学习跨模态语义关联，保持不同模式特征表示分布的一致性，从而提高虫害图像检索准确率。

公开(公告)号：CN115205963A

公开(公告)日：2022-10-18

申请号：CN202210673157.5

申请日：2022-06-15

申请人： 郑州信息科技职业学院

发明人： 张争 ,  王珏 ,  赵辉 ,  王宇 ,  丁肖摇 ,  刘梦 ,  李涛

IPC分类号： G06V40/20 ,  G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于分段图卷积网络的视频动作识别方法，包括以下步骤：A：获取每个视频段中的帧样本图像并进行图像增强；B：提取图像增强后的每个帧样本图像的外观特征和运动特征；C:构建基于每个视频段的特征关联图与时序一致性图及对应的关系连接矩阵；D：通过图卷积神经网络对输出特征进行增强得到输出特征；E：将输出特征与池化后的原始特征进行融合得到最终的时空特征；F：利用中期融合模型和后期融合模型进行动作，对分段识别的结果取平均值，得到待识别视频的动作识别结果。本发明能够提高视频动作的识别准确性。

公开(公告)号：CN111444865B

公开(公告)日：2023-07-25

申请号：CN202010241591.7

申请日：2020-03-31

申请人： 郑州信息科技职业学院

发明人： 张争 ,  李东辉 ,  赵雪专 ,  裴利沈 ,  丁肖摇 ,  王宇 ,  李涛

IPC分类号： G06V20/60 ,  G06V10/46 ,  G06V10/764 ,  G06N3/0464

摘要： 本发明提供一种基于逐步求精的多尺度目标检测方法，该发明融入从高层上下文中获得残差到基本预测中，在上下文聚合的过程施加分类的监督信号，并对所有阶段进行整合，获取最终检测。该发明避免了对高层信息的过度依赖，并对低层特征进行了充分的优化，同时，由于本发明采用的是逐步分数求精，而不是多次重复预测分数，因此通过自适应地逐步增加预测的残差，可以得到歧义性较小的分类分布。另外，为了得到最终分数，对求精的各阶段，我们的整合方式也有助于稳定分类分布，减少求精错误的副作用。