-
公开(公告)号：CN117610588A
公开(公告)日：2024-02-27
申请号：CN202311481984.5
申请日：2023-11-08
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
IPC: G06F40/58 , G06F40/30 , G06F18/25 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于视觉特征与语义信息融合的机器翻译方法，包括，采集数据样本并进行特征提取，获得目标数据信息；构建机器翻译模型，将所述目标数据信息输入所述机器翻译模型进行训练，获得目标翻译模型；将待翻译输入所述目标翻译模型进行翻译，获得翻译结果。本发明利用视觉特征与语义信息的融合信息来进行机器翻译，能够帮助模型更好的理解上下文，达到快速精准翻译的目的。同时还能弥补单一信息翻译及人工同传的不足，提升机器翻译的效率和准确率，降低成本。
-
公开(公告)号：CN113411465B
公开(公告)日：2022-09-27
申请号：CN202110661914.2
申请日：2021-06-15
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
Abstract: 本发明公开了一种基于深度学习的高光谱图像联合设备稳定装置，包括箱体和固定连接在箱体底部的固定圆环，所述固定圆环的底部固定连接有内杆，所述内杆滑动连接有支柱，所述支柱的底部固定连接有调节槽，所述调节槽内部转动连接有调块，所述支柱的内壁开设有卡接凹口，所述内杆的侧面内嵌有三角槽，所述三角槽的内底部固定连接有第一弹簧。本发明，通过调块、内杆、支柱的共同协作，成功实现了对于本装置高度的灵活性调节，同时，在面临凹凸不平的地面环境时，可以通过调节调块从而使本装置达到稳定，有利于创造和维持高光谱图像联合设备高效工作的环境，提高了工作人员的工作效率，节约了工作时间，节省了完成此项工作的工作成本。
-
公开(公告)号：CN111479110B
公开(公告)日：2022-12-13
申请号：CN202010293694.8
申请日：2020-04-15
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
IPC: H04N19/109 , H04N19/119 , H04N19/51 , H04N19/543 , H04N19/567
Abstract: 本发明提出了一种针对H.266/VVC的快速仿射运动估计方法，其步骤为：利用标准差计算当前CU的纹理复杂度，并根据纹理复杂度将当前CU分为静态区域或非静态区域；对于静态区域的CU，跳过仿射运动估计，直接利用运动估计对当前CU进行预测，并通过率失真优化的方法选择最佳的预测方向模式；对于非静态区域的CU，利用训练好的随机森林分类器RFC模型对当前CU进行分类，输出最佳的预测方向模式。对于静态区域的CU，本发明跳过仿射运动估计，降低了计算复杂度；对于非静态区域的CU，本发明通过提前训练好的模型直接进行预测方向模式的预测，避免了仿射运动估计的计算，从而降低仿射运动估计模块的复杂度。
-
公开(公告)号：CN116306694A
公开(公告)日：2023-06-23
申请号：CN202310079488.0
申请日：2023-01-29
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
IPC: G06F40/58 , G06F16/957
Abstract: 本发明公开了一种基于预训练的多模态机器翻译方法，包括：步骤S10：网页预处理，通过网络采集基于视觉特征的网页样本库；步骤S20：收集网页样本库的特征，通过自适应传感粒度的网页分割，形成关键内容特征数据库；步骤S30：对关键内容特征数据库进行数据预处理；步骤S40：根据关键内容特征提取的结果，利用分类器对网页数据信息进行判决，实现对传感数据信息的判断以及传感数据信息类型的判断。本发明通过采用由HTML标签对反映射DOM树内结构信息和网页视觉信息结合，全面地采集关键内容DOM的特征，通过自适应控制网页分割算法的分割粒度，使得分割后的数据信息更有效接近传感信息的真实情况，并利用分类器有效实现传感信息块的判决。
-
公开(公告)号：CN117610587A
公开(公告)日：2024-02-27
申请号：CN202311475823.5
申请日：2023-11-08
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
IPC: G06F40/58 , G06F40/30 , G06V10/42 , G06V10/44 , G06V20/70 , G06V10/80 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于视觉特征与语义信息融合的多模态融合机器翻译方法，包括，基于卷积神经网络与自注意力机制对图像的视觉特征进行提取并获取全局视觉图像特征与语言语义特征的依赖关系表示；采用视觉特征与语言语义信息的对齐推导方法，通过多头注意力机制，将视觉图像特征与语言语义特征进行对齐，使与语言表达具有相同语义的视觉图像特征融合到语言的语义信息中；采用transformer与L2正则化项相结合的方法将全局空间视觉特征与时间时序语言语序特征一致性融合，获得统一视觉特征；将统一视觉特征输入翻译机器进行翻译，获得翻译结果。本发明的多模态同声机器翻译提升了机器翻译的效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119514592A
公开(公告)日：2025-02-25
申请号：CN202411516839.0
申请日：2024-10-29
Applicant: 郑州轻工业大学
IPC: G06N3/0442 , G06N3/042
Abstract: 本发明公开了一种图结构优化和表征分离的多模态情感分析方法及系统，涉及多模态情感分析技术领域，包括：将原始视频数据进行处理得到携带时间序列信息的多模态表征；对多模态表征进行样本间数据增强；将样本间数据增强后的多模态表征进行上下文交互处理，得到上下文交互增强多模态表征；将上下文交互增强多模态表征进行情感表征解耦处理，得到蕴含情感信息的多模态表征；根据蕴含情感信息的多模态表征进行情感预测，得到最终的情感预测结果。本发明对模态内表征学习、多模态表征存在异构性以及情感信息进行充分挖掘，提高了多模态情感分析的准确性和鲁棒性。
-
公开(公告)号：CN114637751B
公开(公告)日：2024-11-26
申请号：CN202210304220.8
申请日：2022-03-25
Applicant: 郑州轻工业大学
IPC: G06F16/22 , G06F16/2455 , G06F16/2453 , G06F18/25 , G06F17/16
Abstract: 本发明公开了一种Hadamard矩阵引导的多模态哈希检索方法，本方法在一个整体框架中联合执行子空间学习和散列学习，一方面，所提出的方法自适应地捕获多模态数据之间的互补信息，此外，通过集成的矩阵分解方法重构多模态空间，以增强特征表示能力；另一方面，本方法利用Hadamard矩阵的列属性来生成每个类别的目标代码，对目标二进制矩阵采用软二进制约束来提高模型的判别性。
-
公开(公告)号：CN118942677A
公开(公告)日：2024-11-12
申请号：CN202410995674.3
申请日：2024-07-24
Applicant: 郑州轻工业大学
IPC: G16H50/20 , G16H50/70 , G16H10/60 , G06F18/2415 , G06F18/2431 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/0475 , G06N3/047 , G06N3/094 , A61B5/346
Abstract: 本发明公开了一种基于辅助分类器生成对抗网络的心电数据生成方法，依次包括以下步骤：A：获取不同类型的心电数据样本；B：将对应类型心电数据的先验知识引入基于自注意力机制的生成器和基于时空特征的判别器的构建中，得到基于辅助分类器的生成对抗网络模型；C：设计判别器损失函数和生成器损失函数，结合不同类型的心电数据样本对基于辅助分类器生成对抗网络模型进行训练，得到训练后的基于辅助分类器生成对抗网络模型；D：利用训练后的基于辅助分类器生成对抗网络模型，对不同类型的心电数据样本进行扩充处理。本发明能够有效提高心电数据生成质量，提高心电数据集的多样性和数量，从而提升心电智能辅助诊断模型的性能。
-
公开(公告)号：CN118798331A
公开(公告)日：2024-10-18
申请号：CN202410756898.9
申请日：2024-06-12
Applicant: 郑州轻工业大学
Inventor： 马江涛 , 周辰宇 , 王艳军 , 李祖贺 , 张秋闻 , 庾骏 , 李璞 , 李玉华 , 张勋才 , 马宇科 , 李霆 , 晋文朵 , 程佳 , 刘博 , 李坤霖 , 孙一帆 , 卫梦屹 , 付一龙
IPC: G06N5/02 , G06N3/0442 , G06N3/08 , G06N5/04
Abstract: 本发明提出了一种基于交替归纳子图序列和共同偏好的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
-
公开(公告)号：CN117151215B
公开(公告)日：2024-08-06
申请号：CN202311242845.7
申请日：2023-09-25
Applicant: 郑州轻工业大学
IPC: G06N5/02 , G06F18/213 , G16H10/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于知识图谱的冠心病多模态数据特征提取方法，包括以下步骤：A：获取心电图、光电容积脉搏波和心音图的信号实体；B：获取心脏彩超图像的图像实体；C：获取病历文本的文本实体及文本实体属性，并抽取文本实体关系；D：与冠心病患者知识图谱本体结构进行链接形成知识图谱，建立病例关系图网；E：采用随机游走算法和Skip‑Gram模型将病例关系图网中的节点降维表征为统一的节点表示向量；F：采用主成分分析算法，对步骤E中得到的节点表示向量再次降维，最终获取节点的降维特征。本发明能够为冠心病诊断结果的辅助验证提供更为准确的数据基础。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.052 seconds)
