-
公开(公告)号：CN117033632A
公开(公告)日：2023-11-10
申请号：CN202310972101.4
申请日：2023-08-03
申请人： 重庆理工大学
IPC分类号： G06F16/35 , G06F16/31 , G06F40/30 , G06N3/045 , G06N3/0985 , G06F16/951 , G06F18/2415
摘要： 本发明涉及计算机技术领域，尤其涉及一种基于语义增强的PO I数据分类方法。本发明包括以下步骤：步骤1：收集POI数据，并对其进行清洗；步骤2：筛选POI数据，构建POI数据集；步骤3：引入POI类别标签，构建POI名称及其类别的二元组形式，将POI数据分类问题转化为PO I名称及其类别之间的关系。具体来说，本发明通过引入POI数据类别标签，采用拆解法为每个输入的正类引入若干个反类，将多分类问题转化为二分类问题，然后基于RoBERTa的交叉编码方式捕获POI数据类别标签与其名称之间的语义关系，能够有效解决POI数据类别标签分布不均衡的问题，在不进行重新训练的情况下，允许只使用少量的数据样本，训练POI数据分类器的新类。
-
公开(公告)号：CN118230010A
公开(公告)日：2024-06-21
申请号：CN202410067406.5
申请日：2024-01-17
申请人： 重庆理工大学
IPC分类号： G06V10/762 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/088 , G06N3/098 , G06N3/048
摘要： 本申请提供一种融合边缘信息的多尺度对比图像聚类方法，用于解决现有技术中现有聚类方法对困难样本聚类效果差的问题。具体步骤为：S1：获取待聚类图像的无标签输入序列X＝{x1,x2,...,xn}；S2：将无标签输入序列X分别输入弱通道Ta、强通道Tb和边缘通道Tc进行变换分别获得提取样本集Ya、Yb和Yc；S3：利用共享深度神经网络获取提取样本集Ya、Yb和Yc的特征，分别获得增强样本集#imgabs0#和#imgabs1#S4：将增强样本集#imgabs2#和#imgabs3#输入实例级对比模型和聚类级对比模型中，计算实例级对比损失Lins和聚类级对比损失Lclu；S5：对Lins和Lclu求和获得总体损失函数L。本申请在多个网络中利用增强数据和边缘信息进行联合学习，将数据对投影到特征矩阵的行和列空间中进行实例级和聚类级的对比学习进而提高聚类任务的性能。
-
公开(公告)号：CN118504574A
公开(公告)日：2024-08-16
申请号：CN202410588123.5
申请日：2024-05-13
申请人： 重庆理工大学
IPC分类号： G06F40/30 , G06F40/284 , G06F40/211
摘要： 本发明公开了一种融合多粒度语义信息的中文文本蕴含识别方法。本发明针对当前文本蕴含关系识别方法无法确定引起蕴含的关键语块位置，其结果缺乏可解释性问题，提出了基于语义角色的浅层语义信息提取，对文本的句子成分进行分析，指导蕴含知识推理，且考虑到语义角色标注是一种浅层语义分析的实现，无法解决文本对之间的深层逻辑推理问题，提出了基于依存句法的深层语义信息提取，使用GCN在句子的依赖树之上进行句法挖掘，以利用句法信息和单词依赖关系，且现有方法主要集中在挖掘给定句子的局部结构信息，忽略了语料库中具有非连续和长距离语义的全局词共现，提出了基于GCN的全局语义信息提取，捕捉高阶邻居信息，自动地学习词和文档表示。
-
公开(公告)号：CN117033551A
公开(公告)日：2023-11-10
申请号：CN202310972005.X
申请日：2023-08-03
申请人： 重庆理工大学
IPC分类号： G06F16/33 , G06F16/31 , G06F40/289 , G06F40/30 , G06F16/35 , G06N3/045 , G06F16/951
摘要： 本发明涉及计算机技术领域，尤其涉及一种融合类别信息的PO I数据匹配方法。本发明包括以下步骤：步骤1、收集POI数据，并对数据进行预处理；步骤2、对于无法精确匹配的POI名称，使用文字相关性匹配检索出多个最相关的PO I名称进行语义匹配。具体来说，本发明首先使用文字相关性匹配，检索出多个最相关的兴趣点；然后，融合类别信息进行语义增强；最后，基于RoBERTa的交叉编码方式，捕获查询项以及待匹配项的字、词和短语之间的语义匹配信号，计算两者的相关性得分；进而使得本发明结合了文字相关性匹配和语义相关性匹配的优势，兼顾了匹配的准确率和效率；融合类别信息，使得语义相近及类别相同的得分高，语义相近及类别不同的得分低。
-
公开(公告)号：CN118470512A
公开(公告)日：2024-08-09
申请号：CN202410615966.X
申请日：2024-05-17
申请人： 重庆理工大学
IPC分类号： G06V20/05 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本发明涉及计算机视觉领域，特别涉及一种基于YOLOv8的水下目标检测方法、装置及存储介质；所述方法包括获取水下图像；将所述水下图像输入到水下目标检测模型中，得到所述水下目标检测模型输出的水下目标识别结果；所述水下目标检测模型基于改进YOLOv8模型构建而成；所述水下目标检测模型包括特征提取网络Backbone模块、特征融合网络Neck模块和特征识别网络Head模块；所述Backbone模块中的C2f模块替换成可变形卷积模块C2f‑DCNv4；所述Neck模块采用加权双向特征金字塔网络，所述Neck模块嵌入有SimAM注意力机制；本发明采用了基于改进YOLOv8模型的水下目标检测模型，能够降低水下目标检测任务的计算复杂度，提高水下目标检测的精准度，能够更加满足水下目标检测任务的需求。
-
-
-
-
搜索结果
5 条记录 (耗时 0.021 秒)