一种车载图像处理方法及相关产品

    公开(公告)号:CN117422626A

    公开(公告)日:2024-01-19

    申请号:CN202311498757.3

    申请日:2023-11-10

    申请人: 郑州大学

    摘要: 本发明涉及图像处理技术领域,具体涉及一种车载图像处理方法及相关产品。一种车载图像处理方法包括:获取车载图像,车载图像通过双目图像摄取装置获得,包括第一目图像与第二目图像;利用第一编码器对车载图像进行处理,得到第一特征、第二特征,第一特征表征第一目图像专有区域的特征,第二特征表征第一目图像与第二目图像交叠区域的特征;利用第二编码器对车载图像进行处理,得到第三特征、第四特征,第三特征表征第二目图像专有区域的特征,第四特征表征第二目图像与第一目图像交叠区域的特征;根据获取的特征得到车载图像处理数据。本发明提高了车载图像数据的恢复效率。

    一种基于协同神经网络的虚假新闻检测方法

    公开(公告)号:CN114662497A

    公开(公告)日:2022-06-24

    申请号:CN202210173809.9

    申请日:2022-02-24

    申请人: 郑州大学

    摘要: 本发明适用于计算机视觉与图形图像处理技术领域,提供了一种基于协同神经网络的虚假新闻检测方法,包括文本特征提取模块、视觉语义特征提取模块、视觉篡改特征提取模块、相似性度量模块和多模态融合模块,还如下步骤:步骤S1:文本特征提取模块和视觉语义特征提取模块负责提取文本和视觉的语义特征,并将它们映射到同一空间;步骤S2:视觉篡改特征提取模块负责提取视觉物理特征和篡改特征;通过五个子网络的共同工作,很好地捕捉了多模态新闻数据中不同模态数据的相似性、文本和图像的语义层次特征以及视觉模式的一些物理层次特征,使得在复杂场景下的虚假新闻检测比现有模型更适合。

    一种基于自注意力机制和BiGRU的文本分类方法

    公开(公告)号:CN113312483A

    公开(公告)日:2021-08-27

    申请号:CN202110613933.8

    申请日:2021-06-02

    申请人: 郑州大学

    摘要: 本发明适用于文本分类技术领域,提供了一种基于自注意力机制和BiGRU的文本分类方法,包括如下步骤:步骤S1:使用自注意力机制生成新的字嵌入作为文本表示;步骤S2:使用CNN提取文本局部特征;步骤S3:利用BiGRU获取文本上下文语义信息和长距离依赖关系;步骤S4:对CNN和BiGRU的输出进行融合;步骤S5:使用全连接层,结合Softmax函数获得文本分类结果;利用自注意力机制关注对分类贡献较大的文本部分,使用含有不同尺寸卷积核的多通道CNN提取不同粒度的文本局部特征,同时通过含有跳层连接结构的堆叠BiGRU网络提取文本间上下文语义信息和长距离依赖关系,最后将CNN和BiGRU的输出进行特征融合,训练分类器对不同类型的文本信息进行分类。

    一种基于自蒸馏的用于资源受限情况下文档级关系抽取的方法及系统

    公开(公告)号:CN118013933A

    公开(公告)日:2024-05-10

    申请号:CN202410111055.3

    申请日:2024-01-25

    申请人: 郑州大学

    摘要: 本发明公开一种基于自蒸馏的用于资源受限情况下文档级关系抽取的方法及系统,该方法包括:使用符号“*”对文档中的所有实体提及进行标注;使用预训练的BERT模型作为编码器,对文档进行编码;联合第一骨干模型和第一教师模型构建实体表示增强模块,根据标注和编码后的文档,获取实体嵌入;联合第二骨干模型和第二教师模型构建实体对表示增强模块,根据得到的实体嵌入获取实体对嵌入;依据自适应阈值损失函数对模型进行训练和优化,得到训练好的文档级关系抽取模型;基于文档级关系抽取模型对文档级关系进行抽取。本发明通过自蒸馏思想的引入,使得在不增加骨干模型规模的情况下成功地学习了教师模型的知识,可适用于在资源匮乏的情况下部署。