-
公开(公告)号：CN108460012A
公开(公告)日：2018-08-28
申请号：CN201810102699.0
申请日：2018-02-01
Applicant: 哈尔滨理工大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于GRU-CRF的命名实体识别方法，属于自然语言处理领域。为了进一步提高命名实体识别的识别效果，本发明将GRU网络与CRF相结合，利用GRU网络提取句子特征，再结合CRF进行最后的实体标注来完成命名实体识别。GRU具有参数少，训练速度快等特点，减少了对大规模数据进行训练时所用的时间，CRF对一个位置进行标注的过程中可以利用到已经标注的信息，具有很好的实体标注效果。本发明将GRU网络应用于命名实体识别领域，在达到标注效果的基础上减少了网络内部的参数，提高了训练效率，具有很好的应用前景，可以广泛应用于各领域的实体识别场合。
-
公开(公告)号：CN112051853B
公开(公告)日：2023-04-07
申请号：CN202010986659.4
申请日：2020-09-18
Applicant: 哈尔滨理工大学
Abstract: 本发明涉是一种基于机器视觉的智能避障系统及方法，尤其涉及基于机器视觉的智能避障旅行箱(小车)，属于智能机器人技术领域，目的是解决现有技术中智能跟随旅行箱无法紧急避障，自动行走过程不便捷、不够智能的问题，本发明包括机器硬件驱动和软件数据处理两部分；机器硬件驱动包括于单片机、驱动板和摄像机；软件数据处理包括图像获取模块、摄像机标定模块、图像处理模块和机器视觉实现模块，图像处理自动识别目标实现自动跟随功能，实现自动避障，识别障碍物，使得智能旅行箱(小车)更加便捷，极大地减轻人们出行的负担。
-
公开(公告)号：CN113420807A
公开(公告)日：2021-09-21
申请号：CN202110690885.2
申请日：2021-06-22
Applicant: 哈尔滨理工大学
Abstract: 本发明是一种基于多任务学习与注意力机制的多模态融合情感识别系统、方法及实验评价方法，为解决现有技术中缺乏引入多模态融合机制的多模态情感识别过程效率、准确率低的问题；属于在人机交互领域，相对于单一模态的情感识别工作，多种模态相结合的情感识别应用更加广泛，因此提出一种基于多任务学习与注意力机制相结合的多模态融合情感识别方法。利用多任务学习引入辅助任务使得各模态自身的情感表示可以被更高效地学习到，交互注意力机制可以使得各模态间情感表示相互学习相互补充，进而提升对多模态情感得识别准确率；在多模态数据集CMU‑MOSI和CMU‑MOSEI上进行实验，准确率和F1值均有提升，同时提高了情感信息识别的准确性和效率。
-
公开(公告)号：CN113408430A
公开(公告)日：2021-09-17
申请号：CN202110692364.0
申请日：2021-06-22
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于多级策略和深度强化学习框架的图像中文描述系统及方法，属于计算机视觉和自然语言处理的交叉领域，图像中文描述方法针对图像中文描述中生成语句的连贯性不佳、可读性差、模型训练时间长等问题；基于RNN的模型，语言指标和视觉语义功能集成以进行优化。所提出的框架包括多级策略网络和多级奖励功能两个模块，引入ResNet152网络提取图像全局特征,通过双层门控循环单元网络(GRU)解码生成图像中文描述模型。本文使用AI Challenger全球AI挑战赛图像中文描述数据集进行实验，并针对词级策略网络和语言奖励功能的几种代表性图像文本模型实验结果表明，该框架在各种评估指标上均具有提升。
-
公开(公告)号：CN113239700A
公开(公告)日：2021-08-10
申请号：CN202110459186.7
申请日：2021-04-27
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F16/335 , G06F16/35 , G06F40/126 , G06F40/216 , G06F40/284 , G06F40/289
Abstract: 改进BERT的文本语义匹配设备、系统、方法及存储介质，尤其涉及文本语义匹配、BER、词粒度、相对位置编码和注意力池化的匹配设备、系统、方法及存储介质，属于自然语言处理领域；目的是解决BERT模型训练时间较长、绝对位置编码未能表明句子中词与词间的相对位置和输出文本表示不能完全利用BERT模型输出的文本表示序列的问题；本发明通过建立所述传输层中的词嵌入机制、所述编码层的相对位置编码机制以及通过所述输出层对池化后的注意力机制处理文本，完成后续文本语义匹配；本发明不仅提高了文本匹配的准确率，更加准确体现句子的不同位置和不同位置间的信息，并采用注意力池化方式，得到降维后的文本表示包含更多的语义信息。
-
Patent Agency Ranking
公开(公告)号：CN108009154B
公开(公告)日：2021-01-05
申请号：CN201711385165.5
申请日：2017-12-20
Applicant: 哈尔滨理工大学
IPC: G06F40/289 , G06F40/242 , G06F16/583 , G06N3/04
Abstract: 本发明一种基于深度学习模型的图像中文描述方法属于计算机视觉与自然语言处理领域；包括准备ImageNet图像数据集和AI Challenger图像中文描述数据集；对ImageNet图像数据集利用DCNN进行预训练，得到DCNN预训练模型；对AI Challenger图像中文描述数据集进行图像特征提取和图像特征映射，传输到GRU门限递归网络循环神经网络；对AI Challenger图像中文描述数据集中的AI Challenger图像标注集进行词编码矩阵构建；利用NNLM提取词嵌入特征，完成文本特征映射；GRU门限递归网络循环神经网络作为语言生成模型，完成图像描述模型构建；中文描述语句生成；本发明弥补了图像中文描述的空白，实现自动生成图像中文描述的功能，并且在描述内容的准确性上有很好的改进，为中文NLP以及计算机视觉的发展奠定了基础。
-
公开(公告)号：CN112051853A
公开(公告)日：2020-12-08
申请号：CN202010986659.4
申请日：2020-09-18
Applicant: 哈尔滨理工大学
Abstract: 本发明涉是一种基于机器视觉的智能避障系统及方法，尤其涉及基于机器视觉的智能避障旅行箱(小车)，属于智能机器人技术领域，目的是解决现有技术中智能跟随旅行箱无法紧急避障，自动行走过程不便捷、不够智能的问题，本发明包括机器硬件驱动和软件数据处理两部分；机器硬件驱动包括于单片机、驱动板和摄像机；软件数据处理包括图像获取模块、摄像机标定模块、图像处理模块和机器视觉实现模块，图像处理自动识别目标实现自动跟随功能，实现自动避障，识别障碍物，使得智能旅行箱(小车)更加便捷，极大地减轻人们出行的负担。
-
公开(公告)号：CN109879170A
公开(公告)日：2019-06-14
申请号：CN201910249372.0
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 一种起重机吊臂旁弯位移实时检测系统，涉及起重机吊臂旁弯位移实时检测技术。目的是为了解决无法对大型起重机工作过程中臂架的旁弯量进行实时监测的问题。本发明的检测系统，包括两个红外激光发射器、成像设备和工业计算机；所述两个红外激光发射器位于起重机基本臂的顶端，并且两个激光发射器与基本臂的中心轴线对称，且所述两个激光发射器位于同一水平面，成像设备的红外激光接收器位于起重机基本臂的底部中央，并且所述红外激光接收器的光轴与基本臂的中心轴线平行；所述成像设备的信号输出端连接工业计算机的图像信号输入端。该系统具有操作简单方便、可靠性高，精确度高等特点。提高了起重机作业过程中的安全性，减少事故的发生。
-
公开(公告)号：CN108508278A
公开(公告)日：2018-09-07
申请号：CN201810304936.1
申请日：2018-04-03
Applicant: 哈尔滨理工大学
IPC: G01R27/26
Abstract: 基于变分模态分解和正弦波参数法的介质损耗因数测量方法和系统，属于电气设备测试技术领域。本发明为了解决现有的介质损耗因数的测量方法测量的介质损耗因数值受外界环境影响较大，处理环节较多，造成较大的测量误差。本发明包括如下步骤：步骤1、进行原始电压和原始电流的采样，并进行初步滤波处理；步骤2、对步骤1得到的电压、电流信号进行变分模态分解，提取出频率接近工频的电压基波分量和电流基波分量；步骤3、将步骤2提取出的电压基波分量和电流基波分量利用正弦波参数法进行计算，得到介质损耗因数。本发明中采用的变分模态分解算法有效的解决了模态混叠的问题，提高了算法的效率。
-
公开(公告)号：CN113408430B
公开(公告)日：2022-09-09
申请号：CN202110692364.0
申请日：2021-06-22
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于多级策略和深度强化学习框架的图像中文描述系统及方法，属于计算机视觉和自然语言处理的交叉领域，图像中文描述方法针对图像中文描述中生成语句的连贯性不佳、可读性差、模型训练时间长等问题；基于RNN的模型，语言指标和视觉语义功能集成以进行优化。所提出的框架包括多级策略网络和多级奖励功能两个模块，引入ResNet152网络提取图像全局特征,通过双层门控循环单元网络(GRU)解码生成图像中文描述模型。本文使用AI Challenger全球AI挑战赛图像中文描述数据集进行实验，并针对词级策略网络和语言奖励功能(56)对比文件王玉静等.Chinese Alt Text WritingBased on Deep Learning《.Internationalinformation and Engineering technologyassociation》.2019,第36卷(第2期),161-170.Soheyla Amirian等.Automatic Image andVideo Caption Generation With DeepLearning: A Concise Review andAlgorithmic Overlap《.IEEE Access》.2020,第8卷全文.徐航.基于深度网络与多特征融合的视频语义描述方法研究《.中国优秀硕士学位论文全文数据库 (信息科技辑)》.2020,(第2期),全文.
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
