一种金属线栅宽带偏振器及其制备方法

    公开(公告)号:CN101183158A

    公开(公告)日:2008-05-21

    申请号:CN200710168491.0

    申请日:2007-11-26

    Abstract: 一种金属线栅偏振器及其制备方法,属于光学器件,目的在于具有高偏振光消光比和光通量,结构简单,工作波长范围宽。本发明的偏振器,在基板上沉积金属铝纳米线栅,基板为在紫外到红外波段均透明的光学材料;金属铝纳米线栅结构参数为:线栅周期长度40-80纳米,线栅占空比60%-40%,线栅厚度40-80纳米,层间距10-20纳米。本发明方法步骤为:清洗基板、基板表面沉积保护膜、旋涂光刻胶、在光刻胶表面形成纳米线栅结构、在保护膜上刻出纳米线栅结构、在基板上刻出纳米线栅结构、除去剩余保护膜、在基板垂直表面镀铝金属膜,形成平行条状纳米线栅。本发明宽带偏振器在300-5000nm波段范围的偏振消光比可达到33-70dB,偏振光透过率可达到68%-94%。

    不锈钢悬臂梁的飞秒激光加工方法

    公开(公告)号:CN1970211A

    公开(公告)日:2007-05-30

    申请号:CN200610125373.7

    申请日:2006-12-08

    Abstract: 本发明提供一种不锈钢悬臂梁的飞秒激光加工方法,使用软件设计出悬臂梁的形状与尺寸;将不锈钢板材置于工作台上,依照设计的尺寸,利用飞秒激光对厚度小于1mm的不锈钢板材进行扫描刻蚀,直至悬臂梁与不锈钢板材基体完全脱离,飞秒激光的能量密度为50~300J/cm2,脉冲宽度45~100fs,加工扫描速度为50~200μm/s。本发明可进行微米级尺寸的加工,加工精度可以达小于1μm;加工过程中可以很好地避免氧化现象的产生,无溅污、重铸残渣现象,无热影响区。

    一种基于云链融合的访问控制方法、装置及系统

    公开(公告)号:CN114266034B

    公开(公告)日:2024-10-11

    申请号:CN202111589843.6

    申请日:2021-12-23

    Abstract: 本发明公开了一种基于云链融合的访问控制方法、装置及系统,属于访问控制领域,包括:接收到数据访问请求时,按照如下步骤进行鉴权:(S1)解析请求,以对数据使用者的身份合法性进行认证,若认证成功,则从请求中提取鉴权元数据,并转入(S2);否则,转入(S4);鉴权元数据与区块链中鉴权智能合约一一对应;鉴权智能合约由数据所有者的访问控制策略转换得到;(S2)选取参与鉴权计算的多个共识节点,并根据鉴权元数据从区块链中获取鉴权智能合约,以使各共识节点分别执行该鉴权智能合约后通过共识机制生成最终的鉴权结果;(S3)将鉴权结果返回给数据使用者;(S4)鉴权结束。本发明能够在无需依赖于可信第三方的情况下,保证用户数据安全。

    一种应用于边缘设备的模型训练方法及系统

    公开(公告)号:CN113780535B

    公开(公告)日:2024-06-04

    申请号:CN202111137522.2

    申请日:2021-09-27

    Abstract: 本发明公开了一种应用于边缘设备的模型训练方法及系统,属于模型压缩和迁移学习领域,包括:在边缘设备中加载预训练好的原模型,并识别出其中由Point‑wise卷积层、Depth‑wise卷积层和Point‑wise卷积层依次连接构成的残差块;在残差块的基础上加入对应的轻架构,以将原模型转换为目标模型;轻架构由Group‑wise卷积层和Point‑wise卷积层组成;利用目标任务数据集对目标模型进行训练,并通过两步压缩的方式先后对目标模型中的共享参数和非共享参数进行压缩,从而完成对目标模型的训练和压缩;两步压缩为常规的两步压缩、基于激活值的两步压缩或基于压缩训练的两步压缩。本发明能够提高边缘设备中模型训练效率,并减少模型训练过程以及推理过程中占用的存储空间和计算复杂度。

    一种视频弹幕生成方法
    105.
    发明授权

    公开(公告)号:CN115361595B

    公开(公告)日:2024-04-26

    申请号:CN202210900140.9

    申请日:2022-07-28

    Abstract: 本发明属于计算机视觉领域与自然语言处理的交叉领域,具体涉及一种视频弹幕生成方法,包括:首先对原始的视频及弹幕进行分段处理来降低输入到模型中的信息量,并通过预训练模型进行特征提取,由此来获得视频及弹幕的特征表示;使用堆叠的注意力层来对视频与弹幕的特征进行融合并使用记忆单元来捕获每段之间的上下文信息;通过解码器结构对融合的特征表示进行解码,最终生成新的弹幕评论。本发明通过引入分段机制与记忆单元,解决了使用Transformer结构只能处理固定长度上下文、自注意力机制计算量大、使用静态位置编码造成长距离信息丢失的问题,有效提高了所生成的弹幕评论的质量,还可以对不同长度的视频进行自适应化处理,分段生成多个视频弹幕。

    一种安卓应用流氓行为的识别方法及系统

    公开(公告)号:CN111832021B

    公开(公告)日:2024-04-02

    申请号:CN202010584619.7

    申请日:2020-06-23

    Abstract: 本发明公开了一种安卓应用流氓行为的识别方法及系统,动态运行和遍历待识别的安卓应用,获取安卓应用运行时的界面状态转换图后,通过对安卓应用中流氓广告的特点进行分析,通过对携带有广告的界面上各广告中的文字进行识别,判断界面上的广告是否为包含诱导点击内容的广告;与此同时,基于界面状态转换图,结合启发式规则,实现了包含覆盖可点击组件的广告的识别以及应用退出时的广告的识别,从而能够精确的识别安卓应用中的流氓广告;另外,本发明训练基于随机森林的界面分类器区分安卓应用界面中的弹框界面和非弹框界面,根据识别到的弹框界面,基于启发式规则,能够精确的识别安卓应用中的流氓弹框。

    一种融合多源信息的知识表示学习方法

    公开(公告)号:CN111538848B

    公开(公告)日:2023-09-01

    申请号:CN202010354486.4

    申请日:2020-04-29

    Abstract: 本发明公开了一种融合多源信息的知识表示学习方法,属于自然语言处理技术领域。包括:通过编码器模型将实体的层次类型信息、实体的文本描述信息、图拓扑结构信息和三元组结合,得到多源信息的初步融合结果;将多源信息的初步融合向量输入到解码器模型中进一步训练,得到最终的实体向量和关系向量。本发明提出的编码器‑解码器模型,一方面通过自定义的编码器将实体层次类型信息、实体文本描述信息、图结构信息和原始三元组结合,能更充分地表现出知识图谱中实体和关系的特征;另一方面使用ConvKB模型作为解码器,将编码器生成的结果向量输入卷积神经网络中进行语义匹配,捕获了三元组不同维度间的全局信息。

    一种基于深度学习的自然语言查询方法

    公开(公告)号:CN111522839B

    公开(公告)日:2023-09-01

    申请号:CN202010336575.6

    申请日:2020-04-25

    Abstract: 本发明公开了一种基于深度学习的自然语言查询方法,包括以下步骤:S1、将自然语言问题Q输入到预训练好的句向量模型中,得到对应的句向量;S2、从句向量模型所对应的句向量空间中检索出自然语言问题Q所对应的句向量的最近邻句向量及其自然语言问题,将所得最近邻句向量的自然语言问题的关系数据库表作为自然语言问题Q的目标关系数据库表;S3、将自然语言问题Q与其目标关系数据库表表头拼接到一起,输入到预训练好到的转换模型中,得到其对应的SQL查询语句;S4、采用所得SQL语句在自然语言问题Q的目标关系数据库表中进行查询,得到查询结果。本发明在给定自然语言问题后能够快速确定其目标关系数据库表,在现实场景中查询结果的准确率较高。

    一种基于生成对抗网络的视频密集事件描述方法

    公开(公告)号:CN111368142B

    公开(公告)日:2023-06-06

    申请号:CN202010296654.9

    申请日:2020-04-15

    Abstract: 本发明公开了一种基于生成对抗网络的视频密集事件描述方法,属于深度学习和图像识别领域。包括:构建视频密集事件描述网络;该网络包括:视频特征提取模块,对视频帧进行特征提取,得到视频帧特征;时序动作特征提取模块,利用视频前向传播与反向传播的特点进行视频帧特征学习,得到各个时序动作特征;自然语言编码器,利用注意力机制融合视频帧特征与时序动作特征,得到自然语句;鉴别器,强化自然语句的准确性;利用训练好的视频密集事件描述模型进行视频密集事件描述。本发明充分考虑了视频双向传播的特点,同时学习自然语句生成时充分利用了视频特征及时序动作特征,并构建语法鉴别器与内容鉴别器,有效强化了自然语句准确性。

    一种基于元学习的图像分类模型的训练方法及应用

    公开(公告)号:CN115564987A

    公开(公告)日:2023-01-03

    申请号:CN202211128442.5

    申请日:2022-09-16

    Abstract: 本发明公开了一种基于元学习的图像分类模型的训练方法及应用,图像分类技术领域,在元学习的预训练阶段的第一轮内循环迭代结束时,对子任务模型进行剪枝操作,在保证模型精度的情况下省去了很多不必要的计算,大大减少了预训练阶段以及微调阶段的计算量,降低了元学习微调阶段在移动终端设备上的门槛;与此同时,本发明通过预训练完成后的微调阶段来弥补剪枝所带来的精度损失,能够在不改变模型精度的情况下降低了模型的大小,从而在移动终端设备上实现了快速高效的训练。

Patent Agency Ranking