-
公开(公告)号：CN114638988A
公开(公告)日：2022-06-17
申请号：CN202210249839.3
申请日：2022-03-14
Applicant: 华中师范大学
IPC: G06V10/764 , G06V10/82 , G06V20/40 , G06V40/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/75 , G06F16/783 , G06Q50/20
Abstract: 本发明属于人工智能技术领域，公开了一种基于不同呈现方式的教学视频自动化分类方法及系统，以三个卷积神经网络模型，通过自训练的两个YOLOV4目标检测神经网络模型和人体关键点检测技术可以准确的定位教学视频分类所需要的信息，解决了教学视频背景和人物特征改变不明显的问题，增加了特征提取的准确度。自建的卷积神经网络模型的结构适合进行Interview型和Head型两种教学视频分类，网络深度对比经典的几种视频分类算法来说刚好合适，减少了计算机硬件耗能。使用其它相关的图像数据集预处理后作为所需的训练集，突破了教学视频数据集上的瓶颈。提供了一种新的教学视频分类方式，提高了教学视频分类的正确率和效率。
-
公开(公告)号：CN114494903A
公开(公告)日：2022-05-13
申请号：CN202210069992.8
申请日：2022-01-21
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于多方向局部差异测度与熵加权的红外小目标检测方法，包括：步骤一，通过多方向局部差异测度来增强目标并抑制杂波背景，步骤二，利用熵来表征目标与背景之间的异质性，进一步增强目标，同时生成显著图。步骤三，采用自适应阈值操作从背景中分割出目标。本发明提出了一种多方向局部差分测度方法，设计了多方向卷积核能够有效的解决所定义的背景区域随目标单元格的增长而成比例增长造成的问题，对目标及其周围局部纹理结构的尺寸变化具有较强的鲁棒性，从而显著降低了误报率。本发明对于复杂背景中的红外小目标检测能在增强目标的同时有效的抑制背景，具有更高的检测率和低虚警率。
-
公开(公告)号：CN110516116A
公开(公告)日：2019-11-29
申请号：CN201910796774.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种多步分层的学习者认知水平挖掘方法及系统，结合布鲁姆认知领域目标分类及认知心理，构建试题-知识认知水平矩阵P，综合学习者知识认知水平矩阵和试题-知识认知水平矩阵构建学习者理想答题矩阵，利用极大似然估计挖掘学习者知识掌握候选集合；对候选集合内元素的全局期望进行综合判断，获取学习者最终的知识认知水平，并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后，利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂，辅助学习者及时调整学习方案；模型挖掘出的试题隐参数可以评估组成此次测试的试题质量，提高了测试准确性与可信度。
-
公开(公告)号：CN109545227A
公开(公告)日：2019-03-29
申请号：CN201810402685.0
申请日：2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于声纹识别技术领域，公开了一种基于深度自编码网络的说话人性别自动识别方法及系统，利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型；提取注册数据的i-vector；提取测试数据的i-vector；训练深度自编码网络；模式匹配与识别，并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中，将深度自编码网络强大的学习能力用于表征不同性别的说话人特征，不仅实现了特征的再提取，同时降低了特征维数，从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别，尝试提高说话人识别系统的鲁棒性。
-
公开(公告)号：CN108766464A
公开(公告)日：2018-11-06
申请号：CN201810572148.0
申请日：2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域，公开了一种基于电网频率波动超矢量的数字音频篡改自动检测方法，分析电网频率(ENF)信号中对信号截断敏感的相位谱和瞬时频率谱，分别提取有效特征集，并对提取出的特征集进行融合；仅使用大量的原始语音信号，其中包含各种信噪比的语音信号，甚至还有一些有缺陷的语音信号进行背景建模，与实际检测情况较为相符，也因此该背景模型对信号篡改类型不敏感，可以有效检测出各种类型的篡改音频。本发明建立了同类语音信号的一致性模型，经过自适应过滤掉了大量与本类属性无关的特征，并且其中的自适应部分还可以供使用者自行调整，具有较好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117271776A
公开(公告)日：2023-12-22
申请号：CN202311391471.5
申请日：2023-10-25
Applicant: 华中师范大学
Abstract: 本发明属于个性化学习技术领域，公开了一种基于多标签的难度‑知识点‑解题思路试题标注方法及系统，构建一个涵盖难度、知识点、解题思路的标注体系。通过采集试题数据，收集了题干、答案、解析等文本信息，并基于难度、知识点和解题思路为试题打标签，形成一个数据集。为处理包含数学公式的文本，该系统进行了特殊的预处理，并采用TF‑IDF与Word2vec技术对文本进行嵌入表示。这些表示经过融合后，为试题提供了丰富的特征。进一步采用深度神经网络模型，对试题难度进行分类，并实现了知识点和解题思路的多标签分类。本发明的方法准确预测了试题的难度、知识点层级和解题思路，尤其适用于在线教育平台，可大大降低人工标注成本，具有高商业价值。
-
公开(公告)号：CN117152812A
公开(公告)日：2023-12-01
申请号：CN202311075291.6
申请日：2023-08-24
Applicant: 华中师范大学
Abstract: 本发明公开了基于多特征融合和三交叉注意力机制的表情识别方法和系统，包括：通过特征提取算法获得LBP特征图像以及HOG特征图像，通过融合操作获得LBPHOG融合特征图像；将原始表情图片和LBPHOG融合特征图片输入到多特征提取模块，两个输入流分别经过不同的预训练卷积神经网络以提取lbphog‑landmark特征子块、image特征子块以及image‑landmark特征子块；利用卷积层将三个特征子块进行维度对齐；为每个特征子块分别拓展词向量维度后拼接三个特征子块，将位置编码参数融合进拼接后的特征块，将拼接后的特征块输入三交叉注意力模块，获取经三交叉注意力模块计算的注意力矩阵；将注意力矩阵输入SE‑Block以及全连接层网络，获取表情识别结果。本发明提升了自然条件下表情识别精度。
-
公开(公告)号：CN117076693A
公开(公告)日：2023-11-17
申请号：CN202310843136.8
申请日：2023-07-11
Applicant: 华中师范大学
IPC: G06F16/41 , G06F16/45 , G06F16/483 , G06F18/25 , G06F18/22 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/094 , G06N3/096 , G06Q50/20
Abstract: 本发明公开了一种数字人教师多模态大语言模型预训练学科语料库的构建方法，该方法包括以下步骤：1)从各种学科相关的文献、教材、课程资料、学术期刊、网站等来源收集学科相关的多模态数据；2)对收集到的原始语料数据进行预处理；3)基于深度学习的模型对多模态数据进行特征提取和表征学习；4)对预训练模型进行领域自适应和微调；5)根据语料划分的结果，将语料数据组织成一种结构化的语料库形式，以便后续的语料库检索和应用；该方法通过采用自动化的方法进行教育数字人学科语料库的构建，提高了构建效率，减少了人工成本，能够更好地满足该领域的研究和应用需求，同时为教育数字人学科的发展和应用提供了重要的技术支持。
-
公开(公告)号：CN115424336A
公开(公告)日：2022-12-02
申请号：CN202210936778.8
申请日：2022-08-05
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于多视觉线索融合的在线学习投入识别方法，首先本发明面向大规模在线学习投入感知需求，从多视觉线索角度出发，挖掘在线学习投入的关联视觉线索，构建在线投入多维细粒度表征模型；其次，将时间序列的特征学习问题转化为基于图的特征学习问题，提出基于互信息正则化的图网络模型，同时，为本发明所采用的机器学习方法提供训练支持，构建了基于多视觉线索的学习投入感知数据库；最后构建融合多视觉线索的细粒度学习投入识别方法，并在此基础上设计基于投入图的粗粒度学习投入识别方法整合细粒度变长学习投入序列，最终实现多粒度在线学习投入识别，满足实际应用中多层次、多阶段的学习投入感知需求。
-
公开(公告)号：CN112508334A
公开(公告)日：2021-03-16
申请号：CN202011233044.0
申请日：2020-11-06
Applicant: 华中师范大学
Abstract: 本发明属于智能教育技术领域，公开了一种融合认知特性及试题文本信息的个性化组卷方法及系统，首先利用认知诊断模型预测学习者在特定试题上基于认知水平的得分；然后利用循环神经网络模型预测学习者在特定试题上的基于文本信息的得分；然后基于得到的学习者基于认知水平、基于文本信息的预测得分构建概率矩阵分解目标函数，预测学习者在特定试题上的潜在得分；最后利用估计的学习者知识掌握向量与学习者增量知识掌握向量，计算KL散度，结合学习者在试题上的潜在得分，选取让学习者知识掌握趋势增加，且难度合适的试题组成个性化测试的试卷。本发明可根据测验目标与试题难度自定义组卷结果，极大增加了学习者自主学习的效率。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.019 seconds)
