-
公开(公告)号：CN113449601A
公开(公告)日：2021-09-28
申请号：CN202110591209.X
申请日：2021-05-28
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
Abstract: 本发明提出一种基于渐进性平滑损失的行人重识别模型训练方法，包括：获取训练样本数据；其中，所述训练样本数据包括多个包含行人的视频；将所述训练样本数据输入至初始模型中，得到对应各所述包含行人的视频的帧级别特征和视频级别特征；分别基于所述帧级别特征和所述视频级别特征计算第一损失和第二损失；基于所述第一损失和所述第二损失对所述初始模型的模型参数进行优化，得到行人重识别模型。
-
公开(公告)号：CN110442421A
公开(公告)日：2019-11-12
申请号：CN201910578655.X
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F9/455
Abstract: 本发明提出一种基于Kubernetes的通用服务转换方法和系统，包括：构建由多个节点构成的Kubernetes系统，其中节点的Pod设有用于提供服务的原服务容器，并通过在Pod中新添加容器的方式或通过原容器镜像的方式，在节点的Pod中加入转换程序；每当发生一次服务调用请求，转换容器或程序根据配置，将服务调用请求转换为原服务执行请求，通过调用原服务容器，提供相对应的服务，并转换成该服务调用请求所对应的服务结果。本发明可解决Kubernetes服务与调用者之间接口不一致的问题；并可减少转换程序与服务程序、调用程序之间的网络开销，同时结合Kubernetes特性，服务程序重新部署时，转换程序自动跟随部署。
-
公开(公告)号：CN110287314A
公开(公告)日：2019-09-27
申请号：CN201910418900.0
申请日：2019-05-20
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35
Abstract: 本发明涉及一种基于无监督聚类的长文本可信度评估方法，包括：以已知长文本获取训练数据，提取该训练数据的训练特征以构建训练特征向量集，对该训练特征向量集进行无监督聚类，得到多个训练类心；以待评估长文本获取评估数据，提取该评估数据的评估特征向量；获取该评估特征向量相对该训练类心的评估值，并以该评估值得到该待评估长文本的可信度。本发明通过无监督聚类对长文本进行可信度评估，在实施过程中不需要标注数据，节省了人力、物力与时间，避免了数据中标签稀疏带来的困扰；提取了长文本的文本特征，对于可信度评估任务更加适用，使用该模型得到的文本的可信度更具有可解释性，同时在平台之间可以迁移。
-
公开(公告)号：CN113343810B
公开(公告)日：2023-03-21
申请号：CN202110590381.3
申请日：2021-05-28
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06V20/40 , G06V40/10 , G06V10/774
Abstract: 本发明提出一种基于时序多样性与相关性的行人重识别模型训练方法，包括以下步骤：获取训练样本数据，所述训练样本数据包括多个包含行人的视频序列；将所述训练样本数据输入至初始模型中采样各所述包含行人的视频序列的多帧视频，并且提取所述多帧视频的帧级别特征，聚合所述帧级别特征得到视频级别特征；基于所述视频级别特征计算视频级别损失；基于所述视频级别损失对所述初始模型的模型参数进行优化，得到行人重识别模型。
-
公开(公告)号：CN110427264B
公开(公告)日：2021-11-30
申请号：CN201910578638.6
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F9/50 , G06F16/951
Abstract: 本发明提出一种基于Kubernetes的JS解析方法及系统，包括：多台物理机、采集结果库、系统监控模块和解析任务控制模块；物理机，用于根据任务部署JS解析Pod，执行网页采集，将得到的采集结果存至采集结果库；系统监控模块，用于自动读取物理机的机器信息；解析任务控制模块，用于查询系统监控模块，得到各物理机的机器信息，以计算各物理机应部署的JS解析Pod个数，调用Kubernetes API调整各物理机的JS解析Pod个数。本发明有效的利用了空闲时间执行JS解析相关任务，并减小了JS解析的资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN111832622A
公开(公告)日：2020-10-27
申请号：CN202010531569.6
申请日：2020-06-11
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
Abstract: 本发明提出一种特定人物丑化图片识别方法和系统，包括：获取包含特定人物的图片集，该图片集包括多张漫画和多张照片，该图片集中每张图片标有代表是否丑化的预设标签，以该图片集中漫画和照片分别作为训练数据，训练卷积神经网络模型，得到特定人物漫画识别网络和特定人物照片识别网络；通过前置网络判断待识别图片是否属于漫画，若是，则将该待识别图片发送至该特定人物漫画识别网络，得到该待识别图片的特定人物丑化图片识别结果，否则对该待识别图片进行人脸对比，判断该待识别图片是否包括该特定人物，若是则通过该特定人物照片识别网络，得到该待识别图片的特定人物丑化图片识别结果，否则得到该待识别图片不包括该特定人物的识别结果。
-
公开(公告)号：CN111832621A
公开(公告)日：2020-10-27
申请号：CN202010531567.7
申请日：2020-06-11
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
Abstract: 本发明提出一种基于稠密多路卷积网络的图片分类方法和系统，包括：构建由分组、变换、聚合构成的基本单元，基于该基本单元构建新的稠密模块，将密集连接的卷积DenseNet网络网络框架中原始稠密模块替换为该新稠密模块，得到稠密多路卷积网络；使用已标记类别的图片数据作为训练数据，通过梯度反向传播更新该稠密多路卷积网络中的权重，训练该稠密多路卷积网络，得到图片分类模型；将待分类图片数据输入该分类模型，得到该待分类图片数据的分类结果。本发明提出的稠密多路卷积网络，对DenseNet网络的基本模块进行了改进和优化，以获取表达力更强的特征。
-
公开(公告)号：CN110427264A
公开(公告)日：2019-11-08
申请号：CN201910578638.6
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F9/50 , G06F16/951
Abstract: 本发明提出一种基于Kubernetes的JS解析方法及系统，包括：多台物理机、采集结果库、系统监控模块和解析任务控制模块；物理机，用于根据任务部署JS解析Pod，执行网页采集，将得到的采集结果存至采集结果库；系统监控模块，用于自动读取物理机的机器信息；解析任务控制模块，用于查询系统监控模块，得到各物理机的机器信息，以计算各物理机应部署的JS解析Pod个数，调用Kubernetes API调整各物理机的JS解析Pod个数。本发明有效的利用了空闲时间执行JS解析相关任务，并减小了JS解析的资源消耗。
-
公开(公告)号：CN118657148A
公开(公告)日：2024-09-17
申请号：CN202410681340.9
申请日：2024-05-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F40/205 , G06F40/126 , G06F16/33
Abstract: 本发明提供一种实体关系抽取方法、装置、电子设备以及存储介质，涉及人工智能技术领域。实体关系抽取方法包括：利用注意力模型，处理待处理文本以及目标实体关系词，得到实体关系判别信息；利用实体关系判别信息，得到目标第一命名实体与候选第二命名实体在待处理文本中的第一关联度、目标第一命名实体与目标实体关系词在待处理文本中的第二关联度，以及候选第二命名实体与目标实体关系词在待处理文本中的第三关联度；响应于第一关联度、第二关联度以及第三关联度均大于各自对应的预设阈值，从待处理文本中抽取出目标第一命名实体和候选第二命名实体之间的待抽取的实体关系。本发明可以准确、高效地执行实体关系抽取任务。
-
公开(公告)号：CN118643380A
公开(公告)日：2024-09-13
申请号：CN202410654369.8
申请日：2024-05-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/241 , G06F18/214 , G06F18/22 , G06F16/35 , G06F40/30 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开涉及一种水军识别模型生成方法、水军账号识别方法、装置、设备；方法包括：构建水军账号样本集；所述水军账号样本集包括：多个普通账号在预设时间内的多条动态发文信息以及每条动态发文信息对应的静态账号信息，多个水军账号在预设时间内的多条动态发文信息以及每条动态发文信息对应的静态账号信息；对所述水军账号样本集中的数据进行预处理，得到训练数据集；将所述训练数据集输入预设水军识别模型中进行训练，得到目标水军识别模型。本方法能够高效准确地识别水军账号。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.108 seconds)
