-
公开(公告)号：CN103488713A
公开(公告)日：2014-01-01
申请号：CN201310410553.X
申请日：2013-09-10
Applicant: 浙江大学
IPC: G06F17/30
CPC classification number: G06F17/30967
Abstract: 本发明公开了一种可直接度量不同模态数据间相似性的跨模态检索方法。它包括如下步骤：1）特征提取；2）模型建立和学习；3）跨媒体数据检索；4）结果评价。本发明可以直接在不同模态数据之间进行相似度比较，对于跨模态检索任务，用户可以提交任意模态的文本、图像、声音等，去检索他们需求的对应模态结果。本发明与传统跨媒体检索方法的区别在于可以直接进行不同模态数据之间的相似性比较，满足了跨媒体检索的需求，更加直接地实现了用户的检索意图，与其它可以直接度量不同模态相似性的跨媒体检索算法相比，本方法具有较强抗噪音干扰能力和对松散关联的跨模态数据的表达能力，使得检索效果更好。
-
公开(公告)号：CN101082927B
公开(公告)日：2010-05-26
申请号：CN200710069837.1
申请日：2007-07-02
Applicant: 浙江大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于上下文文件系统的文件服务方法，主要包括如下步骤：利用空间中或用户随身携带的各种可计算设备和传感器获得用户在空间中的上下文信息，并确定用户的身份；根据用户历史操作或自定义偏好的历史数据来确定该用户的偏好上下文；根据文件系统中的文件元数据和上下文信息组织构建虚拟目录与虚拟文件；当用户访问虚拟目录与虚拟文件时，用户和环境上下文信息被文件系统记录并和文件语义信息一同保存并发给上下文文件系统。本发明有益的效果是：本发明是一种以主动服务为特性，利用上下文驱动目录、文件组织的分布式文件系统，它能够根据获得的上下文，与本地文件系统中文件的元数据，来重新组织生成虚拟目录与虚拟文件。
-
公开(公告)号：CN119150978B
公开(公告)日：2025-03-14
申请号：CN202411626400.3
申请日：2024-11-14
Applicant: 浙江大学
IPC: G06N5/025 , G06F40/35 , G06F16/36 , G06F16/3329 , G06F16/334 , G06F40/289 , G06N3/0455
Abstract: 本发明公开了一种基于多智能体的网格治理知识图谱构建方法，属于知识图谱构建领域。本发明包括以下步骤：预先设计智能体角色信息，为每个智能体编写智能体提示语，并构建对应的智能体，对照智能体角色信息进行角色对齐，当智能体的实际能力与智能体角色配置存在偏差时，优化智能体提示语，直至生成满足要求的智能体；通过自然语言对话形式构建知识图谱；当有新知识需要补充到构建好的知识图谱中时，由相应智能体按需更新知识图谱，完成知识图谱的构建。本发明的方法充分利用大规模预训练语言模型的习得知识、自然语言处理能力和任务泛化能力，基于多智能体的多视角特点和大规模预训练语言模型的反思机制增强了任务执行结果的质量。
-
公开(公告)号：CN119228653A
公开(公告)日：2024-12-31
申请号：CN202411746338.1
申请日：2024-12-02
Applicant: 浙江大学
IPC: G06T3/4053 , G06T5/50 , G06V40/16 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种应用在视频监控中的人脸超分辨率重建与识别方法及系统，属于深度学习人脸超分辨率重建领域。本发明的方法首先获取实时采集的原始视频流并进行预处理，然后在目标区域内对预处理后的视频流进行人脸位置定位，接着将低分辨率人脸图像输入到训练好的人脸超分辨率重建网络中进行重建，输出重建好的超分辨率人脸图像，最后对重建好的超分辨率人脸图像进行人脸识别，输出人脸识别结果并进行可视化，将识别到的人员进行存储，用于后期审计。本发明旨在通过人脸超分辨率重建网络的强大学习能力，从低质量人脸图像中高效、准确地恢复出高质量的人脸图像，进而为人脸识别系统提供更加清晰可靠的输入，提升整体识别精度和鲁棒性。
-
公开(公告)号：CN113111241A
公开(公告)日：2021-07-13
申请号：CN202110378191.5
申请日：2021-04-08
IPC: G06F16/9032 , G06F16/908 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种博弈对话中基于对话历史和强化学习的多轮对话方法，属于智能体和强化学习模型领域。该方法包括如下步骤：首先将多轮对话作为一个有限重复博弈的过程，存储已经结束的完整多轮对话，构建既往对话历史信息库；然后在一个新的多轮对话中，基于记忆网络构建对手行动估计模型，用当前对话已经进行的轮次去检索对话历史信息库，通过多步估计产生对手下一步策略的估计向量；最后基于编码‑解码模型融合当前对话的信息和估计向量，做出下一步的应答。本发明在多轮对话过程中，将既往对话历史的估计向量和当前对话历史的回应向量进行融合，能够更充分地利用了历史信息，使得对话机器人(智能体)具备更高的适应性、做出更好的应答。
-
Patent Agency Ranking
公开(公告)号：CN111241807B
公开(公告)日：2021-06-29
申请号：CN201911423787.1
申请日：2019-12-31
Applicant: 浙江大学
IPC: G06F40/205 , G06F40/289 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种基于知识引导注意力的机器阅读理解方法。该方法包括如下步骤：(1)利用预训练的词嵌入矩阵得到本文序列的词向量；(2)利用双向GRU网络来对文本中每个单词的上下文信息进行建模；(3)将问题的上下文表示作为初始隐藏层状态输入到单向GRU网络，GRU网络使用基于注意力的回看机制迭代地执行搜索步骤以收集文章中可能用于预测答案的信息；(4)将外部知识作为长期记忆加入回看机制，在回看过程中来引导注意力的焦点，模型会重新分配注意力分数；(5)在单向GRU网络的输出端经过指针网络得到预测的答案。本发明是一个端到端的模型，不需要未标注语料集中除预训练好的词向量之外的数据预处理，因此本发明能在不同的语言和领域的阅读理解中有广泛应用。
-
公开(公告)号：CN112036512B
公开(公告)日：2021-03-26
申请号：CN202011212294.6
申请日：2020-11-03
Applicant: 浙江大学 , 城云科技(中国)有限公司
Abstract: 本发明公开了一种基于网络裁剪的图像分类神经网络架构搜索方法和装置。该方法首先构建神经网络架构搜索的超网络，提出用非标准化的强度因子去拟合网络架构的参数进行学习；然后对学习到的非标准化的强度因子进行按照提供的标准进行网络裁剪，以得到最优的网络架构。本发明在图像分类任务中可以使用较少的参数达到到相对于其他方法更好的性能。
-
公开(公告)号：CN112347965A
公开(公告)日：2021-02-09
申请号：CN202011280036.1
申请日：2020-11-16
Abstract: 本发明公开了一种基于时空图的视频关系检测方法和系统。首先，将视频中的实体集合和它们之间的关系建模为一个全连接的时空图，该图包括时间和空间维度邻域中的实体节点。对于关系检测，本发明提出了一种视频关系检测图卷积网络模型(VRD‑GCN)，用于从上下文中聚合信息并在此时空图中进行推理。一方面，VRD‑GCN通过捕捉实体在时空维度上的几何和外观的相对变化来检测实体之间的动态关系。另一方面，通过将时空图中邻域中的节点和上下文的消息传递给目标实体，VRD‑GCN能够产生更准确和完整的检测结果。在检测到视频片段中的关系实例后，用一种使用孪生网络的在线关联方法将整个视频中的短期关系实例合并。该方法对于视频中的关系检测准确率高。
-
公开(公告)号：CN112036170A
公开(公告)日：2020-12-04
申请号：CN202010918084.2
申请日：2020-09-03
Applicant: 浙江大学
IPC: G06F40/279 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于类型注意力的神经零样本细粒度实体分类方法，具体为：基于目标实体文本中各单词对应的单词向量，计算目标实体文本表示向量；基于句子中目标实体文本两侧各单词分别对应的语境单词向量，获取目标实体文本的基础语境向量；基于目标实体文本中各实体对应的类型，构建实体类型向量；基于目标实体类型向量及基础语境向量，计算两侧单词分别对应的相关注意力值；基于相关注意力值及基础语境向量，计算目标实体文本的相关语境向量；合并目标实体文本的实体表示向量和相关语境向量，获取整个句子的表示向量，利用已创建的实体类型分类器模型，获取目标实体文本属于各给定类别的分值，并有效改善实体细粒度分类的效果。
-
公开(公告)号：CN108287911B
公开(公告)日：2020-04-24
申请号：CN201810103633.3
申请日：2018-02-01
Applicant: 浙江大学
IPC: G06F16/36 , G06F16/35 , G06F40/205
Abstract: 本发明公开了一种基于约束化远程监督的关系抽取方法，包括如下步骤：(1)构建外部知识库；(2)获取文本数据；(3)使用远程监督方法获取包含属性的句子；(4)使用预训练的模型获取句子的置信度信息；(5)用置信度信息规则化网络，计算规范化后验概率，得到关系标签。本发明提出了一种基于约束化远程监督的关系抽取方法，使用远程监督的方法利用现有的知识库，自动生成训练数据，并采用一些优化方法清洗训练数据，从而省去人工标注的部分繁琐工作。本发明还使用规则化后验概率的方法来自动提取文本句子的特征，省去人工工作的同时，提取到更为抽象和更具表达力的特征。该方法在效果上优于传统的关系抽取算法和近年来的一些主流的方算法。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.044 seconds)
