-
公开(公告)号：CN112069397A
公开(公告)日：2020-12-11
申请号：CN202010850844.0
申请日：2020-08-21
Applicant: 三峡大学
IPC: G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了自注意力机制与生成对抗网络相结合的谣言检测方法，包括：收集谣言文本数据形成谣言数据集；基于自注意力机制，构建包含自注意力层的生成对抗网络生成器；构建判别器网络，分别对原始谣言文本和经生成器解码的文本进行谣言检测、分类；对生成对抗网络进行训练，调整生成器的模型参数和判别器的模型参数；提取生成对抗网络的判别器网络，对待检测文本进行谣言检测。本发明相比现有的谣言检测方法，检测精度更高，鲁棒性更好；生成器采用自注意力层，通过对谣言样本的语义学习，构建关键特征，生成富含表现特征的文本样例来模拟谣言传播过程的信息流失、混淆，并通过对抗训练，增强判别器的语义特征识别能力。
-
公开(公告)号：CN109801621B
公开(公告)日：2020-09-29
申请号：CN201910198058.4
申请日：2019-03-15
Applicant: 三峡大学
Abstract: 本发明公开了一种基于残差门控循环单元的语音识别方法，在现有的门控循环单元的基础上，结合残差连接以及非饱和激活函数来改进候选隐状态公式，使门控循环网络在不增加参数量的情况下能够不发生网络退化的进行更深层的训练。最后，通过多组对比实验，证明本发明的算法结构的有效性。
-
公开(公告)号：CN109801621A
公开(公告)日：2019-05-24
申请号：CN201910198058.4
申请日：2019-03-15
Applicant: 三峡大学
Abstract: 本发明公开了一种基于残差门控循环单元的语音识别方法，在现有的门控循环单元的基础上，结合残差连接以及非饱和激活函数来改进候选隐状态公式，使门控循环网络在不增加参数量的情况下能够不发生网络退化的进行更深层的训练。最后，通过多组对比实验，证明本发明的算法结构的有效性。
-
公开(公告)号：CN119691195A
公开(公告)日：2025-03-25
申请号：CN202411664793.7
申请日：2024-11-20
Applicant: 三峡大学
IPC: G06F16/36 , G06F16/35 , G06N3/0464 , G06N3/045 , G06N3/047
Abstract: 本发明所述的一种基于多模态交叉注意力的知识增强关系抽取方法，通过双编码器架构以及交叉注意力机制，有效融合文本与知识图谱信息，显著提高了关系抽取的准确性和鲁棒性。实验结果表明，本发明在多个数据集上均取得了优于现有基线模型的表现，尤其是在处理噪声数据和复杂关系抽取任务方面展现了强大的能力。通过消融实验，我们验证了交叉缝合机制、局部与整体注意力机制对模型性能的关键贡献。此外，本发明在不同噪声比例下的鲁棒性分析中表现优异，显示出该发明在应对远程监督数据噪声问题中的潜力。
-
公开(公告)号：CN114463204B
公开(公告)日：2024-12-17
申请号：CN202210056493.5
申请日：2022-01-18
Applicant: 三峡大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 一种基于双判别器异构CycleGAN的图像去雾系统，它包括第一图像去雾训练模块以及第二图像去雾训练模块，第一图像去雾训练模块包括依次连接的第一图像输入层、去雾生成器GBN、恢复雾生成器#imgabs0#其中，第一图像输入层给去雾生成器GBN输入有雾图像X，去雾生成器GBN给恢复雾生成器#imgabs1#输入无雾图像GBN(X)，恢复雾生成器#imgabs2#输出有雾图像#imgabs3#第二图像去雾训练模块包括依次连接的第二图像输入层、恢复雾生成器FBN、去雾生成器#imgabs4#本发明的目的是为了解决在直接或间接使用CycleGAN的方法进行图像去雾的过程中，造成的相同任务生成器之间的学习混乱问题。
-
Patent Agency Ranking
公开(公告)号：CN118337879A
公开(公告)日：2024-07-12
申请号：CN202410328909.3
申请日：2024-03-21
Applicant: 三峡大学
Abstract: 基于AUTBUS总线的智能船舶数据采集系统，系统包括数据采集、数据传输、数据缓存和数据分发四个部分；在数据采集部分，使用AUTBUS协议转换装置TN将采集设备挂载到AUTBUS总线；在数据传输部分，AUTBUS协议转换装置TN接收来自各类型采集设备发送的不同格式数据，对不同类型的数据进行协议转换，转换为AUTBUS数据帧格式并加密。实现不同厂商生产的工业采集设备之间的无缝连接，提高生产效率和降低维护成本，保证了采集设备的数据在传输过程中的稳定性与安全性；船舶数据采集系统主动向集成平台服务器发送数据，可以满足船舶集成平台智能应用的数据需求。
-
公开(公告)号：CN117689617A
公开(公告)日：2024-03-12
申请号：CN202311514022.5
申请日：2023-11-14
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06T5/73
Abstract: 基于去雾约束网络和串联多尺度注意力的绝缘子检测方法，本发明中联合去雾网络约束是将去雾分支和绝缘子检测分支整合在一起训练，并通过对比损失对去雾特征图和清晰图像进行对比，利用反向传播更新Backbone骨干网络权重参数，用去雾分支来约束Backbone骨干网络以更好地提取有雾图像中的清晰特征。同时引入注意力机制，该框架能够有效地提取有雾图像中的清晰特征，降低雾霾对绝缘子检测的影响。本发明的目的是为了解决雾霾影响物体与背景之间的对比度降低，导致物体的边缘变得模糊的问题。
-
公开(公告)号：CN116828189A
公开(公告)日：2023-09-29
申请号：CN202310710867.5
申请日：2023-06-15
IPC: H04N19/154 , H04N19/86 , H04N19/186 , H04N19/21 , H04N19/137 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及嵌入双重注意力机制的深度学习视频微小运动放大方法。本发明在深度网络的编码器部分加入了坐标注意力机制，把位置信息引入通道注意力特征图，捕获运动目标的远程依赖关系和精确的位置信息，并互补地用于纹理特征提取，增强运动对象纹理特征表示，从而有效减少放大视频的亮度、色彩和纹理的失真；同时在放大器部分嵌入自注意力机制，捕获前后帧形状差异特征的全局上下文信息，有效消减视频帧伪影、噪声和细节轮廓变形等问题。测试结果表明，本发明在运动放大处理后视频的主观视觉及客观评价中有较好的性能，减少了放大后视频帧的振铃伪影和模糊。
-
公开(公告)号：CN114463204A
公开(公告)日：2022-05-10
申请号：CN202210056493.5
申请日：2022-01-18
Applicant: 三峡大学
Abstract: 一种基于双判别器异构CycleGAN的图像去雾框架，它包括第一图像去雾训练模块以及第二图像去雾训练模块，第一图像去雾训练模块包括依次连接的第一图像输入层、去雾生成器GBN、恢复雾生成器其中，第一图像输入层给去雾生成器GBN输入有雾图像X，去雾生成器GBN给恢复雾生成器输入无雾图像GBN(X)，恢复雾生成器输出有雾图像第二图像去雾训练模块包括依次连接的第二图像输入层、恢复雾生成器FBN、去雾生成器本发明的目的是为了解决在直接或间接使用CycleGAN的方法进行图像去雾的过程中，造成的相同任务生成器之间的学习混乱问题。
-
公开(公告)号：CN114022809A
公开(公告)日：2022-02-08
申请号：CN202111265525.4
申请日：2021-10-28
Applicant: 三峡大学
IPC: G06V20/40 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于改进自编码网络的视频运动放大方法，利用改进自编码网络对视频中的细微变化进行放大，所述方法包括：对视频数据进行分解处理，采用分解的前后连续两帧图像作为编码器的输入；利用编码器提取连续两帧图像的形状特征，作为放大器的输入；利用放大器对两帧图像形状特征的像素位移差值进行放大，得到放大的形状特征；利用解码器对前帧图像的纹理特征进行上采样，并将纹理特征与放大的形状特征结合，得到放大帧并输出。本发明的方法实现了视频运动放大图像中形状、纹理特征的完美融合，减少了视频运动放大的亮度、色彩、纹理损失，使浅层特征信息得以保留。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.016 seconds)
