-
公开(公告)号：CN115457643A
公开(公告)日：2022-12-09
申请号：CN202211394678.3
申请日：2022-11-09
Applicant: 暨南大学
Abstract: 本发明提供了一种基于增量技术和注意力机制的公平人脸表情识别方法，包括：构建并训练表情平衡模型，所述表情平衡模型包括：骨干模块、注意力特征融合模块和表情平衡微调模块；将人脸表情图像输入所述骨干模块，提取所述人脸表情图像的表情特征；将所述表情特征输入所述注意力特征融合模块，获取不同表情类别；将所述不同表情类别输入所述表情平衡微调模块，对所述不同表情类别进行调节，输出公平人脸表情识别结果。本发明采用增量技术和注意力机制结合的方式处理表情图像，能够提取代表性不足的表情类别中更细微的特征，从而缓解人脸表情识别中的表情类别偏差，达到公平人脸表情识别的目的。
-
公开(公告)号：CN114385824A
公开(公告)日：2022-04-22
申请号：CN202111512041.5
申请日：2021-12-07
IPC: G06F16/36 , G06F16/951 , G06N5/02 , G06N20/00 , G06F40/289
Abstract: 本发明涉及人工智能伦理技术领域，尤其涉及一种基于预训练模型的伦理行为抽取方法，首先以涵盖伦理道德和人类行为的社会新闻为数据源，构建社会新闻数据集，并使用众包方法对数据集进行标注，再利用具有双向Transformer结构的中文预训练语言模型ERNIE，经过微调的模型编码了实体知识信息，从大量的社会新闻数据中准确的抽取伦理行为，此外预训练模型在标记数据稀缺时准确提取数据的重要特征，能够提高任务的整体性能，解决了中文语境下单词边界和组成成分的不确定性。
-
公开(公告)号：CN113408738A
公开(公告)日：2021-09-17
申请号：CN202110531696.0
申请日：2021-05-17
IPC: G06N20/00
Abstract: 本发明涉及机器学习领域，公开了一种基于强化学习设计伦理智能体的方法，包括从行为规范中归纳并提取出元伦理行为；利用众包技术对元伦理行为进行分级，得到元伦理行为分级；基于轨迹树、元伦理行为分级设计和强化学习算法设计奖励机制；选择生活场景并利用奖励机制进行伦理智能体训练。本发明实现对不同场景中相似行为的概括，能够从广义上概括出人们日常生活中的各类行为，保证了环境的一般性，在一定程度上解决了场景受限的问题；通过众包技术对元伦理行为进行分级统计，即能够节省时间成本；结合元伦理行为分级与轨迹树，完善强化学习中的奖惩机制，高效应对可能遇到的人类行为。
-
公开(公告)号：CN113157913A
公开(公告)日：2021-07-23
申请号：CN202110131238.8
申请日：2021-01-30
Applicant: 暨南大学
Abstract: 本发明基于包含具体行为的社会新闻进行伦理行为判别研究，提出了基于社会新闻数据集的伦理行为判别方法。基于社会新闻构建了社会新闻数据集，并将新闻文本中包含的行为分类为道德行为、不道德行为和违法行为。基于使用信息实体的增强语言表示(ERNIE)和卷积神经网络(CNN)构建了伦理行为判别模型，其中，ERNIE通过捕获新闻文本的多维语义特征获得词向量；CNN通过对文本语义特征进行提取、筛选、拼接等操作，构成文本句子的向量表示，并通过概率计算及归一化处理得到分类结果。经过训练的模型编码了知识信息，可理解行为背后的伦理内涵，从而进行伦理行为判别。
-
公开(公告)号：CN117436130B
公开(公告)日：2024-04-02
申请号：CN202311744142.4
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F21/62 , G06F16/901
Abstract: 本发明涉及数据隐私保护技术领域，特别是涉及一种基于差分隐私的有向图数据安全发布方法，包括：获取图数据，构建有向图并提取各级别的初始节点度信息；构建组合差分隐私机制，向所述节点度信息中添加噪声，获取节点度信息，计算所述节点度信息的敏感度；基于所述敏感度，采用分组策略对所述节点度信息进行降低噪声处理；引入自适应算法优化所述节点度信息，获取最终节点度信息；将所述最终节点度信息输入生成图模型，生成隐私有向图。本发明能够有效保护有向图数据隐私，保留原始图的效用。
-
Patent Agency Ranking
公开(公告)号：CN117408891B
公开(公告)日：2024-03-15
申请号：CN202311714540.1
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。
-
公开(公告)号：CN113407716B
公开(公告)日：2022-08-19
申请号：CN202110529477.9
申请日：2021-05-14
Abstract: 本发明公开了一种基于众包的人类行为文本数据集的构造以及处理方法，首先，确定需要收集的主题对象，依据具体的要求生成任务并发布于众包平台，获得设定主题下所有可能发生的人类示例的文本数据集；对于同一个行为或事件的文本经过不同人的撰写会表现在多个句子，因此需要把描述同一事件的不同句子聚类在一起，因此，对于获取的数据集采用聚类的方式将本属于同一行为的不同文本表现聚为一类；采用关联分析技术挖掘出行为之间存在的先后关系结构；采用互信息技术学习出行为之间存在的互斥关系结构，并将人类行为存在的各种关系构造成一个情节图，即表明在某种情况下会发生什么事件，并限制其发生的方式，提高对人类行为的分析的准确性。
-
公开(公告)号：CN113407716A
公开(公告)日：2021-09-17
申请号：CN202110529477.9
申请日：2021-05-14
Abstract: 本发明公开了一种基于众包的人类行为文本数据集的构造以及处理方法，首先，确定需要收集的主题对象，依据具体的要求生成任务并发布于众包平台，获得设定主题下所有可能发生的人类示例的文本数据集；对于同一个行为或事件的文本经过不同人的撰写会表现在多个句子，因此需要把描述同一事件的不同句子聚类在一起，因此，对于获取的数据集采用聚类的方式将本属于同一行为的不同文本表现聚为一类；采用关联分析技术挖掘出行为之间存在的先后关系结构；采用互信息技术学习出行为之间存在的互斥关系结构，并将人类行为存在的各种关系构造成一个情节图，即表明在某种情况下会发生什么事件，并限制其发生的方式，提高对人类行为的分析的准确性。
-
公开(公告)号：CN117725215A
公开(公告)日：2024-03-19
申请号：CN202311755794.8
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种公平多领域虚假新闻检测方法和装置，包括以下步骤：步骤S1、获取历史新闻数据训练集；步骤S2、根据历史新闻数据训练集，构建双教师知识蒸馏框架；步骤S3、构建双教师知识蒸馏框架整体损失；步骤S4、对双教师知识蒸馏框架整体损失进行基于动量的动态权重调整；步骤S5、根据学生模型和动态权重调整后双教师蒸馏损失，在真实世界新闻数据集上对其进行训练以得到公平假新闻检测模型，同时根据公平假新闻检测模型进行在线或离线检测。采用本发明的技术方案，以解决虚假新闻的领域之间存在偏差的问题，有效地缩小了不同领域之间的性能差距，减缓虚假新闻检测中的领域偏差，并提升了整体性能。
-
公开(公告)号：CN117408891A
公开(公告)日：2024-01-16
申请号：CN202311714540.1
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.037 seconds)
