-
公开(公告)号：CN119474312A
公开(公告)日：2025-02-18
申请号：CN202411601431.3
申请日：2024-11-11
Applicant: 杭州电子科技大学
IPC: G06F16/3329 , G06F16/353 , G06F16/36 , G06F40/30 , G06F40/284 , G06N5/022 , G06N5/04 , G06N3/045 , G06Q50/18
Abstract: 本发明公开一种基于大模型与多种知识库融合的法律问答方法，包括如下步骤：获取用户的输入信息，对输入信息进行意图识别；所述意图识别的结果包括：案件判决预测，撰写法律文书，常规法律问答；收集法律文本，构建罪名知识图谱、向量知识库和法律文书模板知识库；根据意图识别的结果匹配知识库中可用的知识，结合可用知识根据意图识别的结果匹配Prompt并输入大模型中，输出符合用户意图的问答结果。本发明构建不同的知识库，根据用户的特定意图匹配不同的知识库和提示词，从而提高了模型对特定任务的理解，通过思维链方法引导模型进行逐步推理，提高模型输出的可解释性和准确性，满足法律领域需要证据的需求。
-
公开(公告)号：CN117576320A
公开(公告)日：2024-02-20
申请号：CN202311636632.2
申请日：2023-12-01
Applicant: 杭州电子科技大学
IPC: G06T17/00 , G06T7/73 , G06T7/80 , G06V10/32 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于单目彩色图像的三维手部姿态估计方法及其系统。本发明构建三维手部姿态估计模型，通过引入交错更新多尺度图像特征特征的编码器，使编码器的设计不再受限于序列长度，同时融合了多尺度语义信息，帮助生成手部姿态。本发明引入可变形注意力，使得注意力机制仅会对参考点周围的一组固定数量的关键点进行计算，在保证计算效率的同时，提高解码器的表达能力。加入图卷积增强模块，捕获网格顶点间的显式的语义联系，强化特征的空间局部性。本发明在FreiHAND数据集和HO3DV2数据集上进行了训练及评估，相较于以往方法，本发明有较好的效果。
-
公开(公告)号：CN117473985A
公开(公告)日：2024-01-30
申请号：CN202311158204.3
申请日：2023-09-08
Applicant: 杭州电子科技大学
IPC: G06F40/279 , G06F40/205 , G06F40/126 , G06F16/35 , G06F18/241 , G06F18/25
Abstract: 本发明公开了一种基于FGSM的多特征加权融合中文不良文本识别方法。该方法包括步骤：获得预处理后的文本数据；将文本数据中的中文文本中每个字符分别转化为拼音和四角号码；原始文本嵌入表示、字形特征嵌入表示、字音特征嵌入表示，经过融合后得到多特征加权融合嵌入表示；利用多特征加权融合嵌入表示配合文本分类模型进行FGSM对抗训练；经过多特征加权融合后输入训练后的文本分类模型中，输出其分类结果。本发明在原有模型的输入基础上融合了字音和字形特征，同时采取FGSM对抗训练的方式，使模型更加适应于真实世界中的不良文本，提高模型预测的准确率。
-
公开(公告)号：CN112395442B
公开(公告)日：2022-06-14
申请号：CN202011084050.4
申请日：2020-10-12
Applicant: 杭州电子科技大学
IPC: G06F16/535 , G06F16/54 , G06F16/55 , G06F16/583 , G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种移动互联网上的低俗图片自动识别与内容过滤方法。本发明步骤：1.基于两大开源数据集建立用于训练和测试四分类低俗图像数据集；2.进行数据预处理；3.构建多阶段注意力机制的神经网络架构；4.基于四分类低俗图像数据集，对多阶段注意力机制的神经网络架构进行训练，获得注意力机制模型；5.将训练过后的注意力机制模型用数据的测试集进行测试，以验证模型的准确率指标；6.将最优的注意力机制模型用于数据的可视化，以热力图的形式展现出图像的高权重重点区域。本发明通过部署注意力机制，对图像的特征图的关键特征所在的区域进行加权操作。通过热力图的形式对特征图进行了数据可视化，通过可视化实验更好地解释模型的决策过程。
-
公开(公告)号：CN114020906A
公开(公告)日：2022-02-08
申请号：CN202111222502.5
申请日：2021-10-20
Applicant: 杭州电子科技大学
IPC: G06F16/35 , G06F16/332 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于孪生神经网络的中文医疗文本信息匹配方法及系统。本发明采用双向长短期记忆网络构建用于实现医疗中文文本信息匹配的孪生神经网络，使得它能够同时捕获长距离和短距离的依赖，从而将问句对中的两个句子的表达输出为句向量并计算相似度得分，通过得到相似度得分即可实现问句对的匹配判断。这种多语义文档表达的深度学习模型不仅考虑了最终表达向量的相似程度，而且多粒度的匹配可以有效的解决传统的的单语义文档表达的深度学习模型在压缩整个句子中产生的信息损失，提升了匹配效果。
-
Patent Agency Ranking
公开(公告)号：CN112395163A
公开(公告)日：2021-02-23
申请号：CN202011356702.5
申请日：2020-11-27
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于键盘和鼠标操作的计算机是否运行游戏的监测方法，属于计算机应用技术领域。本发明是针对现有检测计算机是否运行游戏的方法缺乏灵活性以及准确率较低的现状，提供了一种通过键盘和鼠标行为来进行判断的方法。本发明方法主要包含三个部分：(1)击键数据的特征提取；(2)BP神经网络模型的构建与训练；(3)实时监测。击键数据的特征提取为BP神经网络模型的训练和实时监测提供数据。本方法可以很好的发现游戏操作的共性特征，具有很好的泛化能力和鲁棒性，在对游戏识别上有极高的准确率，减少了以往方法对于计算机资源的开销以及省去了维护游戏黑名单的成本。同时误检率低，整体表现优异。
-
公开(公告)号：CN110197218B
公开(公告)日：2021-02-12
申请号：CN201910439037.7
申请日：2019-05-24
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于多源卷积神经网络的雷雨大风等级预测分类方法。该方法采用多源卷积神经网络模型对多普勒气象雷获得的多种数据图像进行特征提取，能够融合更多的气象数据信息，提高了对差异性特征的提取；同时方法结合了支持向量机中的分类方法，在中小样本的气象数据训练集上获得的模型有很好的雷雨大风等级预测分类效果。
-
公开(公告)号：CN110909732A
公开(公告)日：2020-03-24
申请号：CN201910972334.8
申请日：2019-10-14
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种图中数据的自动提取方法。方法的主要包括以下步骤：文本区域定位与文本框分类；坐标轴定位，以及坐标轴的刻度标记位置定位；图例的定位与信息提取；根据图例颜色提取对应的柱体或者折线连通分量，并进行过滤和分类；确定X轴关键点并定位每个关键点对应的X轴标签；根据X轴关键点定位柱体和折线的关键点，确定关键点对应的标注数值文本框，并进行数值识别；计算每个像素对应数值，并估计柱体或者折线关键点对应的数值；根据估计值与识别的标注数值之间的差距来确定最终结果。本发明方法能够应对水平布局的柱状图、折线和柱体混合的数据图、不含坐标轴的数据图等各种数据图类型。实验证明方法具有较高的准确率和精确度。
-
公开(公告)号：CN106649624A
公开(公告)日：2017-05-10
申请号：CN201611109737.2
申请日：2016-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于全局关系一致性约束的局部特征点验证方法。本发明包括三部分：离线学习、局部特征点量化和特征点投票验证。离线学习用于视觉词汇词典的构建。局部特征点量化包括三步骤：1.局部特征点的提取。2.特征描述子的量化。3.主方向、尺度和方位量化；视觉词汇验证部分所使用的方法包括两种，一种是弱关系一致性验证，一种是强几何验证。两种方法均采用投票的机制验证候选特征点，步骤类似：1.候选图像与候选特征点的获取。2.通过投票验证候选特征点。本发明能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
公开(公告)号：CN105678349A
公开(公告)日：2016-06-15
申请号：CN201610005159.1
申请日：2016-01-04
Applicant: 杭州电子科技大学
IPC: G06K9/72
CPC classification number: G06K9/723
Abstract: 本发明涉及一种视觉词汇的上下文描述子生成方法。本发明包括离线学习、上下文描述子生成和上下文描述子相似性计算。离线学习用于视觉词汇词典的构建和视觉词汇的评价。上下文描述子生成步骤如下：1.局部特征点的提取和特征描述子的量化；2.上下文的选择；3.上下文中局部特征点的特征提取和上下文描述子的生成。上下文描述子相似性计算依据上下文描述子中局部特征点的方位、主方向和视觉词汇一致性来验证两个上下文描述子中的局部特征点是否匹配，并通过匹配的视觉词汇的反文档频率的和来评价两个上下文描述子的相似性。本发明构建的上下文描述子能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.026 seconds)
