-
公开(公告)号：CN115688786A
公开(公告)日：2023-02-03
申请号：CN202211386894.3
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F40/295 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于Bi‑LSTM的法律命名实体识别方法，属于自然语言处理领域。本发明结合词向量训练和深度学习方法，对自然语言处理领域的命名实体识别任务进行了深度的改进和优化，使其兼顾准确性与模型复杂度地问题。本发明首先进行文本预处理，减少原始文本数据中大量干扰信息；然后对处理后的语料进行词向量训练，基于skip‑gram模型训练词向量。本发明提出利用Bi‑LSTM完成语料特征提取地方法，结合CRF限制标签间的关系以及进行结果校正，解决法律领域命名实体识别问题。
-
公开(公告)号：CN115661805A
公开(公告)日：2023-01-31
申请号：CN202211368439.0
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于改进的Faster RCNN的车牌识别方法，包括以下步骤：步骤1：选择VGG16作为提取车牌字符特征的主干网络，将获取的图片输入特征网络，进行卷积和池化，得到共享特征特征图；步骤2：采用RPN网络检测车牌位置的候选框；步骤3：通过以Fast RCNN检测器为基础的车牌检测网络获得车牌图片，车牌检测网络的目标在于精修ROI(Region of Interests)候选框的坐标，获得车牌的最终边框；步骤4：将提取的车牌边框内的信息输入LPRNet网络模型，提取车牌信息。本发明利用Faster RCNN网络模型识别出图片中的车牌边框的位置，再通过LPRNet网络模型对车牌边框内的图像进行整体卷积形成识别序列，提取车牌信息，识别的精准度更高。
-
公开(公告)号：CN115565699A
公开(公告)日：2023-01-03
申请号：CN202211387474.7
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G16H80/00 , G06F40/289 , G06N3/04 , G06N3/08 , G06Q10/06
Abstract: 本发明公开了一种基于BERT的临床医学对话的意图识别办法，本发明涉及自然语言处理和问答系统领域，结合BERT模型与BiLSTM模型，形成新的IEBERT‑BiLSTM算法来进行问答系统意图的分类。本发明对传统的BERT模型进行了优化。引入记忆模块，将上一轮或者多轮的意图结果存储到记忆单元，在当前语句进行词向量之前，嵌入记忆单元的历史意图状态，再进行词向量化，增强了对邻次的输入数据进行综合考虑，保留了上下文的依赖关系；对传统的BiLSTM模型引入注意力机制，通过计算词与词之间的相似度去挖掘信息，在一定程度上降低噪点影响并提升用户意图的特征信息权值，提高模型的分类和预测效果。
-
公开(公告)号：CN115225625A
公开(公告)日：2022-10-21
申请号：CN202210892034.0
申请日：2022-07-27
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州) , 电子科技大学天府协同创新中心
IPC: H04L67/025 , H04L67/10 , H04L67/12
Abstract: 本发明公开一种基于远程控制的云化学分析系统，包括用户终端、云实验平台和本地分析系统；所述用户终端作为云实验平台的入口，用于提交用户的需求参数并获取和查看实验的进度和结果；所述云实验平台包括服务层、业务层、智慧层、控制层和持久层，服务层负责用户终端和本地分析系统的服务接入，业务层用于处理云实验平台内部的业务流程，智慧层用于生成实验策略，持久层负责业务数据的存储和状态维护，控制层负责对本地分析系统的远程调度；所述本地分析系统包括实验室客户端和实验设备，实验室客户端用于接收云实验平台下发的指令并驱动对应的实验设备完成指令，并向云实验平台反馈实验结果。本发明提供一种不受时间、空间限制的远程分析系统。
-
公开(公告)号：CN116152490A
公开(公告)日：2023-05-23
申请号：CN202211396440.4
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06N3/0442 , G06N3/049 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于残差块和密集连接的水体分割方法。遥感图像中的水体区域通常具有多尺度特征，因为水体区域由不同类型的水体组成。因此，从遥感图像中准确检测水体仍然是一个具有挑战性的问题。UNet取得了最先进的成果，但该网络也有一些局限性。本文针对连续的卷积层序列导致学习不同的特征，在某些情况下，它也可能导致学习冗余特征，添加更多层会导致更高的训练误差以及为了避免过度拟合并加速训练过程的问题。在UNet编码器部分，增加了残差块以及批归一化处理；为了克服神经网络在训练中长期依赖的梯度消失问题，在UNet解码器部分引入了卷积长短期记忆网络并使用它将特征处理为两个方向：向前和向后，称为BConvLSTM。以此来更好地实现水体分割。
-
Patent Agency Ranking
公开(公告)号：CN115861615A
公开(公告)日：2023-03-28
申请号：CN202211533914.5
申请日：2022-12-01
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于二维三维信息双向交互的三维点云语义分割方法。该发明可以进一步增强以U‑Net为代表的U型网络的信息利用效率，加强其在不同场景下的泛化性能。以往的工作，将点云投影到二维平面或直接利用点，只是利用单独的二维或者三维信息，忽略了规则的2D图像具有细粒度的纹理信息，而不规则的3D点云包含了丰富的几何信息，两者所携带的信息是可以相互补充的。本发明提出的基于二维与三维信息双向交互的三维点云语义分割算法，通过构建3D体素与2D像素对应的投影矩阵，在相同的解码器层级，跳跃链接2D和3D的特征，为网络提供具有丰富纹理信息的2D特征和具有丰富几何信息的3D特征，实现了2D信息与3D信息的双向交互。
-
公开(公告)号：CN115830322A
公开(公告)日：2023-03-21
申请号：CN202211546722.8
申请日：2022-12-01
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于弱监督网络的建筑物语义分割标签扩充方法。目前基于深度学习在建筑物提取方面存在着像素级注释的大型、细粒度图像分割数据集很难获得的问题。弱监督学习可以通过依赖较弱的注释形式(如标签)来训练模型。在这里，我们学习如何在对抗性游戏中使用潦草注释进行分割。使用未配对的分割掩码，我们可以多尺度生成多个分辨率的真实分割掩码，同时我们使用涂鸦来学习它们在图像中的正确位置。该模型成功的核心是一种新颖的注意力控机制，我们使用对抗信号作为形状先验，从而在多尺度上获得更好的目标定位。作为对抗条件反射的主体，这些单元学习语义性的注意力特征图，抑制物体外部的噪声激活，并减少片段更深层次的消失梯度问题。
-
公开(公告)号：CN115796071A
公开(公告)日：2023-03-14
申请号：CN202211379642.8
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/28 , G06F30/25 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于体表征元尺度LBM方法的气体吸附模型。该发明根据多孔介质渗流理论提出使用格子玻尔兹曼方法对多孔介质中气体吸附的过程进行模拟的方案。选择合适的多孔介质格子玻尔兹曼模型以及适当的物理吸附方程，建立多孔介质对气体吸附的物理模型，根据宏观渗流控制方程，边界处理条件使用非平衡态外推格式，编写程序，完成对体表征元尺度的多孔介质气体吸附数值模拟。
-
公开(公告)号：CN115761845A
公开(公告)日：2023-03-07
申请号：CN202211368669.7
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于改进的MTCNN的人脸检测方法。我们首先在通过一种使用生成对抗网络的超分辨率技术——SRGAN，将低像素图像转换为高像素图像，SRGAN使用反学习方法，结合像素均方误差、VGG高维特征均方误差和针对训练损失的深度卷积网络来实现超分辨率恢复。在原有MTCNN网络结构中创新性地引入了InceptionV2网络结构，提高了网络的学习性能，既保留了原有网络结构的优点，又进一步提高了人脸检测算法的效率和准确性。该模块通过对特征图进行三种不同的卷积(1×1,3×3,5×5)来提取更多的特征。不同的卷积检查对不同位置的人脸具有不同的学习效果。使用不同的卷积核进行学习可以更好地达到理想的学习效果。
-
公开(公告)号：CN115761118A
公开(公告)日：2023-03-07
申请号：CN202211395904.X
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T17/00 , G06T3/40 , G06T17/10 , G06T5/00 , G06N3/0499
Abstract: 本发明基于SSRNet网络设计了一种可拓展的表面重建的方法，该网络将大规模点云进行分块处理，并以八叉树顶点为中心点来构造局部空间的几何感知特征，弥补了传统的表面重建方法只能处理小范围的点云，难以满足对大场景以及精细表面的重建需求。本发明首先以PointNet++网络为基础，将网络层数由2层增加为3层，提取出点云的局部特征，再用八叉树结构来划分点云，将八叉树顶点作为分块的局部空间的中心点，提取出局部空间的全局特征，并增加Dropout结构来防止过拟合，然后使用SSRNet对八叉树的顶点标签进行预测，再将分块处理的部分组合起来形成全局场景，通过Marching Cubes提取目标物的表面，最后使用拉普拉斯算法对表面进行平滑细化，最终完成表面重建的任务。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.03 seconds)
