-
公开(公告)号：CN119807540A
公开(公告)日：2025-04-11
申请号：CN202510299772.8
申请日：2025-03-14
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9535 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/2431 , G06F18/22 , G06F40/30 , G06F40/216 , G06N5/022 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于检索匹配领域，提供了一种基于用户画像特征融合的标准化需求检索匹配方法及系统，对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征；对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征；将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征；对交叉融合特征进行特征映射，得到三个不同的用户画像指标映射向量，本发明对标准化编写用户画像特征进行抽取将用户画像特征进行总结归纳，形成特征指标集合；对文本中包含的语义信息进行学习，将特征抽取任务转化为特征指标分类任务，使用户画像刻画的更精准。
-
公开(公告)号：CN119181106A
公开(公告)日：2024-12-24
申请号：CN202411417968.4
申请日：2024-10-11
Applicant: 山东师范大学 , 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
IPC: G06V30/412 , G06V30/416 , G06V30/414 , G06V10/82 , G06V30/19 , G06F40/151 , G06F40/289 , G06V30/148 , G06N3/0455 , G06N3/0499
Abstract: 本发明提供了一种表单内容提取方法及系统，所述方案包括：获取待内容提取的表单图像；基于获得的表单图像，进行文本及其对应的文本位置信息的提取；基于提取的文本及其对应的文本位置信息，利用预先训练的文本标签识别模型，实现对表单内文本的标签识别；基于获得的文本以及文本标签，实现表单内容的提取。
-
公开(公告)号：CN118196089A
公开(公告)日：2024-06-14
申请号：CN202410605255.4
申请日：2024-05-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/096
Abstract: 本发明属于视觉缺陷检测领域，提供了一种基于知识蒸馏的玻璃容器缺陷检测网络轻量化方法及系统，包括对玻璃容器缺陷图片进行缺陷类别筛选、标注和数据预处理；采用搭建置信度蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出置信度最高且互不重叠的多个预测框并训练学生模型进行置信度蒸馏；搭建全局蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出多尺度特征并重新加载和训练好的学生模型权重进行全局蒸馏；利用置信度蒸馏分支和全局蒸馏分支实现对缺陷检测网络的轻量化。
-
公开(公告)号：CN117933831B
公开(公告)日：2024-06-11
申请号：CN202410338056.1
申请日：2024-03-25
Applicant: 山东山科数字经济研究院有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: G06Q10/0639 , G06Q10/10 , G06F16/33 , G06F16/35 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及项目绩效评估的大数据分析领域，公开一种基于机器学习可训练的项目绩效评估方法及系统，属于信息化项目绩效评估评审领域。该方法包括以下步骤：（1）获取目标项目的数据材料，并进行特征要素提取，构建目标项目的实施特征集合；（2）根据特征要素与评估属性进行标签匹配，根据标签匹配结果对特征要素进行分类；（3）利用不同分类的评估准则和绩效制度对项目绩效进行评估，并根据评估结果对项目实施过程中和项目验收的工作表现进行评价打分。该系统包括数据输入模块、特征提取模块、属性分类模块和绩效评估模块。本发明提升了数据收集、数据评估和数据审核等过程中的工作效率，并实现了绩效评估的准确性、全面性和客观性。
-
公开(公告)号：CN118154603A
公开(公告)日：2024-06-07
申请号：CN202410578270.4
申请日：2024-05-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，提供了一种基于级联多层特征融合网络的显示屏缺陷检测方法及系统，液晶显示屏缺陷检测模型包括用于提取图像特征的残差特征提取网络，用于融合图像中浅层细粒度信息和深层语义信息的级联多层特征融合网络，以及用于确定缺陷类别、位置和置信度信息的目标识别网络；设计的残差特征提取模块，利用深度卷积模块和逐点卷积模块有效捕捉图像中的细粒度特征的同时降低模型参数量，提高模型检测速度；在特征提取网络设计特征增强模块，同时考虑液晶显示屏缺陷的细节特征和整体结构，能够提取更重要、更明显的缺陷特征，提高了模型对不同类型缺陷检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117853491B
公开(公告)日：2024-05-24
申请号：CN202410262991.4
申请日：2024-03-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于数字图像处理和计算机视觉领域，提供了基于多场景任务下的少样本工业产品异常检测方法及系统，其技术方案为：将多场景下多种类别的工业产品图像数据集划分为训练集和测试集，所述训练集只包含正常产品图片，将测试集分为支持集和查询集，其中，支持集仅包含正常产品图片，查询集包括各类异常产品图片和对应的正常图片；利用深度对比学习方法构建双孪生网络框架，通过双孪生网络框架构建训练集对应的多场景任务下正常产品的特征分布的目标检测模型；基于训练后的多场景任务下正常产品的特征的目标检测模型建立支持集的特征分布，并通过查询集进行工业产品异常检测得到异常检测结果，可有效地解决实际工业多场景变换下存在的各种问题。
-
公开(公告)号：CN117933831A
公开(公告)日：2024-04-26
申请号：CN202410338056.1
申请日：2024-03-25
Applicant: 山东山科数字经济研究院有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: G06Q10/0639 , G06Q10/10 , G06F16/33 , G06F16/35 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及项目绩效评估的大数据分析领域，公开一种基于机器学习可训练的项目绩效评估方法及系统，属于信息化项目绩效评估评审领域。该方法包括以下步骤：（1）获取目标项目的数据材料，并进行特征要素提取，构建目标项目的实施特征集合；（2）根据特征要素与评估属性进行标签匹配，根据标签匹配结果对特征要素进行分类；（3）利用不同分类的评估准则和绩效制度对项目绩效进行评估，并根据评估结果对项目实施过程中和项目验收的工作表现进行评价打分。该系统包括数据输入模块、特征提取模块、属性分类模块和绩效评估模块。本发明提升了数据收集、数据评估和数据审核等过程中的工作效率，并实现了绩效评估的准确性、全面性和客观性。
-
公开(公告)号：CN117190078B
公开(公告)日：2024-02-09
申请号：CN202311450870.4
申请日：2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统，涉及氢能源和数据处理技术领域，该方法包括：获取当前设定时间步长的输氢管网监测数据，提取时间变量序列数据和动态变量序列数据；将提取的数据输入至时序预测模型中，通过时间特征嵌入层和动态特征嵌入层，提取时间特征嵌入和动态特征嵌入，并通过时序编码器和动态编码器分别进行编码，将编码后的特征嵌入输入至转码器中进行融合，输出融合后的变量矩阵；最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码，输出预测值；将预测值和实际观测值的差值与设定阈值进行比较，实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号：CN117132584A
公开(公告)日：2023-11-28
申请号：CN202311227287.7
申请日：2023-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于深度学习的液晶显示屏瑕疵检测方法及装置，涉及计算机视觉目标检测技术领域，通过设计轻量化特征提取网络，在保证液晶显示屏瑕疵特征提取能力的基础上减少计算量，提高模型的检测速度；设计跨层多尺度特征融合网络，高效的融合特征提取网络的浅层细粒度信息和深层语义信息；设计精细化预测网络，包括特征聚合器和特征提纯模块，特征聚合器融合了多层次的特征，提取更多上下文信息，增强细粒度特征的提取；特征提纯模块抑制了不同尺度特征图的冲突信息，减少语义差异，提高了模型对液晶显示屏瑕疵检测的准确率。
-
公开(公告)号：CN116992870A
公开(公告)日：2023-11-03
申请号：CN202311242919.7
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F40/279 , G06F16/28 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非对称核函数的文本信息实体关系抽取方法及系统，涉及实体关系抽取技术领域，包括：获取目标文本的句子向量、实体掩码和关系掩码；所述关系掩码中包括实体词的掩码、处于实体词窗口内的周围词的动态掩码和处于实体词窗口外的边缘词的掩码；对句子向量进行特征编码；根据得到的特征向量和实体掩码得到实体向量，根据特征向量和关系掩码得到关系向量，将实体向量和关系向量作为参数以构建非对称核函数；根据非对称核函数确定目标实体对与每个关系的关联度，由此确定目标实体对在目标文本中的关系。实现对关系语义的聚焦，具有良好的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.083 seconds)
