-
公开(公告)号:CN106709478A
公开(公告)日:2017-05-24
申请号:CN201710098290.1
申请日:2017-02-22
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00369 , G06K9/6256 , G06K9/626
Abstract: 本发明提供一种行人图像特征分类方法和系统,方法包括:对样本数据集中的行人图像样本进行数据扩充;对扩充后的样本数据集中的行人图像样本进行分组,得到多个行人样本组;对样本进行选取,搭建多通道卷积神经网络,通过多通道卷积神经网络对每个样本数据分别进行全局特征和局部特征提取;设置损失函数,计算多通道卷积神经网络的损失值优化多通道卷积神经网络;通过优化后的多通道卷积神经网络分别对各个全局‑局部特征进行特征分类,得到各行人样本组的特征分类。本发明将样本数据进行扩充,满足了三重损失对输入样本要求严格的条件,使用多重损失来优化多通道卷积神经网络更能保证鲁棒性,适用于多个场景进行行人图像特征的处理。
-
公开(公告)号:CN105138679A
公开(公告)日:2015-12-09
申请号:CN201510581178.4
申请日:2015-09-14
Applicant: 桂林电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30194 , G06F17/30132
Abstract: 本发明涉及一种基于分布式缓存的数据处理系统,包括用于将提交来的用户作业分解成多个map任务和多个reduce任务的mapreduce数据处理模块、用于处理map任务的map任务内存处理模块和用于通过reduce任务处理map任务的reduce分布式缓存模块;本发明还涉及一种基于分布式缓存的数据处理方法;本发明的有益效果是:主要服务于map任务,优化map任务处理数据,保证map能在最短的时间内找到目标数据,且以最快的速度传输中间处理结果;能够减少数据传输量,完全实现数据本地化处理,提高数据命中率,从而提升数据处理的执行效率。
-
公开(公告)号:CN117592484A
公开(公告)日:2024-02-23
申请号:CN202311606239.9
申请日:2023-11-28
Applicant: 桂林电子科技大学
IPC: G06F40/30 , G06F40/151 , G06N20/00
Abstract: 本发明提供一种基于投影映射的句子语义匹配模型训练方法及系统,涉及句子语义匹配技术领域;本发明通过将待匹配句子对输入句子语义匹配模型,通过语言模型GPT4对待匹配句子对进行特征提取,得到语义特征;通过特征聚合器的点乘注意力机制对语义特征进行计算,得到关键信息;通过特征蒸馏层的投影组件将语义特征投影到关键信息中,得到匹配信息;对匹配信息进行概率计算,得到匹配概率,通过损失函数对匹配概率进行计算,得到损失值;根据损失值对句子语义匹配模型进行优化,得到优化句子语义匹配模型。通过点乘注意力机制提取待匹配句子对的关键信息,以通过投影定理去除待匹配句子对中的冗余信息,以识别出句子最有效的信息特征。
-
公开(公告)号:CN117591545A
公开(公告)日:2024-02-23
申请号:CN202311600654.3
申请日:2023-11-28
Applicant: 桂林电子科技大学
IPC: G06F16/2452 , G06F16/22 , G06F40/30 , G06N3/044 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种语义解析模型训练方法及系统,方法包括:获取待训练向量序列;将训练向量序列输入第一个保留层,并通过最后一个保留层输出每个词语的屏蔽标记对应的预测屏蔽标记;确定预设的表模式中每列数据与每个预测屏蔽标记之间的预测有向边和预测标签;确定每个预测屏蔽标记对应的每个第五损失值,若各个第五损失值均小于预设值,则将各个第五损失值均小于预设值对应的保留网络作为目标语义解析模型,若各个第五损失值中存在大于或等于预设值的第五损失值,则调整保留网络的参数,直到各个第五损失值均小于预设值。解决了现有的数据表预训练方法忽视了NL问题与数据库模式之间的交互,使得训练模型输出的结果准确性较低的问题。
-
公开(公告)号:CN115759383B
公开(公告)日:2023-09-15
申请号:CN202211414015.3
申请日:2022-11-11
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/08 , G06F16/29 , G06F18/22 , G08G1/01
Abstract: 本发明涉及一种带有分支网络的目的地预测方法、系统及电子设备,包括以下步骤:获取第一轨迹数据,第一轨迹数据表征了车辆在当前行驶过程中产生的行驶轨迹数据;将第一轨迹数据输入预测模型中,通过预测模型确定车辆的第一预测目的地。通过本申请的方案,解决了当车辆想要到达的目的地不属于历史轨迹集时,传统预测方法无法准确预测到达目的地的概率的问题。
-
公开(公告)号:CN116721372A
公开(公告)日:2023-09-08
申请号:CN202310651531.6
申请日:2023-06-02
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , H04N19/503
Abstract: 本发明提供一种视频描述方法、装置、系统以及存储介质,属于视频描述领域,方法包括:S1:构建训练模型,训练模型包括第一编码器、特征提取器以及第一解码器;S2:通过第一编码器对待训练视频进行编码得到待处理视频特征;S3:通过特征提取器对待处理视频特征进行特征提取得到初始视频特征以及视觉特征;S4:通过第一解码器对视觉特征进行解码得到预测标签向量;S5:分析预测标签向量以及初始视频特征与真实标签的损失函数,并根据分析结果得到视频描述模型。本发明能够充分的挖掘视频中的主要信息,同时更好的探索文本语义和视觉内容之间的相关性,有效的提高了视频描述的准确性。
-
公开(公告)号:CN116092159A
公开(公告)日:2023-05-09
申请号:CN202310041250.9
申请日:2023-01-11
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V20/52 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种身份识别方法、装置、系统以及存储介质,属于图像识别领域,方法包括:S1:从预设监控摄像机中获得原始行人图像以及原始人脸图像;S2:通过预构建行人模型对原始行人图像进行特征提取得到原始行人特征;S3:通过预构建人脸模型对原始人脸图像进行特征提取得到原始人脸特征;S4:根据原始行人特征以及原始人脸特征进行校准分析得到校准后行人特征以及校准后人脸特征。本发明能够用于任何不同空间维度的不同模型特征融合,可以在单峰分支之间以最小的网络结构变化进行添加,允许每个分支用现有的预训练权值进行初始化,很好地解决了中间层融合难以实现的问题。
-
公开(公告)号:CN116010591A
公开(公告)日:2023-04-25
申请号:CN202211642538.3
申请日:2022-12-20
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种结合抽取式和生成式方法的摘要重新排序方法及系统,包括以下步骤:获取第一文章,第一文章中包含多个第一句子和多个原始摘要句子;提取各个第一句子,得到多个第一提取句子,第一提取句子为第一文章中具有标志性的句子;根据各个第一提取句子和各个原始摘要句子,确定每个第一提取句子对应的第一摘要句子,第一摘要句子为根据第一提取句子预测得到的摘要;根据各个第一摘要句子,确定每个第一摘要句子对应的token,token为一个字或一个词根据各个token,确定第一目标摘要。本申请实现了生成的摘要准确率更高。
-
公开(公告)号:CN110796072B
公开(公告)日:2023-04-07
申请号:CN201911032470.5
申请日:2019-10-28
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V40/10 , G06V10/764
Abstract: 本发明公开了一种基于双任务学习的目标跟踪及身份识别方法,涉及目标跟踪及识别领域,技术方案为,抓拍人脸及行人图片,同时记录抓拍时间和地点,对两个位置的摄像头拍摄到的图片进行人脸相似度结果识别和行人特征识别;确定两个摄像头获取图片为同一目标行人;将确定为同一目标行人的人脸识别和行人特征识别信息整合为全局特征;结合时空信息确认目标行人的行为模式特征,所述时空信息包括上传至服务器的抓拍时间和地点信息;通过获取的行为模式特征及全局特征进行目标行人识别。本发明的有益效果是:本发明利用多个人脸摄像头抓拍点抓拍人脸及行人图片,缓解了复杂场景下,目标跟踪及身份难以确定的技术挑战,此方法方式更加友好。
-
公开(公告)号:CN115759383A
公开(公告)日:2023-03-07
申请号:CN202211414015.3
申请日:2022-11-11
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/08 , G06F16/29 , G06F18/22 , G08G1/01
Abstract: 本发明涉及一种带有分支网络的目的地预测方法、系统及电子设备,包括以下步骤:获取第一轨迹数据,第一轨迹数据表征了车辆在当前行驶过程中产生的行驶轨迹数据;将第一轨迹数据输入预测模型中,通过预测模型确定车辆的第一预测目的地。通过本申请的方案,解决了当车辆想要到达的目的地不属于历史轨迹集时,传统预测方法无法准确预测到达目的地的概率的问题。
-
-
-
-
-
-
-
-
-