基于检索的多轮对话系统和方法

    公开(公告)号:CN115017286A

    公开(公告)日:2022-09-06

    申请号:CN202210649202.3

    申请日:2022-06-09

    Abstract: 基于检索的多轮对话系统,包括如下模块:表示模块、匹配模块、聚合模块和预测模块;基于检索的多轮对话方法,包括下列操作步骤:(1)表示模块将每一轮次的对话转化为对话的级联向量,将候选答案转化为候选答案的级联向量;(2)匹配模块基于全局注意力机制,动态吸收上下文信息,计算得到匹配向量;(3)聚合模块处理得到短期依赖信息序列和长期依赖信息序列;(4)预测模块计算参与匹配的上下文环境和候选答案的匹配分数;(5)选择匹配分数最高的候选答案作为正确答案。

    用于人体动作识别的特征提取系统和方法

    公开(公告)号:CN113887516A

    公开(公告)日:2022-01-04

    申请号:CN202111269611.2

    申请日:2021-10-29

    Abstract: 用于人体动作识别的特征提取系统,包括如下功能模块:数据扩增模块、动作编码模块、前置任务模块:该模块由空间前置任务子模块和时间前置任务子模块构成和对比学习模块;用于人体动作识别的特征提取方法,包括如下操作步骤:(1)模型训练步骤;(2)特征提取步骤;本发明将前置学习功能和对比学习功能有机结合,使系统能够从未标注的人体骨架序列中,充分提取人体动作特征,并且保留了细粒度时空信息,提高了后续人体动作识别的准确率。

    基于视觉实现手势识别的系统和方法

    公开(公告)号:CN110569817B

    公开(公告)日:2021-11-02

    申请号:CN201910865437.4

    申请日:2019-09-12

    Abstract: 基于视觉实现手势识别的系统,包括如下模块:手部检测模块、手部姿态估计模块和手部姿态估计模块;基于视觉实现手势识别的方法,包括下列操作步骤:(1)将对齐的RGB图片输入到手部检测模块中,得到手的边界框;(2)手部姿态估计模块截取深度图中对应的手的部分,得到手部关键关节点的3D坐标;(3)将所述手部关键关节点的3D坐标输入到手势识别模块,得到数字手势编码;(4)根据数字手势编码,对手势进行相似度度量,从而实现手势识别;本发明的系统和方法具有良好的准确率、实时性和鲁棒性。

    基于计算机视觉和深度学习的数字式电表读数识别方法

    公开(公告)号:CN109344820B

    公开(公告)日:2021-09-17

    申请号:CN201810884093.7

    申请日:2018-08-06

    Abstract: 基于计算机视觉和深度学习的数字式电表读数识别方法,包括下列操作步骤:(1)电表图像预处理过程,包括倾斜矫正、鱼眼矫正和统一图像大小;(2)数字区域检测过程,通过预先训练好的深度神经网络进行数字区域检测;(3)读数识别过程,对数字区域进行分割,并将分割后获得的图像统一分辨率,通过预先训练好的深度神经网络进行识别;本发明方法实现了对数字式电表读数的快速准确读取,实现了电表的自动抄表,省时省力。

    一种基于学习和推理的虚拟网络映射方法

    公开(公告)号:CN105743763A

    公开(公告)日:2016-07-06

    申请号:CN201610212933.6

    申请日:2016-04-07

    CPC classification number: H04L12/4641 H04L41/142 H04L45/12

    Abstract: 一种基于学习和推理的虚拟网络映射方法,包括下列操作步骤:(1)根据历史数据生成底层物理网络节点之间的依赖关系矩阵M;(2)根据虚拟节点对CPU计算资源的需求大小,从大到小对虚拟节点进行排序;(3)根据依赖关系矩阵M、虚拟节点映射的先后顺序和当前待映射虚拟节点与已完成映射的虚拟节点的拓扑关系,采用贝叶斯推理判决选择当前待映射虚拟节点对应的最佳底层物理节点,进行虚拟节点到底层物理节点的节点映射;(4)按照设定的链路映射算法实现虚拟网络上虚拟节点之间的虚拟链路到底层物理网络上物理路径之间的链路映射。

Patent Agency Ranking