-
公开(公告)号：CN117407870A
公开(公告)日：2024-01-16
申请号：CN202311394745.6
申请日：2023-10-25
Applicant: 厦门理工学院
IPC: G06F21/55 , G06F21/33 , G06F18/2413 , G06F18/21
Abstract: 本发明提出一种基于令牌损失信息的通用对抗攻击检测方法，通过分割目标样本为独立序列令牌，其次计算每个令牌序列的损失权重信息并转为TLV(Token‑Loss Value，TLV)度量值并建立全样本序列查询表T，设定差异性检测器阈值来判断对抗样本，有效的解决了可学习式非实例对抗性样本的扰动检测，且在长短文本上均能取得高性能的表现，在当前任务中达到了最优的检测结果。
-
公开(公告)号：CN116778556A
公开(公告)日：2023-09-19
申请号：CN202310751198.6
申请日：2023-06-25
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于视觉语言模型的人脸属性识别方法及系统，该方法包括：1）给定需要预测的所有人脸属性标签，并获取多张人脸图片及其人脸属性标签，形成人脸属性识别数据集；2）构建基于视觉语言模型的人脸属性识别网络模型，其主要包括视觉编码器、语言编码器和多个视觉语言交互编码器，每个视觉语言交互编码器包括视觉语言交叉注意力模块和自注意力模块，视觉语言交叉注意力模块包含视觉对语言的调节注意力机制和语言对视觉的指导注意力机制；通过人脸属性识别数据集及40个人脸属性标签组合对网络模型进行训练；3）将训练好的人脸属性识别网络模型用于人脸属性识别。该方法及系统有利于获得更加稳定、鲁棒、准确的人脸属性识别结果。
-
公开(公告)号：CN116434143A
公开(公告)日：2023-07-14
申请号：CN202310406803.6
申请日：2023-04-17
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于特征重构的跨模态行人重识别方法，包括以下步骤：1）从数据集中成对抽取多个行人的可见光图片和红外图片，形成可见光训练数据集和红外训练数据集；2）构建基于特征重构的跨模态行人重识别网络模型，所述跨模态行人重识别网络模型主要包括特定特征提取模块、多尺度特征提取模块、Token感知的多尺度特征融合模块和跨模态特征重构模块；通过可见光训练数据集和红外训练数据集对跨模态行人重识别网络模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现跨模态行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。
-
公开(公告)号：CN113486820B
公开(公告)日：2023-06-06
申请号：CN202110780748.8
申请日：2021-07-09
Applicant: 厦门理工学院
IPC: G06V10/75 , G06V10/774 , G06V20/40 , G06T5/50 , G06T7/11
Abstract: 本发明涉及一种基于高效模板更新与选择机制的双向目标跟踪方法，包括以下步骤：构建基于在线学习的目标跟踪器T0；构建在线可靠性评估模块ORE；构建动态模板更新模块DTU；构建自适应模板选择模块ATS；构建基于离线学习的孪生跟踪器T1；根据ORE、DTU和ATS，首先选择将当前视频帧图像输入T0或者T1，第一帧默认选择T0，然后执行相应切换模式下的跟踪策略和模板策略，得到当前帧的最终预测结果。该方法及系统有效结合了基于在线学习跟踪器和基于离线学习跟踪器的优势，可以在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
公开(公告)号：CN114926652A
公开(公告)日：2022-08-19
申请号：CN202210600748.X
申请日：2022-05-30
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于交互与聚合式特征优化的孪生跟踪方法及系统，该方法包括以下步骤：初始化模板图像和搜索区域图像；构建特征提取网络，获得模板多层特征和搜索区域多层特征；构建门控双视角聚合模块优化多层模板特征；构建语义引导的注意力模块实现搜索区域的粗粒度特征优化；构建相关性图聚合模块实现搜索区域的细粒度特征优化；构建头部预测网络，预测出当前帧目标的位置。该方法及系统通过模板特征和搜索区域特征的自注意力聚合及交互来增强目标显著特征，抑制背景噪声，从而在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
Patent Agency Ranking
公开(公告)号：CN112487202B
公开(公告)日：2022-05-06
申请号：CN202011356803.2
申请日：2020-11-27
Applicant: 厦门理工学院
IPC: G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开一种融合知识图谱与BERT的中文医学命名实体识别方法及装置，方法包括：构建知识图谱的数据模型；在医疗网站上爬取疾病简介页面中的相应内容，将所述内容存储在数据库中，并将所述数据库中的数据导出为json文件；根据所述数据模型从所述json文件抽取医学实体和实体关系，构建医疗知识图谱K；识别输入的句子中包含的医学实体，并根据医疗知识图谱将医学实体填充成三元组ε＝(wi,rk,wj)；将三元组注入到句子中，生成句子树；通过嵌入层中的软位置索引和可视层中的可视矩阵对所述句子树进行处理，以解决引入外部知识可能产生的知识噪音问题和BERT模型无法处理图结构句子树的问题。本发明可快速、有效的提取出文本中包含的医学实体，具有较高的准确性。
-
公开(公告)号：CN111581364B
公开(公告)日：2022-05-03
申请号：CN202010370543.8
申请日：2020-05-06
Applicant: 厦门理工学院
IPC: G06F16/332 , G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种面向医疗领域的中文智能问答短文本相似度计算方法，涉及自然语言处理与智能问答领域。该方法针对中文医疗领域，采用SH‑CNN对用户输入的问句与智能问答系统中预设定的问题模板进行向量化，然后提取出两文本中的突出特征进行相似度计算，再结合TF‑IDF的加权处理以获取更具可信性的文本相似度结果。根据结果获得用户输入问句的问题类型，结合使用词性标注方法获取的问句中的医疗实体，构造面向知识图谱的查询语句，并从中检索答案返回给用户。基于该方法所构造的智能问答系统能够快速的为用户提供简洁准确的答案，具有较高的实用价值。
-
公开(公告)号：CN113551923A
公开(公告)日：2021-10-26
申请号：CN202110892345.2
申请日：2021-08-04
Applicant: 厦门理工学院
IPC: G01M17/007 , G01D21/02
Abstract: 本发明提供了一种用于新能源汽车的部件测试系统及计算机储存介质，与现有技术的部件测试系统相比较，所述测试系统包括对待测试的所述新能源汽车的部件进行接收并基于多传感器对所述部件的种类进行自动识别的识别模块、在所述测试系统中对所述部件进行自适应夹持的夹持模块和对所述夹持模块所夹持的所述部件进行结构无损检测的结构检测模块。本发明的所述部件测试系统基于对待测试部件进行自动识别进一步提取相应部件的测试对比的标准信息进行所述部件的定向精准测试工作。
-
公开(公告)号：CN113486820A
公开(公告)日：2021-10-08
申请号：CN202110780748.8
申请日：2021-07-09
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于高效模板更新与选择机制的双向目标跟踪方法，包括以下步骤：构建基于在线学习的目标跟踪器T0；构建在线可靠性评估模块ORE；构建动态模板更新模块DTU；构建自适应模板选择模块ATS；构建基于离线学习的孪生跟踪器T1；根据ORE、DTU和ATS，首先选择将当前视频帧图像输入T0或者T1，第一帧默认选择T0，然后执行相应切换模式下的跟踪策略和模板策略，得到当前帧的最终预测结果。该方法及系统有效结合了基于在线学习跟踪器和基于离线学习跟踪器的优势，可以在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
公开(公告)号：CN112487202A
公开(公告)日：2021-03-12
申请号：CN202011356803.2
申请日：2020-11-27
Applicant: 厦门理工学院
IPC: G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开一种融合知识图谱与BERT的中文医学命名实体识别方法及装置，方法包括：构建知识图谱的数据模型；在医疗网站上爬取疾病简介页面中的相应内容，将所述内容存储在数据库中，并将所述数据库中的数据导出为json文件；根据所述数据模型从所述json文件抽取医学实体和实体关系，构建医疗知识图谱K；识别输入的句子中包含的医学实体，并根据医疗知识图谱将医学实体填充成三元组ε＝(wi,rk,wj)；将三元组注入到句子中，生成句子树；通过嵌入层中的软位置索引和可视层中的可视矩阵对所述句子树进行处理，以解决引入外部知识可能产生的知识噪音问题和BERT模型无法处理图结构句子树的问题。本发明可快速、有效的提取出文本中包含的医学实体，具有较高的准确性。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.035 seconds)
