-
公开(公告)号：CN119558308A
公开(公告)日：2025-03-04
申请号：CN202411501842.5
申请日：2024-10-25
Applicant: 中国科学院信息工程研究所
IPC: G06F40/211 , G06F40/295 , G06F40/216 , G06F16/334
Abstract: 本发明涉及一种面向开放世界稀疏语料的少样本属性抽取方法和系统。该方法首先应用无监督元模式抽取方法来指导序列到序列生成模型的训练，从而降低训练集的稀疏性；然后，设计了“生成后过滤”流程，以从输入语料中抽取所有有价值的属性三元组；使用束搜索来获取多个候选项，并通过筛选模块从候选项中选出高质量的属性三元组。此外，本发明还提出了一个名为OSN‑515的基准数据集，以帮助评估从稀疏语料库中抽取开放世界少样本属性的效果。实验结果表明，本发明的框架明显优于基线框架，消融研究证明了模型各部分的有效性。
-
公开(公告)号：CN118313459A
公开(公告)日：2024-07-09
申请号：CN202410400398.1
申请日：2024-04-03
Applicant: 国网江苏省电力有限公司 , 中国科学院信息工程研究所
IPC: G06N5/04 , G06F40/295 , G06F40/242 , G06F16/36 , G06N5/025
Abstract: 本发明公开一种基于模式项感知的知识库问答方法、装置及设备，属于人工智能技术领域。所述方法包括：判断给定问题是否能够识别出实体；在所述给定问题能够识别出实体的情况下，基于所述实体进行逻辑形式枚举，得到候选逻辑形式；对每一候选逻辑形式进行评分，得到K个评分最高的候选逻辑形式rk；利用给定问题对候选逻辑形式中的类和关系分别进行匹配，得到与所述给定问题最相关的候选模式项CRmat；基于所述给定问题、K个评分最高的候选逻辑形式rk以及所述候选模式项，生成目标逻辑形式。本发明可以提高真实模式项的覆盖率，提升生成逻辑形式的准确率。
-
公开(公告)号：CN117711071A
公开(公告)日：2024-03-15
申请号：CN202311541355.7
申请日：2023-11-17
Applicant: 中国科学院信息工程研究所
IPC: G06V40/40 , G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/096
Abstract: 本发明涉及一种基于Transformer架构的伪造人脸检测方法及装置。所述方法包括：构建人脸数据集；对原始图片进行数据增强；将原始图片作为教师网络的输入，将增强图片作为学生网络的输入，并基于学生网络的预测结果与ground truth之间的差距，以及教师网络与学生网络对图片中不同人脸区域的预测结果之间的差距，来训练学生网络，以得到预训练学生网络；将所述原始图片分别作为教师网络和预训练学生网络的输入，并基于教师网络与预训练学生网络对该原始图片的预测结果之间的差距，来训练预训练学生网络，以得到训练后的学生网络；基于训练后的学生网络，获取待检测图片的人脸预测结果。本发明可以降低模型的参数需求与计算量，提升模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112598581B
公开(公告)日：2023-10-24
申请号：CN202011606834.9
申请日：2020-12-30
Applicant: 中国科学院信息工程研究所
IPC: G06T3/40 , G06N3/0464
Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。
-
公开(公告)号：CN114443851A
公开(公告)日：2022-05-06
申请号：CN202011230710.5
申请日：2020-11-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/36
Abstract: 本发明公开了一种改进的基于概率校准的知识图谱生成方法，其步骤包括：1)选定用于知识图谱嵌入的基础模型及目标领域的训练数据集；2)利用所述训练数据集训练所选基础模型，并在训练时对训练所得向量的每一维施加规则约束条件；3)对每次训练后的基础模型进行概率校准，达到设定校准状态或最优校准状态；4)利用最终训练所得基础模型对该目标领域的知识图谱进行补全处理，得到该目标领域的知识图谱。本发明同时应用规则约束和概率校准，可以在增加有限复杂性的前提下，实现对嵌入模型效果的提升。
-
公开(公告)号：CN112598581A
公开(公告)日：2021-04-02
申请号：CN202011606834.9
申请日：2020-12-30
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。
-
公开(公告)号：CN111275603A
公开(公告)日：2020-06-12
申请号：CN202010064850.3
申请日：2020-01-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于风格转换的安全图像隐写方法与电子装置，将一秘密信息、一内容图片与一风格图片输入一第一卷积网络，生成一载密图片。本发明直接利用神经网络技术生成载密图片，隐藏了载体图片与载密图片的对应关系，将秘密信息直接隐藏进风格纹理中，从而实现秘密信息的安全传输；克服对载体图片尺寸的限制，增加方法的通用性。
-
公开(公告)号：CN111275603B
公开(公告)日：2022-07-29
申请号：CN202010064850.3
申请日：2020-01-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于风格转换的安全图像隐写方法与电子装置，将一秘密信息、一内容图片与一风格图片输入一第一卷积网络，生成一载密图片。本发明直接利用神经网络技术生成载密图片，隐藏了载体图片与载密图片的对应关系，将秘密信息直接隐藏进风格纹理中，从而实现秘密信息的安全传输；克服对载体图片尺寸的限制，增加方法的通用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.035 seconds)
