-
公开(公告)号：CN117709969B
公开(公告)日：2024-08-27
申请号：CN202311760197.4
申请日：2023-12-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06Q30/01 , G06N3/0455 , G06N3/0895 , G06N3/084
Abstract: 本发明提供了一种面向客服场景的生成匹配式大模型构建方法、介质及设备；该方法包括依次执行的模型设定阶段、预训练阶段、领域迁移阶段和下游微调阶段；预训练阶段是指：采用跨领域中文语料库的文本作为样本，对智慧客服大模型的大模型基座进行预训练；领域迁移阶段是指：采用客服场景数据作为样本；对智慧客服大模型的大模型基座进行弱监督训练；下游微调阶段是指：采用客服场景人工标注数据作为样本，对智慧客服大模型进行训练以学习新业务的相关知识。该方法分阶段逐步地实现和优化大模型的功能，使其具备深度挖掘大规模客服文本数据知识的能力，同时对新增的业务需求和变化的业务内容具备精准迁移和快速扩展的能力。
-
公开(公告)号：CN117238018B
公开(公告)日：2024-06-21
申请号：CN202311217076.5
申请日：2023-09-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明提供了一种基于多粒度的可增量深宽网络活体检测方法、介质及设备；其中方法为：将待检测的图像依次进行人脸区域提取、人脸对齐、人脸特征向量提取处理，形成多粒度信息；将多粒度信息输入到稀疏宽度活体识别网络，得到活体检测结果；稀疏宽度活体识别网络的训练方法为：将样本图像分成若干批次；将样本图像的多粒度信息分批次输入到宽度活体识别网络进行学习，更新权重；当获取到新的样本图像时，采用增量方式输入到宽度活体识别网络进行学习，更新权重。该方法可解决学习时间消耗和资源占用问题，检测精度高，鲁棒性强。
-
公开(公告)号：CN117669764A
公开(公告)日：2024-03-08
申请号：CN202311419459.0
申请日：2023-10-30
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06N20/00 , G06N3/092 , G06N3/084 , G06N3/0985 , G06F18/25 , G06F18/214 , G06F21/62
Abstract: 本发明提供了一种基于语言模型与主动学习的数据标注方法、介质及设备；其中方法为：通过标注任务的本质与定义确定标注形式生成指引提示语；选取试标注数据与提示语拼接或填充，经人工与预训练语言模型标注后，计算综合分歧指标；利用强化学习对提示语进行优化；利用领域模型评估未标注数据集，并基于主动学习方法选择当前批注数据；基于双标注策略发至预训练语言模型，结合指引语、优化后的提示语进行标注，得到标注结果；计算分歧度，对提示语进行优化。该方法通过引入预训练语言模型的生成泛化能力与主动学习的采样策略，智能地选择具有较大信息量的数据进行标注，实现自动化标注和审核，确保标注质量和一致性，减少人工标注需求。
-
公开(公告)号：CN117610543A
公开(公告)日：2024-02-27
申请号：CN202311476751.6
申请日：2023-11-08
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06F40/216 , G06F40/151 , G06F16/901
Abstract: 本发明提供了一种基于图网络的汉字及结构的关联分析方法、介质及设备；其中方法为：构建字频共现矩阵；遍历字频共现矩阵，构建以有向图为网络结构的汉字关联网络；构建汉字到结构序列的映射表；根据映射表中汉字到结构序列的映射关系，对中文语料库的每个句子采用结构序列随机替换部分汉字，在汉字关联网络中引入结构节点，得到汉字‑结构关联网络；当汉字‑结构关联网络的关键指标有提升则视为有效操作；输出每个汉字的权重以及汉字‑结构关联网络。该方法更关注于字与字之间关联，利用不同汉字间存在相同结构的数据特点有效地缓解词性失衡问题对分析结果的干扰，有效提升中文语料库学习效率和学习准确率。
-
公开(公告)号：CN117992832A
公开(公告)日：2024-05-07
申请号：CN202410227495.5
申请日：2024-02-29
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06F18/24 , G06F18/25 , G06F18/213 , G06V40/16 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F3/01
Abstract: 本发明提供了一种基于生理与非生理多模态数据融合的情感感知智能眼镜，包括镜架、摄像模块、音频采集模块、供电模块、数据处理装置、脑电检测装置；脑电检测装置包括插口和若干与插口相连的电极；镜架上设有用于插接插口的脑电采集接口；数据处理装置执行多模态数据情感感知方法，包括如下步骤：接收佩戴者多模态信号；多模态信号包括脑电信号、音频数据、脸部图片和脸部视频；分别进行情感特征提取；将各个情感特征进行融合，通过分类得到复合情感识别结果。该智能眼镜支持对生理和非生理多模态情感数据进行情感特征提取，融合，具备多模态情感数据相互支持、相互补充的能力，提高情感状态评估准确率，可有效、便捷地评估用户的日常精神状态。
-
Patent Agency Ranking
公开(公告)号：CN117809354A
公开(公告)日：2024-04-02
申请号：CN202410223747.7
申请日：2024-02-29
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V40/16 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06V10/80 , G06V10/82 , A61B5/16 , A61B5/00
Abstract: 本发明涉及情感识别技术领域，具体提供了一种基于头部可穿戴设备感知的情感识别方法、介质及设备；其中，方法包括佩戴者情感识别方法，步骤为：采集佩戴者的多模态情感数据；采用局部融合情感识别网络进行处理：左眼输入和右眼输入进行深度卷积；左下脸部输入和右下脸部输入分别通过嵌入层将提取到的动作单元嵌入，然后与面部行为编码一起输入到空域图卷积中；采用多层感知机中进行空间映射，计算空间注意力和通道注意力后进行特征图融合得到情感特征；将情感特征进行融合，通过分类得到复合情感识别结果。该方法在局部多视角脸部数据中采用面部动作单元信息辅助情感感知，提升情感信息从佩戴者身体外观中投射的鲁棒性，提升情感判别精度。
-
公开(公告)号：CN117709969A
公开(公告)日：2024-03-15
申请号：CN202311760197.4
申请日：2023-12-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06Q30/01 , G06N3/0455 , G06N3/0895 , G06N3/084
Abstract: 本发明提供了一种面向客服场景的生成匹配式大模型构建方法、介质及设备；该方法包括依次执行的模型设定阶段、预训练阶段、领域迁移阶段和下游微调阶段；预训练阶段是指：采用跨领域中文语料库的文本作为样本，对智慧客服大模型的大模型基座进行预训练；领域迁移阶段是指：采用客服场景数据作为样本；对智慧客服大模型的大模型基座进行弱监督训练；下游微调阶段是指：采用客服场景人工标注数据作为样本，对智慧客服大模型进行训练以学习新业务的相关知识。该方法分阶段逐步地实现和优化大模型的功能，使其具备深度挖掘大规模客服文本数据知识的能力，同时对新增的业务需求和变化的业务内容具备精准迁移和快速扩展的能力。
-
公开(公告)号：CN117238018A
公开(公告)日：2023-12-15
申请号：CN202311217076.5
申请日：2023-09-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明提供了一种基于多粒度的可增量深宽网络活体检测方法、介质及设备；其中方法为：将待检测的图像依次进行人脸区域提取、人脸对齐、人脸特征向量提取处理，形成多粒度信息；将多粒度信息输入到稀疏宽度活体识别网络，得到活体检测结果；稀疏宽度活体识别网络的训练方法为：将样本图像分成若干批次；将样本图像的多粒度信息分批次输入到宽度活体识别网络进行学习，更新权重；当获取到新的样本图像时，采用增量方式输入到宽度活体识别网络进行学习，更新权重。该方法可解决学习时间消耗和资源占用问题，检测精度高，鲁棒性强。
-
公开(公告)号：CN117610543B
公开(公告)日：2024-08-02
申请号：CN202311476751.6
申请日：2023-11-08
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06F40/216 , G06F40/151 , G06F16/901
Abstract: 本发明提供了一种基于图网络的汉字及结构的关联分析方法、介质及设备；其中方法为：构建字频共现矩阵；遍历字频共现矩阵，构建以有向图为网络结构的汉字关联网络；构建汉字到结构序列的映射表；根据映射表中汉字到结构序列的映射关系，对中文语料库的每个句子采用结构序列随机替换部分汉字，在汉字关联网络中引入结构节点，得到汉字‑结构关联网络；当汉字‑结构关联网络的关键指标有提升则视为有效操作；输出每个汉字的权重以及汉字‑结构关联网络。该方法更关注于字与字之间关联，利用不同汉字间存在相同结构的数据特点有效地缓解词性失衡问题对分析结果的干扰，有效提升中文语料库学习效率和学习准确率。
-
公开(公告)号：CN117671281A
公开(公告)日：2024-03-08
申请号：CN202311621410.3
申请日：2023-11-30
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明提供了一种显著图引导的双向蒸馏细粒度视觉识别方法、介质及设备；其中方法为：基于视觉识别模型，包括前景先验提取模块、判别性特征提取模块和互信息学习模块；采用判别性特征提取模块得到预测logit值，进而得到视觉识别结果；判别性特征提取模块的训练方法为：采集样本图像；采用前景先验提取模块得到前景图；采用判别性特征提取模块得到预测logit值；采用互信息学习模块进行处理，协同优化交叉熵分类损失和互信息损失。该方法建立前景图与原始图像之间的关联，实现双向蒸馏；通过特征增强和互信息学习利用细粒度信息对特征空间的全局表示进行模型优化，在模型计算复杂度较低情况下，实现对小样本数据高效识别。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.057 seconds)
