-
公开(公告)号:CN118504527B
公开(公告)日:2024-09-20
申请号:CN202410981514.3
申请日:2024-07-22
申请人: 人民法院信息技术服务中心 , 山东大学
IPC分类号: G06F40/16 , G06F40/30 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06Q10/10 , G06Q50/18
摘要: 本说明书实施例涉及人工智能技术领域,提供了一种法律文书案由生成方法、装置、设备及存储介质。所述方法包括:接收法律文书并获取所述法律文书的文本内容;确定所述文本内容的文本向量,将所述文本内容的文本向量输入至预训练的抽取案由模型,生成初始案由文本,其中抽取案由模型用于提取文本向量汇总的语义特征及上下文特征;将所述初始案由文本输入至预训练的生成案由模型,生成最终案由文本。通过本说明书实施例,可提高案由生成的质量和效率。
-
公开(公告)号:CN118504527A
公开(公告)日:2024-08-16
申请号:CN202410981514.3
申请日:2024-07-22
申请人: 人民法院信息技术服务中心 , 山东大学
IPC分类号: G06F40/16 , G06F40/30 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06Q10/10 , G06Q50/18
摘要: 本说明书实施例涉及人工智能技术领域,提供了一种法律文书案由生成方法、装置、设备及存储介质。所述方法包括:接收法律文书并获取所述法律文书的文本内容;确定所述文本内容的文本向量,将所述文本内容的文本向量输入至预训练的抽取案由模型,生成初始案由文本,其中抽取案由模型用于提取文本向量汇总的语义特征及上下文特征;将所述初始案由文本输入至预训练的生成案由模型,生成最终案由文本。通过本说明书实施例,可提高案由生成的质量和效率。
-
公开(公告)号:CN116704612B
公开(公告)日:2024-10-22
申请号:CN202310711768.9
申请日:2023-06-15
申请人: 山东大学深圳研究院 , 山东大学 , 中国科学院自动化研究所 , 山东建筑大学 , 山东科技大学 , 银河水滴科技(北京)有限公司 , 泰华智慧产业集团股份有限公司
摘要: 本发明涉及一种基于对抗域自适应学习的跨视角步态识别方法,包括:(1)构建整个基于对抗域自适应学习的网络并进行训练:步态轮廓预处理;步态视角级子域划分;构建嵌有层次特征聚合策略的特征提取器;构建视角变化对抗消除模块;构建度量学习模块;整个基于对抗域自适应学习的网络对抗训练;(2)跨视角步态识别:将待识别身份的步态轮廓序列送入训练好的嵌有层次特征聚合策略的特征提取器获取步态特征,与注册数据集进行特征相似性比对,完成待测样本的身份识别。本发明能够充分挖掘步态序列中时空信息的同时有效消除视角变化的干扰;本发明实现了对步态轮廓序列更为充分、综合的时空特征提取;有效增强了网络判别性步态特征提取的能力。
-
公开(公告)号:CN116704612A
公开(公告)日:2023-09-05
申请号:CN202310711768.9
申请日:2023-06-15
申请人: 山东大学深圳研究院 , 山东大学 , 中国科学院自动化研究所 , 山东建筑大学 , 山东科技大学 , 银河水滴科技(北京)有限公司 , 泰华智慧产业集团股份有限公司
摘要: 本发明涉及一种基于对抗域自适应学习的跨视角步态识别方法,包括:(1)构建整个基于对抗域自适应学习的网络并进行训练:步态轮廓预处理;步态视角级子域划分;构建嵌有层次特征聚合策略的特征提取器;构建视角变化对抗消除模块;构建度量学习模块;整个基于对抗域自适应学习的网络对抗训练;(2)跨视角步态识别:将待识别身份的步态轮廓序列送入训练好的嵌有层次特征聚合策略的特征提取器获取步态特征,与注册数据集进行特征相似性比对,完成待测样本的身份识别。本发明能够充分挖掘步态序列中时空信息的同时有效消除视角变化的干扰;本发明实现了对步态轮廓序列更为充分、综合的时空特征提取;有效增强了网络判别性步态特征提取的能力。
-
公开(公告)号:CN116704611A
公开(公告)日:2023-09-05
申请号:CN202310711767.4
申请日:2023-06-15
申请人: 山东大学深圳研究院 , 山东大学 , 中国科学院自动化研究所 , 山东建筑大学 , 山东科技大学 , 银河水滴科技(北京)有限公司 , 泰华智慧产业集团股份有限公司
摘要: 本发明涉及一种基于运动特征混合和细粒度多阶段特征提取的跨视角步态识别方法,包括:骨干网络构建:提取基础步态的浅层、中层、深层特征;运动特征混合模块构建:融合相邻帧之间的步态信息,提取时序信息;细粒度多阶段特征提取模块构建:对特征进行水平划分提取初步的空间特征。并引入一个分支进行进一步水平划分,加入空间注意力机制,提取更加细粒度的特征;整体框架训练;跨视角步态识别。本发明能够有效利用步态轮廓序列中的帧级时间信息,以及细粒度的空间信息,在特征提取方面更加有效。
-
公开(公告)号:CN118736642A
公开(公告)日:2024-10-01
申请号:CN202410722222.8
申请日:2024-06-05
申请人: 山东大学 , 浙江宇视科技有限公司 , 济南博观智能科技有限公司
IPC分类号: G06V40/16 , G06V10/774 , G06V10/24 , G06V10/44 , G06N3/0442 , G06N3/0499 , G06N3/06 , G06V10/764
摘要: 本发明涉及一种基于面部位姿约束的微表情识别方法,其特征在于,包括:A、微表情视频序列预处理;B、锚点样本帧的选取与预处理;包括:选取锚点样本帧并进行裁剪,将裁剪后的起始缩略帧按照两个正交的方向进行序列化;C、构建双向正交长短时记忆模型;利用双向正交长短时记忆模型对长短距离信息依赖的建模能力,对选定的基准帧人像的固定位姿特征进行提取,并将固定位姿特征作为基准,消除视频帧采集或预处理过程中引入的噪声干扰;D、构建空间约束特征辅助实现微表情识别。本发明通过对构建的微表情标定帧进行正交方向上位姿信息的分解提取,得到不同面部区域之间的位姿关联,辅助分类主网络进行微表情识别,提升了识别算法的性能。
-
公开(公告)号:CN113496149B
公开(公告)日:2023-04-07
申请号:CN202010198551.9
申请日:2020-03-20
申请人: 山东大学
IPC分类号: G06V40/20 , G06V10/774 , G06V10/74
摘要: 一种基于联合层次选择的子空间学习的跨视角步态识别方法,首先将目标视角和注册视角的步态样本划分为训练集和测试集,将两种视角步态数据同时进行层次分块划分,对于多层次的步态能量图块分别向量化后特征选择并进行级联;然后将注册视角和目标视角数据同时投影到公共子空间,通过构建跨视角对偶图的方式增强两者联系,投影的过程中进行有效特征选择和有效步态能量图块选择,去除冗余,形成公共子空间内注册样本集,通过训练的目标视角投影矩阵将测试目标视角数据投影到公共子空间中、形成公共子空间内目标样本集,采用欧式距离的最近邻方式对两个样本集进行步态识别。本发明将注册视角步态数据引入目标视角领域,增强跨视角步态识别效果。
-
公开(公告)号:CN109767044B
公开(公告)日:2023-04-07
申请号:CN201910043545.3
申请日:2019-01-17
申请人: 山东大学
IPC分类号: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要: 本发明涉及一种对地源热泵系统热能转换效率进行预测的方法,包括步骤如下:A、热能数据预处理1)清洗热能数据;2)对热能转换效率的时间序列进行季节性分解和初步分析;B、建立带有外部工况参数输入的自回归模型3)构建带有外部工况参数的自回归模型框架;4)构造基本分类回归树,生成随机森林,训练不同外部工况参数下的预测模型,选取使误差不再变化的树的最少棵树;C、热能转换效率预测根据训练好的预测模型,将外部工况参数和热能转换效率的时间序列整合输入进行预测,输出预测结果和预测精度。本发明将工况参数引入到时间序列预测当中,这样在预测时针对不同的工况参数会得到特定的更精确的预测模型。
-
公开(公告)号:CN110457975B
公开(公告)日:2022-12-27
申请号:CN201810427168.9
申请日:2018-05-07
申请人: 山东大学
IPC分类号: G06V40/16 , G06V10/774 , G06V10/77 , G06V10/778
摘要: 本发明涉及一种基于宏信息知识迁移的微表情识别方法;包括:(1)对宏信息样本和微表情样本进行核函数映射;(2)将核函数映射后的宏信息样本和微表情样本进行局部优化,使得某个样本的k1个类内最近邻样本之间距离最小,使该样本的k2个类间最近邻样本之间的距离最大;(3)通过整体对齐局部优化结果累加,使得样本整体的类内距离最小,类间距离最大,得到一组投影矩阵,将宏信息样本和微表情样本投影到一个共同子空间;(4)通过迁移支持向量机模型进行分类。相比于已有的微表情识别方法,本发明提出的方法提高了微表情识别性能,具有较强的鲁棒性。
-
公开(公告)号:CN114782590A
公开(公告)日:2022-07-22
申请号:CN202210264024.2
申请日:2022-03-17
申请人: 山东大学
IPC分类号: G06T11/60 , G06T9/00 , G06N3/08 , G06N3/04 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
摘要: 本发明提供了一种多物体内容联合图像生成方法及系统,包括获取多种物体原始图像并进行预处理;利用预先训练好的Transformer模型对预处理后的多种物体原始图像进行维度压缩,得到多个物体图像的一维向量;将多个物体图像的一维向量进行相加,得到多物体图像相加向量;基于多物体图像相加向量,利用预先训练好的生成式对抗网络,得到多物体融合图像;通过Transformer模型和生成式对抗网络对多个类型不同的图像进行内容融合,实现了直接将多个无关物体图像的内容层面进行有机融合的操作。
-
-
-
-
-
-
-
-
-