-
公开(公告)号：CN119006952A
公开(公告)日：2024-11-22
申请号：CN202411032470.6
申请日：2024-07-30
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/20 , G06T5/40
Abstract: 本发明公开了一种深度学习模型输入图像处理方法、装置、介质和设备，涉及图像处理技术领域。包括：获取训练好的深度学习模型所学习到的用于表征训练集中图像特征的第一参数；获取用于表征待输入图像特征的第二参数；获取第一参数与第二参数的差距，当差距大于所设阈值时，通过对待输入图像进行不同特征维度的调整，获得处理后图像。通过将实际采集的待输入图像调整至与训练集中的特征相似，这种处理方法不仅需要调整的参数量少、所需要付出的计算资源少，并且根据训练集对待输入图像进行针对性调整能够保证待输入图像的调整幅度更加适配训练好的深度学习模型，相对于对不同场景进行大规模数据集训练过程，进一步节省了算力资源。
-
公开(公告)号：CN109241379A
公开(公告)日：2019-01-18
申请号：CN201710559559.1
申请日：2017-07-11
Applicant: 北京交通大学
IPC: G06F16/951 , G06F16/9538 , G06F16/33 , G06F16/50 , G06F16/58
Abstract: 本发明提供了一种跨模态检测网络水军的方法，该方法包括：先获取网页评论数据，将所述评论数据进行预处理，得到精简数据；然后，提取所述精简数据的文本特征和图像特征，并转化为文本、图像特征向量；最后将文本、图像特征向量数据集运用算法进行跨模态学习，得出网络水军信息。本发明利用跨模态方法将文字与图片进行结合和互相转化，通过训练和机器学习将图片赋予相应的分类文字标签，将图片评论的相似度转化为文本评论的相似度，通过算法快速、准确的检测出网络评论中的水军。
-
公开(公告)号：CN109241518A
公开(公告)日：2019-01-18
申请号：CN201710559558.7
申请日：2017-07-11
Applicant: 北京交通大学
IPC: G06F17/27 , G06F16/958 , G06K9/62
Abstract: 本发明提供了一种基于情感分析的检测网络水军方法，其特征在于，包括：获取网页评论数据，将所述评论数据进行数据预处理，将预处理过的数据分为测试数据集和训练数据集，将两种数据集构建成语料库，并进行手动情感分类，将两种数据集进行文本预处理后，运用设定分类器对训练数据集进行数据处理，生成分类模型，利用测试数据集测试分类模型精确度，然后运用已生成精确度高的分类模型对待检测数据进行自动情感分类；最后进行数据规则匹配，检测出网络水军。本发明集成了数据爬取、数据预处理、词袋模型建立、分类器构建以及规则设置五个功能模块，实现对网络水军进行快速检测的算法，在提高算法检测速度的同时，保证对用户评论的情感分类精确度。
-
公开(公告)号：CN109241518B
公开(公告)日：2021-01-22
申请号：CN201710559558.7
申请日：2017-07-11
Applicant: 北京交通大学
IPC: G06F40/289 , G06F16/958 , G06K9/62
Abstract: 本发明提供了一种基于情感分析的检测网络水军方法，其特征在于，包括：获取网页评论数据，将所述评论数据进行数据预处理，将预处理过的数据分为测试数据集和训练数据集，将两种数据集构建成语料库，并进行手动情感分类，将两种数据集进行文本预处理后，运用设定分类器对训练数据集进行数据处理，生成分类模型，利用测试数据集测试分类模型精确度，然后运用已生成精确度高的分类模型对待检测数据进行自动情感分类；最后进行数据规则匹配，检测出网络水军。本发明集成了数据爬取、数据预处理、词袋模型建立、分类器构建以及规则设置五个功能模块，实现对网络水军进行快速检测的算法，在提高算法检测速度的同时，保证对用户评论的情感分类精确度。
-
-
-
Search Results
4
records
(took 0.024 seconds)
