-
公开(公告)号：CN118114668A
公开(公告)日：2024-05-31
申请号：CN202410172746.4
申请日：2024-02-07
Applicant: 北京工业大学
IPC: G06F40/295 , G06N3/045 , G06N3/084 , G06N3/09
Abstract: 一种基于多粒度和图注意力网络的文档级实体关系抽取的方法，涉及自然语言处理技术的实体关系抽取领域。首先获取文档文本，得到文档中标注好的实体及其相关信息，并构建一个情感参考词表；然后基于文档的层次结构，利用多粒度思想，将文档分为段落、句子、实体等不同的层次，从而构建层次图；基于层次图和图注意力网络，分别进行同粒度节点之间以及不同粒度节点之间的信息交互和更新，然后使用多头注意力机制整合所有粒度节点信息；最后依据整合后的信息进行该文档的实体关系抽取。本发明充分利用文档的层次结构信息，使用图注意力网络在层次图中传递和聚合信息，更全面的捕捉并融合文本中信息，进而有效提高实体关系抽取的准确率。
-
公开(公告)号：CN118038113A
公开(公告)日：2024-05-14
申请号：CN202311351593.1
申请日：2023-10-18
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/44 , G06V10/80 , G06N3/0464
Abstract: 本发明提供了一种基于区域关系引导的图像分类方法。本发明包括四个模块：(1)经过CNN模型提取单个图像级特征，获得单个图像级特征矩阵；(2)首先经过CNN模型提取单个图像级特征；其次需要构造相似目标的图表征：基于上述图像级表示特征进行K‑means聚类，获得关键目标的聚类质心，最后通过GCN模型生成关键目标的关系矩阵；(3)在融合模块中，利用矩阵融合的方式将特征提取模块得到的特征矩阵和关系学习模块得到的关系矩阵深度融合；(4)在图像分类器模块，将上述融合后的图像特征输入分类器中的池化操作、归一化、交叉熵损失的三个流程，得到最终的图像分类预测结果。本发明有效解决了类间相似目标之间难以辨别的问题。
-
公开(公告)号：CN116664864A
公开(公告)日：2023-08-29
申请号：CN202310557792.1
申请日：2023-05-18
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于YOLO检测和特征匹配的商品识别方法。本发明将两个摄像头的特征点信息结合，可修正原有的商品置信度。本发明在原有的YOLO网络基础上，通过分别检测两个摄像头采集的图像，并增加一个新的置信度改进模块，设计了打分策略，根据特征匹配的结果调整最终商品的置信度。置信度改进模块包括特征点匹配模块和置信度计算模块。特征点匹配模块根据YOLO检测出商品的有效帧以及其包含的检测框坐标信息和商品置信度信息，提取特征点，并将两个视角的商品图像进行特征点匹配，输出匹配结果；置信度计算模块结合YOLO网络和特征点匹配模块输出的信息，根据设定的打分策略，对商品置信度进行加权融合，决定最终的商品置信度。
-
公开(公告)号：CN114549492B
公开(公告)日：2024-05-31
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
公开(公告)号：CN118095282A
公开(公告)日：2024-05-28
申请号：CN202410172725.2
申请日：2024-02-07
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/284 , G06N3/0442 , G06N3/045 , G06N3/09
Abstract: 一种基于分层样本进行命名实体识别的方法，属于自然语言处理领域。该方法包括四个模块：数据预处理模块、粗粒度实体筛选模块、样本分层处理模块以及细粒度实体分类模块。首先，通过数据预处理模块对原始数据进行处理及标注。然后，利用粗粒度实体筛选模块训练BiLSTM和CRF组合模型获得实体类别预测置信度，指导样本粗粒度分类。之后，利用样本分层处理模块，结合置信度，进一步对初筛后的粗粒度样本划分为多层次类型：易样本、难样本和误判样本的处理。最后，细粒度实体分类模块将分类处理后的样本输入CRF网络进行实体标签的细粒度分类。此方法利用了外部知识且有针对性的使用词汇增强显著提高了命名实体识别的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116883710A
公开(公告)日：2023-10-13
申请号：CN202310304844.4
申请日：2023-03-27
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/26 , G06V10/44 , G06V10/46 , G06V20/69
Abstract: 一种基于位置‑边界信息引导的图像对象分割方法属于计算机视觉领域。本发明通过结合两个模块的信息获得花粉分割图像：目标定位模块通过图像级标签训练的分类网络获得定位图，提供准确的位置信息；边界引导模块利用花粉轮廓先验知识匹配目标花粉获得显著图，得到细粒度的边界信息。本方法可以充分利用两者之间的互补关系，获得准确的目标花粉边界，并丢弃非目标对象(如杂质)像素，显著提高花粉图像分割质量。
-
公开(公告)号：CN119006860A
公开(公告)日：2024-11-22
申请号：CN202410984986.4
申请日：2024-07-22
Applicant: 北京工业大学
Abstract: 一种基于局部‑整体视角的模板匹配方法属于计算机视觉领域。本发明通过形状上下文描述子和形状度量描述子分别计算模板和目标物体的局部和整体相似度，结合局部和整体视角的信息完成模板匹配。本发明首先需要构建模板库，之后进行模板匹配，匹配过程包括以下步骤：轮廓提取、轮廓特征描述以及特征匹配。首先从原始图片中提取目标轮廓，之后轮廓的局部和整体特征将用的两个特征描述子(形状上下文特征、形状度量特征)代表。最后根据特征描述子将目标轮廓与我们构建的模板库中的花粉模板相匹配，形成目标轮廓与模板间的对应关系，筛选强对应关系的目标轮廓区域作为匹配结果。本发明通过两个特征描述子，并通过细节和整体角度提高匹配准确度。
-
公开(公告)号：CN114926635B
公开(公告)日：2024-06-11
申请号：CN202210427559.7
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/56 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/764 , G06V10/766 , G06T7/33
Abstract: 本发明公开了与深度学习方法相结合的多焦图像中目标分割方法，先对多焦图像进行配准；再基于目标的颜色与轮廓进行粗分割得到一张只包含单个目标的局部图像并基于目标中心所在位置与所属图像形成目标的定位标签；提出两种评价尺度，分别为目标清晰度判断模块与目标需求性判断模块；综合清晰度判断模块与需求性判断模块的分数得到目标的分割价值系数；最后针对具有相同定位标签的目标，比较其分割价值系数，将具有分割价值的目标放入语义细分割模块来获取多焦图像中所有清晰需求的非重复目标，以解决单独使用传统方法中所存在的分割粗糙的问题和单独使用深度学习语义分割方法中存在的效率低下、效果差等问题。这样便兼顾了分割的效果与效率。
-
公开(公告)号：CN117974993A
公开(公告)日：2024-05-03
申请号：CN202311262483.8
申请日：2023-09-27
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/25 , G06V10/762
Abstract: 本发明提供了一种集成二维最优分割的三维图像分割方法，针对像素级别标签收集费时又费力的问题。类激活映射图通过简单地将类激活映射上采样到输入图像的大小，可以识别与特定类别最相关的图像区域。然而，类激活映射方法通常具有两方面问题：一是目标激活不足，即仅覆盖对象的最有区别的部分；二是背景激活过度，指激活了背景区域，导致激活不正确。因此，在二维图像分割层面，本发明首先采用弱监督方法来缓解像素级别标签难以获得的问题。其次，本方法充分考虑了传统无监督方法具有先验知识指导的优势，最终结合两种方法将二者获得的鉴别性区域进行充分融合、优势互补，可以弥补上述类激活映射两个问题的缺点，获得二维层面的最优分割结果。
-
公开(公告)号：CN115482464A
公开(公告)日：2022-12-16
申请号：CN202211137947.8
申请日：2022-09-19
Applicant: 北京工业大学
Abstract: 一种基于双路摄像头的商品识别方法涉及到基于深度学习的商品识别方法。本发明中对两个角度的画面进行融合检测，提高了商品的识别精度。使用混合的数据对特征提取主干网络进行训练，得到的特征提取主干网络可以同时提取两个角度的画面的特征，降低了使用传统目标检测算法时特征提取主干网络的训练成本。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
