-
公开(公告)号:CN119128188A
公开(公告)日:2024-12-13
申请号:CN202411047653.5
申请日:2024-08-01
Applicant: 北京邮电大学
IPC: G06F16/532 , G06F16/583 , G06F18/22
Abstract: 本发明公开了一种基于大语言模型增强的文本‑行人检索方法,属于计算机和互联网领域;具体为:针对现有数据集中图像和文本的组合对,将原始文本数据划分为测试集和训练集;同时调用大语言模型对文本数据进行增强,生成增强文本;然后,将增强文本数据送入过滤模型,计算增强文本与原始文本之间的文本相似度;当文本相似度大于设定的阈值时,保留增强文本;反之,舍弃增强文本或重新生成文本。最后,将保留的增强文本数据集用于文本‑行人检索模型的训练或测试,并将测试后的文本‑行人检索模型用于进行人员识别。本发明显著提升了模型的检索性能,实现了更为精准的匹配。
-
公开(公告)号:CN102098651B
公开(公告)日:2013-08-14
申请号:CN201110024163.X
申请日:2011-01-21
Applicant: 北京邮电大学
Abstract: 一种在EPS中利用USID实施策略标识与控制的方法,是将IPv6数据包头中的流标签代替承载标识,即将流标签作为USID标识EPS中每个数据流的QoS等级集合五元组及其计费规则;该USID由每个网元的PCRF在判决一个请求对象获得包括某个QoS等级集合和计费的PCC规则后,查询其自身预配置的PCC规则与USID的映射表而生成相应的USID,用于标识该数据流QoS的保障等级;因系统中各个网元都遵循IP协议与能够识别USID,每个数据流的上、下行网元都预置有PCC规则与USID的映射表,从而能够简单、智能地执行QoS的协商与授权,便利、灵活地实施QoS服务,同时执行传输策略和计费控制。本发明增强了网络记忆QoS信息的功能,使网络更智能,在提高网络效率、减轻网络负载等方面有较大优势。
-
公开(公告)号:CN102098651A
公开(公告)日:2011-06-15
申请号:CN201110024163.X
申请日:2011-01-21
Applicant: 北京邮电大学
Abstract: 一种在EPS中利用USID实施策略标识与控制的方法,是将IPv6数据包头中的流标签代替承载标识,即将流标签作为USID标识EPS中每个数据流的QoS等级集合五元组及其计费规则;该USID由每个网元的PCRF在判决一个请求对象获得包括某个QoS等级集合和计费的PCC规则后,查询其自身预配置的PCC规则与USID的映射表而生成相应的USID,用于标识该数据流QoS的保障等级;因系统中各个网元都遵循IP协议与能够识别USID,每个数据流的上、下行网元都预置有PCC规则与USID的映射表,从而能够简单、智能地执行QoS的协商与授权,便利、灵活地实施QoS服务,同时执行传输策略和计费控制。本发明增强了网络记忆QoS信息的功能,使网络更智能,在提高网络效率、减轻网络负载等方面有较大优势。
-
公开(公告)号:CN116541707A
公开(公告)日:2023-08-04
申请号:CN202310548781.7
申请日:2023-05-16
Applicant: 中电信数智科技有限公司 , 北京邮电大学
IPC: G06F18/214 , G06F18/22 , G06F18/21 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种图文匹配模型训练方法、装置、设备及存储介质,方法包括:确定正样本对中图像数据与文本数据的相似度,及负样本对中图像数据与文本数据的相似度;计算正样本对与困难负样本对的相似度差值,困难负样本对为相似度最高的负样本对;基于相似度差值,选择目标损失函数中的第一损失函数或第二损失函数;第一损失函数用于挖掘困难负样本对;第二损失函数用于挖掘非困难负样本对;根据所选择的第一损失函数或第二损失函数,训练图文匹配模型。这样,可以根据相似度差值及选择用第一损失函数或第二损失函数,实现有选择地挖掘困难负样本对,解决了相关技术在训练初期的梯度消失问题,提升了模型的匹配性能,从而实现精准匹配。
-
公开(公告)号:CN116450884A
公开(公告)日:2023-07-18
申请号:CN202310607625.3
申请日:2023-05-26
Applicant: 中电信数智科技有限公司 , 北京邮电大学
IPC: G06F16/783 , G06F18/214 , G06F18/2135
Abstract: 本申请提供了一种基于训练数据重划分的鲁棒视频文本跨模态检索方法和装置,该方法根据带噪数据的特性将其划分为正确、困难和带噪三个子集,并设计统一训练目标优化样本对之间在公共空间的距离关系,实现在任意带噪噪声比例条件下模型的鲁棒训练,保持视频文本跨模态检索的精度稳定性。
-
-
-
-