公开(公告)号：CN115345789A

公开(公告)日：2022-11-15

申请号：CN202210889223.2

申请日：2022-07-27

Applicant: 哈尔滨工程大学

Inventor： 李思照 ,  游文标 ,  张贺 ,  刘开南

IPC: G06T5/00 ,  G06T5/10 ,  G06V10/77 ,  G06V10/82

Abstract: 本发明提供了一种基于U‑net结构的密集残差去噪方法，步骤一：对大量DIV2K数据集中的数据进行噪声添加；步骤二：对基于U‑net结构的去噪模型进行训练，在特征提取部分，采用主成分分析PCA+小波变换的方式对含噪图像特征进行提取，在图像重建部分，采用逆小波变换来对图像进行重建；步骤三：将密集残差网络嵌入到了基于U‑net结构的去噪模型中；步骤四：通过步骤三中的去噪模型生成去噪后的图片。本发明可以在充分利用图像特征信息的同时，减少计算成本，增强网络的去噪效果。

公开(公告)号：CN115033706A

公开(公告)日：2022-09-09

申请号：CN202210541065.1

申请日：2022-05-17

Applicant: 哈尔滨工程大学

Inventor： 申林山 ,  安家庆 ,  李思照 ,  刘开南

IPC: G06F16/36 ,  G06F40/242 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种知识图谱自动补全和更新的方法，涉及了人工智能以及自然语言处理领域。本发明通过处理原始数据构建知识图谱和用于文本生成的神经网络模型，将知识图谱中相近的实体和关系或者知识图谱中缺失的三元组作为模型的输入，利用神经网络模型的输出更新存储到图数据库中达到知识图谱自动补全和更新的目的。本发明实现了智能问答领域的知识图谱中的三元组信息的补全和自动更新，可以为应用知识图谱的后续分析提供支撑。