-
公开(公告)号：CN118628734B
公开(公告)日：2025-05-16
申请号：CN202410663602.9
申请日：2024-05-27
Applicant: 哈尔滨理工大学
IPC: G06V10/26 , G06V10/764 , G06V20/70
Abstract: 本发明提出一种基于自适应分块与概率重分配的图像分割方法，属于图像分割技术领域。包括：S1.初始化高斯混合模型参数与每个像素的分割类别初始估计值；S2.对待分割图像使用固定形状的滑动窗口进行固定分块划分；S3.将待分割图像转换为灰度图像，计算每个像素邻域范围内的方差，生成每个像素的匹配度向量，选取匹配度向量中最小值的区域块与对应像素建立映射关系和像素‑块区域似然矩阵；S4、得到待分割图像的后验概率及本轮图像分割结果；S5.将待分割图像的后验概率按照像素与区域块的映射关系分配到区域块中的每个像素，对模型参数进行更新；S6.重复S2至S5，直至收敛。本发明有效提升整体分割的准确度和一致性。
-
公开(公告)号：CN116385937B
公开(公告)日：2024-07-30
申请号：CN202310371771.0
申请日：2023-04-07
Applicant: 哈尔滨理工大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F40/211 , G06F40/289
Abstract: 本发明公开了一种基于多粒度的跨模态交互框架解决视频问答的方法及系统，涉及计算机视觉和自然语言处理领域。本发明的技术要点包括：对视频提取帧级与目标级特征，并提取描述文本的语义词性和问题的词嵌入向量，利用对视频和描述文本的图神经网络获取多粒度的视频和文本表示，利用图神经网络集成不同粒度的表示，并利用注意力来捕获同模态的视频、同模态的文本，以及跨模态视频和文本之间的交互信息，生成基于问题的视觉表示和基于视频的文本表示，进而自适应地融合基于问题的视觉表示和基于视频的文本表示，生成答案。本发明通过整合不同表示形式提高了回答的准确性。本发明在视频问答中取得的效果相比于传统方法更好。
-
公开(公告)号：CN117077672A
公开(公告)日：2023-11-17
申请号：CN202310822927.2
申请日：2023-07-05
Applicant: 哈尔滨理工大学
IPC: G06F40/295 , G06F40/284 , G06F40/289 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明提出一种基于词汇增强和TCN‑BILSTM模型的中文命名实体识别方法，属于计算机自然语言技术领域。包括S1、将输入语句中的字符映射成字符表示；S2、将语句中的词汇和分词信息拼接到字符表示上，得到词汇增强后的字符表示；S3、使用预训练的BERT模型，获得输入语句中具有上下文表示的字符表示，将具有上下文表示的字符表示与词汇增强后的字符表示做拼接，得到拼接后的字符表示；S4、对拼接后的字符向量表示做特征提取，得到具有上下文信息和长距离语义信息的特征向量表示；S5、将具有上下文信息和长距离语义信息的特征向量表示输入CRF解码模型预测每个字符的实体标签。解决对于多层次语义信息识别率低的问题。
-
公开(公告)号：CN114936293A
公开(公告)日：2022-08-23
申请号：CN202210646432.4
申请日：2022-06-08
Applicant: 哈尔滨理工大学
IPC: G06F16/36 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于改进型EmbedKGQA模型的知识图谱问答方法、电子设备及存储介质，属于机器学习技术领域。首先，获得问题集、问题的主题实体、问题的答案集和答案相关的关系集；其次，得到知识图谱中所有实体和关系的嵌入表示；其次，将自然语言问题嵌入到固定的维度；其次，得到增强的问题嵌入表示；其次，将增强的问题嵌入表示、主题实体嵌入表示通过答案评分函数得到所有实体的答案得分和答案候选实体的嵌入表示；最后，将候选实体嵌入表示信息通过关系评分函数，将答案评分函数和关系评分函数的线性组合作为最终的评分函数，选择得分最高的实体作为预测结果。解决EmbedKGQA模型效率低、问答不准确的问题。
-
公开(公告)号：CN113609355A
公开(公告)日：2021-11-05
申请号：CN202110908494.3
申请日：2021-08-09
Applicant: 哈尔滨理工大学
IPC: G06F16/9032 , G06F16/732 , G06F16/783 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种基于动态注意力与图网络推理的视频问答系统、方法、计算机及存储介质，属于计算机视觉和自然语言处理交叉领域。首先，计算物体空间特征和物体类别特征；其次，提取子视频的视觉运动特征；再其次，将物体空间、物体类别特征和视觉运动特征进行特征融合得到物体联合特征；再其次，对问题进行编码，获得问题特征，再其次，将物体联合特征和问题特征输入注意力模型中得到具有问题意识的联合特征；再其次，获得具有问题意识的物体关系特征；再其次，获得具有时序关系的视频特征；最后，得到融合特征生成答案。本发明解决了现有的视频问答系统不能有效地表示不同模态、同模态之间的关联程度和不能有针对性获取不同物体运动信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN111310807A
公开(公告)日：2020-06-19
申请号：CN202010077309.6
申请日：2020-01-27
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。
-
公开(公告)号：CN106130927B
公开(公告)日：2019-12-17
申请号：CN201610792764.8
申请日：2016-08-31
Applicant: 哈尔滨理工大学
IPC: H04L12/807
Abstract: 本发明提供了一种基于离散化模型的网络拥塞控制方法，该网络拥塞控制方法包括：预先建立一个离散化拥塞控制模型，通过对发送端当前网络状态参数进行离散化来获得当前发送端所处的离散化网络状态，将该网络状态对应到离散化拥塞控制模型中参数均相同的预定离散化网络状态上，并基于模型中离散化网络状态对应的N个拥塞窗口可选值各自的评估值选取适当的拥塞窗口可选值作为发送端本次拥塞窗口大小的确定值，通过计算当前网络状态对应的奖赏值，应用离散化模型学习方法来更新上一次拥塞窗口大小的确定值所对应的评估值。本发明的网络拥塞控制方法能够从发送端有效地控制网络拥塞问题。
-
公开(公告)号：CN110542627A
公开(公告)日：2019-12-06
申请号：CN201810528008.3
申请日：2018-05-29
Applicant: 哈尔滨理工大学
Abstract: 一种嵌入式智能化的液体粘滞系数测量装置及测量方法，包括STM32控制端，底部测距装置，温度测量装置，支撑架，量筒等。支撑架共有三层结构，支撑架底层左侧设置有由激光测距装置和防碰撞装置组成的底部测距装置，右侧放置量筒。支撑架第二层有两个装置，左端为电磁开关控制砝码下落并与STM32控制端相连接，右端为防小球脱离装置。支撑架装置第一层两端设置有两个定滑轮，牵引线左端连接砝码，经过左右滑轮，再经由防小球脱离装置连接右端小球。小球被放置于量筒内，量筒内有温度传感模块并于STM32控制端连接。本发明结构简单，使用升球法测量液体粘滞系数，并通过配置多种高精度传感器，使得测量过程更加智能方便，测量结果更加精确。
-
公开(公告)号：CN104392458B
公开(公告)日：2017-02-22
申请号：CN201410766009.3
申请日：2014-12-12
Applicant: 哈尔滨理工大学
IPC: G06T7/10
Abstract: 基于空间限制邻域混合模型的图像分割方法，属于图像处理领域。为了解决目前在进行图像分割时，采用EM算法求取混合模型参数存在耦合性的问题。所述方法包括如下步骤：步骤一：根据独立混合模型建立空间限制邻域混合模型：首先，从独立混合模型的每个像素位置处，选择一个邻域，由邻域内的先验概率共同决定选择一个模型分量；然后，再由确定的模型分量生成每个像素位置对应邻域内的一组观测值；最后，根据确定的模型分量和生成的观测值，得到空间限制邻域混合模型的似然函数；步骤二：利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参数；步骤三：利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像。本发明用于图像分割。
-
公开(公告)号：CN106130927A
公开(公告)日：2016-11-16
申请号：CN201610792764.8
申请日：2016-08-31
Applicant: 哈尔滨理工大学
IPC: H04L12/807
Abstract: 本发明提供了一种基于离散化模型的网络拥塞控制方法，该网络拥塞控制方法包括：预先建立一个离散化拥塞控制模型，通过对发送端当前网络状态参数进行离散化来获得当前发送端所处的离散化网络状态，将该网络状态对应到离散化拥塞控制模型中参数均相同的预定离散化网络状态上，并基于模型中离散化网络状态对应的N个拥塞窗口可选值各自的评估值选取适当的拥塞窗口可选值作为发送端本次拥塞窗口大小的确定值，通过计算当前网络状态对应的奖赏值，应用离散化模型学习方法来更新上一次拥塞窗口大小的确定值所对应的评估值。本发明的网络拥塞控制方法能够从发送端有效地控制网络拥塞问题。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.028 seconds)
