-
公开(公告)号：CN118135285A
公开(公告)日：2024-06-04
申请号：CN202410151857.7
申请日：2024-02-02
Applicant: 安徽工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/82 , G06V10/80 , G06V10/762 , G06V10/74
Abstract: 本发明公开了一种基于类别视觉原型学习的多标签图像分类方法，涉及图像分类技术领域，解决了利用图像视觉信息有效构建多标签分类器的技术问题；本发明基于Sigmoid函数正则化处理获取类激活图M；基于类激活图M通过注意力机制将特征图X转换为类特定特征表示；基于类特定特征表示通过聚类生成的类别视觉原型构建类别视觉原型分类器；基于类特定特征表示和类别视觉原型分类器以字典学习的方式进行多标签分类，并通过总体损失训练优化模型。本发明通过生成类别视觉原型表示构建多标签分类器，避免了利用标签语义信息构建分类器而影响模型泛化性的问题，同时能够提升图像多标签分类的精度。
-
公开(公告)号：CN118097243A
公开(公告)日：2024-05-28
申请号：CN202410170868.X
申请日：2024-02-06
Applicant: 安徽工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了基于注意力机制和双重对比学习的多标签图像分类方法，涉及图像分类技术领域，解决了现有技术通过图卷积网络传播节点消息捕获标签相关性而获取的模型性能会受到标签噪声和偶尔共现的影响，以及现有技术只考虑了类间关系而忽略了类内关系，导致标签的传播和标签的关联准确性变低的技术问题；本发明通过特征提取模块、语义引导注意模块、空间感知注意模块和双重对比学习模块构建多标签图像分类模型，在学习特定类别的特征时隐式地捕获语义相关性，得到更具判别性的标签级特征表示；此外本发明通过引入双重对比学习优化标签级特征，充分考虑了复杂的类内和类间关系，显著地提高了多标签图像分类模型的性能。
-
公开(公告)号：CN110929265A
公开(公告)日：2020-03-27
申请号：CN201911162276.9
申请日：2019-11-25
Applicant: 安徽工业大学
IPC: G06F21/57 , G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向阅读理解问答的多角度答案验证方法，属于智能验证技术领域。本发明构建了一个答案验证混合模型，该混合模型用于对阅读理解问答得到的答案进行进一步的验证；本发明将提出的问题、问题的答案和答案所在句进行编码后，送入答案合法性判别模型和答案可信度计算模型，计算出得到的答案的合法性概率和可信度概率，再将两概率送入答案验证混合模型，得到该答案为正确答案的概率，从而判断出答案的正确性。本发明根据答案和问题之间的语义关系判断答案的合法性，根据答案上下文和问答对的语义关系计算答案的可信度，从多个角度判断得到的答案是否正确，提高阅读理解问答获得正确答案的能力。
-
公开(公告)号：CN109472024A
公开(公告)日：2019-03-15
申请号：CN201811251261.5
申请日：2018-10-25
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于双向循环注意力神经网络的文本分类方法，属于学习、自然语言处理技术领域。本发明方法步骤为：步骤1、对数据进行预处理；步骤2、根据所述预处理后的数据，通过Word2vec方法完成对每个单词的词向量的生成与训练；步骤3、根据所述词向量，对该词向量进行文本语义特征抽取，并融合注意力机制和双向循环神经网络，计算出每个单词对于整体的权重，并将所述权重转换为模型的输出值Y(4)；步骤4、根据特征向量Y(4)，将所述特征向量Y(4)作为softmax分类器的输入，进行分类识别。该方法在文本特征学习模型中融合了注意力机制，可以有效地突出关键词的作用，使得模型的性能得到更大的提高，进一步提升文本分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118134850A
公开(公告)日：2024-06-04
申请号：CN202410151859.6
申请日：2024-02-02
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了基于YOLOv5改进的钢铁表面缺陷检测方法及装置，涉及图像缺陷检测技术领域，解决了钢铁检测中微小目标技术检测精度不高的问题；本发明通过获取大量的钢铁表面缺陷图片数据对源图片数据进行预处理与类别标注，构建钢铁表面缺陷数据集；以及基于YOLOv5算法改进的钢铁表面缺陷检测模型，有效地引入BiFormer注意力机制并改进CSP模块，提高对微小目标的检测能力，使得模型提高了对钢铁表面缺陷的检测精度，有助于工作人员方便、快捷地判断钢铁瑕疵情况，同时也解决了端到端检测算法检测精度低于分步检测算法的问题。
-
公开(公告)号：CN118134340A
公开(公告)日：2024-06-04
申请号：CN202410455882.4
申请日：2024-04-16
Applicant: 安徽工业大学科技园有限公司
IPC: G06Q10/0639 , G06F17/16 , G06F18/23 , G06N7/02
Abstract: 本发明公开了一种流程制造企业数字化员工绩效考核模型，具体涉及流程制造企业智能管理技术领域，包括模型包括用于绩效考核的数字化指标库，数字化指标库是记录并管理各种绩效指标，模型还包括：指标预算分解模块，该模块使用数字化指标库内的信息进行指标的预算编制，获取各指标周期性预算值，根据企业的组织架构将预算值分解到不同岗位的员工，设定各级次员工周期性指标预算值，能够将员工的绩效与企业的战略目标保持一致。本发明使用更加科学的方式进行绩效分数计算，增强了绩效考核的客观性和科学性，是绩效考核公正和透明化，提高员工积极性的同时，还有助于提高企业的运营效率。
-
公开(公告)号：CN109472024B
公开(公告)日：2022-10-11
申请号：CN201811251261.5
申请日：2018-10-25
Applicant: 安徽工业大学
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双向循环注意力神经网络的文本分类方法，属于学习、自然语言处理技术领域。本发明方法步骤为：步骤1、对数据进行预处理；步骤2、根据所述预处理后的数据，通过Word2vec方法完成对每个单词的词向量的生成与训练；步骤3、根据所述词向量，对该词向量进行文本语义特征抽取，并融合注意力机制和双向循环神经网络，计算出每个单词对于整体的权重，并将所述权重转换为模型的输出值Y(4)；步骤4、根据特征向量Y(4)，将所述特征向量Y(4)作为softmax分类器的输入，进行分类识别。该方法在文本特征学习模型中融合了注意力机制，可以有效地突出关键词的作用，使得模型的性能得到更大的提高，进一步提升文本分类的准确性。
-
公开(公告)号：CN119865904A
公开(公告)日：2025-04-22
申请号：CN202510032126.5
申请日：2025-01-09
Applicant: 安徽工业大学 , 中盐常州化工股份有限公司
IPC: H04W72/0453 , H04W72/0457 , H04W72/121 , H04W56/00 , H04W4/80 , H04W88/16 , H04L5/00 , H04J3/06
Abstract: 本发明公开了一种提升Lora网络容量和可靠性的通信方法及系统，属于通信技术领域，该通信方法包括如下步骤：Lora通信节点发送入网请求至Lora网关，等待Lora网关响应入网请求，并获取Lora网关下发的分组信息和同步时间戳，与所述Lora网关同步时间，所述分组信息包括组号和组内序号；Lora通信节点根据获取到的分组信息，将其发送频率切换至Lora网关相应的接收频率，并将采集的数据上传至Lora网关；本发明通过采用自动分组的方式，实现Lora通信节点以分时分频结合的方式上传数据至Lora网关，提升了网络容量；通过采用网关确认的方式，保证传输数据的可靠性。
-
公开(公告)号：CN110929265B
公开(公告)日：2022-04-26
申请号：CN201911162276.9
申请日：2019-11-25
Applicant: 安徽工业大学
IPC: G06F21/57 , G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向阅读理解问答的多角度答案验证方法，属于智能验证技术领域。本发明构建了一个答案验证混合模型，该混合模型用于对阅读理解问答得到的答案进行进一步的验证；本发明将提出的问题、问题的答案和答案所在句进行编码后，送入答案合法性判别模型和答案可信度计算模型，计算出得到的答案的合法性概率和可信度概率，再将两概率送入答案验证混合模型，得到该答案为正确答案的概率，从而判断出答案的正确性。本发明根据答案和问题之间的语义关系判断答案的合法性，根据答案上下文和问答对的语义关系计算答案的可信度，从多个角度判断得到的答案是否正确，提高阅读理解问答获得正确答案的能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
