-
公开(公告)号：CN110175286A
公开(公告)日：2019-08-27
申请号：CN201910412585.0
申请日：2019-05-17
申请人： 山东师范大学
IPC分类号： G06F16/9535 , G06F16/9536 , G06F17/16 , G06K9/62
摘要： 本公开公开了结合成对优化和矩阵分解的产品推荐方法及系统，获取用户对产品的评分矩阵和用户之间的社交关系矩阵；根据用户对产品的评分矩阵对产品进行聚类，将产品划分为若干簇；将用户对产品的评分矩阵和用户之间的社交关系矩阵，映射为带权邻接矩阵；定义用户-产品二分图，在用户-产品二分图上运用随机游走算法对带权邻接矩阵进行填充，得到概率矩阵；基于产品被划分的簇，建立基于成对优化pairwise的目标函数；基于目标函数对概率矩阵进行矩阵分解，以目标函数值最小为目标，得到分解后的矩阵和产品推荐列表。
-
公开(公告)号：CN113343705B
公开(公告)日：2022-07-05
申请号：CN202110455323.X
申请日：2021-04-26
申请人： 山东师范大学
IPC分类号： G06F40/30 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
摘要： 本公开公开的一种基于文本语义的细节保持图像生成方法及系统，包括：获取文本信息；提取文本信息的文本特征、句子特征和单词特征；将文本特征、句子特征和单词特征输入训练好的图像生成对抗网络中，输出文本图像；其中，图像生成对抗网络包括基于混合注意力模块与细节优化模块的生成网络和基于深度注意力多态相似模型的判别网络。保证了生成的文本图像的准确率。
-
-
公开(公告)号：CN109299216B
公开(公告)日：2019-07-23
申请号：CN201811269037.9
申请日：2018-10-29
申请人： 山东师范大学
摘要： 本发明公开了一种融合监督信息的跨模态哈希检索方法和系统，所述方法包括：构建图像网络，文本网络和融合网络；获取图像和文本特征训练样本对，分别输入图像网络和文本网络；将图像网络和文本网络的输出特征作为所述融合网络的输入，并定义所述融合网络的输出；根据所述融合网络的输出和对间相似性构建学习统一哈希码的目标函数；求解所述目标函数，得到统一哈希码；将所述统一哈希码作为监督信息，结合语义信息，训练特定模态的哈希网络。本发明基于端到端的深度学习框架同时地学习特征表示和哈希编码，能够更有效地捕获不同模态数据之间的相关性，有助于跨模态检索精度的提高。
-
公开(公告)号：CN109299216A
公开(公告)日：2019-02-01
申请号：CN201811269037.9
申请日：2018-10-29
申请人： 山东师范大学
CPC分类号： G06K9/6288 , G06N3/0454 , G06N3/08
摘要： 本发明公开了一种融合监督信息的跨模态哈希检索方法和系统，所述方法包括：构建图像网络，文本网络和融合网络；获取图像和文本特征训练样本对，分别输入图像网络和文本网络；将图像网络和文本网络的输出特征作为所述融合网络的输入，并定义所述融合网络的输出；根据所述融合网络的输出和对间相似性构建学习统一哈希码的目标函数；求解所述目标函数，得到统一哈希码；将所述统一哈希码作为监督信息，结合语义信息，训练特定模态的哈希网络。本发明基于端到端的深度学习框架同时地学习特征表示和哈希编码，能够更有效地捕获不同模态数据之间的相关性，有助于跨模态检索精度的提高。
-
-
公开(公告)号：CN110175286B
公开(公告)日：2021-05-11
申请号：CN201910412585.0
申请日：2019-05-17
申请人： 山东师范大学
IPC分类号： G06F16/9535 , G06F16/9536 , G06F17/16 , G06K9/62
摘要： 本公开公开了结合成对优化和矩阵分解的产品推荐方法及系统，获取用户对产品的评分矩阵和用户之间的社交关系矩阵；根据用户对产品的评分矩阵对产品进行聚类，将产品划分为若干簇；将用户对产品的评分矩阵和用户之间的社交关系矩阵，映射为带权邻接矩阵；定义用户‑产品二分图，在用户‑产品二分图上运用随机游走算法对带权邻接矩阵进行填充，得到概率矩阵；基于产品被划分的簇，建立基于成对优化pairwise的目标函数；基于目标函数对概率矩阵进行矩阵分解，以目标函数值最小为目标，得到分解后的矩阵和产品推荐列表。
-
公开(公告)号：CN111476168A
公开(公告)日：2020-07-31
申请号：CN202010270027.8
申请日：2020-04-08
申请人： 山东师范大学
摘要： 本发明公开了一种基于三阶段的跨域行人重识别方法和系统，包括：域自适应学习阶段，针对源域和目标域图像，利用域自适应网络进行处理，计算各项损失并更新域自适应网络参数；自监督训练阶段：通过伪标签对域自适应网络进行有监督训练，计算难采样三元组损失并更新网络参数；联合损失训练阶段，构建联合损失训练网络，定义标签平滑正则化损失和难采样三元组损失；对于目标域图像，输入联合损失训练网络，计算各项损失并更新联合损失训练网络参数，对待识别的图像数据，进行跨域行人重识别，该方法有效地集成了域自适应阶段、自监督聚类再训练阶段和联合损失学习阶段，相比较单一训练方式，进一步提高了跨域行人重识别准确度。
-
公开(公告)号：CN111476168B
公开(公告)日：2022-06-21
申请号：CN202010270027.8
申请日：2020-04-08
申请人： 山东师范大学
IPC分类号： G06V40/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/774
摘要： 本发明公开了一种基于三阶段的跨域行人重识别方法和系统，包括：域自适应学习阶段，针对源域和目标域图像，利用域自适应网络进行处理，计算各项损失并更新域自适应网络参数；自监督训练阶段：通过伪标签对域自适应网络进行有监督训练，计算难采样三元组损失并更新网络参数；联合损失训练阶段，构建联合损失训练网络，定义标签平滑正则化损失和难采样三元组损失；对于目标域图像，输入联合损失训练网络，计算各项损失并更新联合损失训练网络参数，对待识别的图像数据，进行跨域行人重识别，该方法有效地集成了域自适应阶段、自监督聚类再训练阶段和联合损失学习阶段，相比较单一训练方式，进一步提高了跨域行人重识别准确度。
-
公开(公告)号：CN113343705A
公开(公告)日：2021-09-03
申请号：CN202110455323.X
申请日：2021-04-26
申请人： 山东师范大学
IPC分类号： G06F40/30 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本公开公开的一种基于文本语义的细节保持图像生成方法及系统，包括：获取文本信息；提取文本信息的文本特征、句子特征和单词特征；将文本特征、句子特征和单词特征输入训练好的图像生成对抗网络中，输出文本图像；其中，图像生成对抗网络包括基于混合注意力模块与细节优化模块的生成网络和基于深度注意力多态相似模型的判别网络。保证了生成的文本图像的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.032 秒)
