-
公开(公告)号:CN111738306A
公开(公告)日:2020-10-02
申请号:CN202010487922.5
申请日:2020-06-01
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于块卷积神经网络的多视图三维模型检索方法,通过针对多视图图像,使用块卷积层在视图特征的提取过程中挖掘视图之间的内在联系。根据每个视图特征与最大视图池化后的特征之间的余弦相似度来给每个视图分配不同的权重,利用了视图特征之间区分性,得到更有区分性的模型特征。在生成损失函数时不仅考虑了模型特征还考虑了视图特征,可以更好约束网络进行学习。该基于块卷积神经网络的多视图三维模型检索方法在相关的三维模型检索数据集中达到了优良的性能。
-
公开(公告)号:CN110543581A
公开(公告)日:2019-12-06
申请号:CN201910848660.8
申请日:2019-09-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/55 , G06F16/583 , G06K9/62
Abstract: 该发明属于计算机视觉及深度学习领域,针对当前基于视图的深度学习方法不能捕获三维模型全面的空间信息的缺点,基于非局部图卷积网络的多视图三维模型检索方法挖掘融合多视图的高响应特征,从而得到单一紧凑的高辨别性模型描述符。其优越性能在三维模型检索中得到验证。该发明具体包含以下步骤:(1)获取模型的多视角图像,(2)多视角图像预处理,(3)设计非局部图卷积网络,(4)非局部图卷积网络训练,(5)提取模型深度特征,(6)三维模型的检索匹配。
-
公开(公告)号:CN113868537B
公开(公告)日:2022-07-05
申请号:CN202111212853.8
申请日:2021-10-19
Applicant: 山东省人工智能研究院 , 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9536 , G06F16/9538 , G06Q30/02 , G06Q30/06
Abstract: 一种基于多行为会话图融合的推荐方法,使用目标用户和相似用户的联合多行为序列数据构建多行为带权无向会话图。在此基础上,根据不同权重聚合邻居信息得到项目多行为嵌入,串联项目多行为嵌入并结合注意力机制获取用户兴趣表征。最终,使用项目嵌入和用户兴趣表征进行内积得到归一化分数决定是否推荐项目。相较其他会话型推荐方法,一是从建模用户多行为序列数据,能够得到包含更多行为意图的项目嵌入;二是将序列构建为带权无向图,解除了聚合邻居信息时的单向束缚,模型能学习到项目间的双向关系;三是使用相似用户补充目标用户数据,模型能够学习到没有出现在目标用户历史数据中的“新颖”的项目,进而提高推荐结果的多样性和准确性。
-
公开(公告)号:CN110555060A
公开(公告)日:2019-12-10
申请号:CN201910849336.8
申请日:2019-09-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/2458 , G06K9/62 , G06N3/04
Abstract: 本发明属于图像分类和迁移学习技术领域,公开了一种基于成对样本匹配的迁移学习方法,实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤:(1)数据预处理,(2)基于迁移学习的双链模型构建,(3)实例归一化和批量归一化,(4)计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习,充分挖掘不同图像的风格和语义关联特性,实现在源域辅助下对少量目标域样本的高效识别。
-
公开(公告)号:CN115357783B
公开(公告)日:2023-06-06
申请号:CN202210918943.7
申请日:2022-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/958 , G06F16/335 , G06F40/289 , G06F40/30
Abstract: 一种基于结构化多兴趣协同的企业服务快讯推荐方法,通过附加选择器以增强快讯的特征,有效增强了最终的企业服务快讯表示;本发明提出的用户兴趣表示学习方法通过构建用户兴趣结构无向图,利用图注意力网络可以一种显示的方式结构化编码用户的多种潜在兴趣,这可以提取更加精确的用户兴趣表示;本发明提出的用户兴趣表示学习方法充分考虑了用户多种潜在兴趣之间的相互作用,利用自注意力网络模拟兴趣之间的作用关系有效增强了用户兴趣表示;本发明得益于良好的企业服务快讯表示学习方法和用户兴趣表示学习方法,有效提高了企业服务快讯推荐的准确性。
-
公开(公告)号:CN115329211B
公开(公告)日:2023-06-06
申请号:CN202210918860.8
申请日:2022-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9536 , G06F16/958 , G06N3/042 , G06N3/09 , G06Q50/00
Abstract: 一种基于自监督学习和图神经网络的个性化兴趣推荐方法,使用自监督的图对比学习的方法预训练兴趣点特征表示向量,深度学习兴趣点之间的流行度访问行为模式,训练图编码器模型,使兴趣点特征向量融合空间关联性和交互行为关联性。同时在下游推荐任务中将目标用户个人的兴趣点交互图通过预训练中训练好的图编码器模型学习用户个人的长期行为模式作为长期兴趣,以达到个性化的目的。大大提高了模型的泛化能力和推荐召回率,实现根据兴趣个性化解决用户出行需求的目的。
-
公开(公告)号:CN111738306B
公开(公告)日:2022-05-13
申请号:CN202010487922.5
申请日:2020-06-01
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于块卷积神经网络的多视图三维模型检索方法,通过针对多视图图像,使用块卷积层在视图特征的提取过程中挖掘视图之间的内在联系。根据每个视图特征与最大视图池化后的特征之间的余弦相似度来给每个视图分配不同的权重,利用了视图特征之间区分性,得到更有区分性的模型特征。在生成损失函数时不仅考虑了模型特征还考虑了视图特征,可以更好约束网络进行学习。该基于块卷积神经网络的多视图三维模型检索方法在相关的三维模型检索数据集中达到了优良的性能。
-
公开(公告)号:CN110555060B
公开(公告)日:2023-05-02
申请号:CN201910849336.8
申请日:2019-09-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/2458 , G06F18/214 , G06N3/0464 , G06N3/0442
Abstract: 本发明属于图像分类和迁移学习技术领域,公开了一种基于成对样本匹配的迁移学习方法,实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤:(1)数据预处理,(2)基于迁移学习的双链模型构建,(3)实例归一化和批量归一化,(4)计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习,充分挖掘不同图像的风格和语义关联特性,实现在源域辅助下对少量目标域样本的高效识别。
-
公开(公告)号:CN110543581B
公开(公告)日:2023-04-04
申请号:CN201910848660.8
申请日:2019-09-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/55 , G06F16/583 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 该发明属于计算机视觉及深度学习领域,针对当前基于视图的深度学习方法不能捕获三维模型全面的空间信息的缺点,基于非局部图卷积网络的多视图三维模型检索方法挖掘融合多视图的高响应特征,从而得到单一紧凑的高辨别性模型描述符。其优越性能在三维模型检索中得到验证。该发明具体包含以下步骤:(1)获取模型的多视角图像,(2)多视角图像预处理,(3)设计非局部图卷积网络,(4)非局部图卷积网络训练,(5)提取模型深度特征,(6)三维模型的检索匹配。
-
公开(公告)号:CN115357783A
公开(公告)日:2022-11-18
申请号:CN202210918943.7
申请日:2022-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/958 , G06F16/335 , G06F40/289 , G06F40/30
Abstract: 一种基于结构化多兴趣协同的企业服务快讯推荐方法,通过附加选择器以增强快讯的特征,有效增强了最终的企业服务快讯表示;本发明提出的用户兴趣表示学习方法通过构建用户兴趣结构无向图,利用图注意力网络可以一种显示的方式结构化编码用户的多种潜在兴趣,这可以提取更加精确的用户兴趣表示;本发明提出的用户兴趣表示学习方法充分考虑了用户多种潜在兴趣之间的相互作用,利用自注意力网络模拟兴趣之间的作用关系有效增强了用户兴趣表示;本发明得益于良好的企业服务快讯表示学习方法和用户兴趣表示学习方法,有效提高了企业服务快讯推荐的准确性。
-
-
-
-
-
-
-
-
-