-
公开(公告)号：CN118968561B
公开(公告)日：2025-02-11
申请号：CN202411173574.9
申请日：2024-08-26
Applicant: 山东科技大学
IPC: G06V40/10 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明属于行人检测技术领域，公开了一种基于结构重参数化的果园行人检测方法、系统、设备及介质。本发明基于改进的DINO模型搭建基于结构重参数化的目标检测网络模型。模型的骨干网络中使用了结构重参数化的方法，通过对模型结构进行重参数化操作，在模型部署阶段几乎不改变检测精度的前提下，极大缩小了网络的参数量，从而达到轻量化的目的。此外，模型的特征融合模块中引入渐进式的双向特征融合网络，融合高阶特征，以增强模型的表征能力，在模块内部对不同特征的特征图融合添加了不同的权重，以区分不同特征图的重要性。本发明还改进了模型损失函数度量，使用最小点距离损失函数进行边界框回归预测。
-
公开(公告)号：CN118779834B
公开(公告)日：2025-02-07
申请号：CN202411266954.7
申请日：2024-09-11
Applicant: 山东科技大学
Inventor： 曾庆田 , 宋戈 , 赵云鹏 , 王善松 , 倪维健 , 段华 , 原桂远 , 李超 , 鲁法明 , 杨俊涛 , 刘瀚晖 , 林泽东 , 周长红 , 郭文艳 , 程成 , 赵华 , 陈双
Abstract: 本发明属于计算机视觉和自然语言处理技术领域，公开了一种农作物病害视觉问答方法、系统、计算机设备及介质。本发明首先使用特征提取器提取图像和问题的特征向量，然后将这两种模态的信息进行深度融合，再使用一种偏差平衡策略处理融合后的特征向量，最后使用一个分类器处理生成的特征向量得到问题的答案。本发明能够解决现有的视觉问答模型不能获得农作物病害图像多属性视觉信息并且按照这些信息判断病害发生阶段的问题。本发明所提基于先验知识的农作物病害视觉问答模型，通过将视觉问答任务和偏差平衡任务分开，利于解决单峰偏差误导模型训练导致模型无法按照农作物病害图像产生真实描述的问题，提升了模型对不同状况病害图像的预测准确率。
-
公开(公告)号：CN118797012B
公开(公告)日：2025-01-24
申请号：CN202411258837.6
申请日：2024-09-10
Applicant: 山东科技大学
IPC: G06F16/3329 , G06Q50/02 , G06N5/04 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然语言处理技术领域，公开了一种引入外部知识的农作物病害视觉问答方法、系统及设备。本发明在农作物病害知识库中检索显性知识文本，在预训练的大语言模型中检索隐性知识文本，并且在这两种外部知识文本的检索过程中使图像信息得到深度参与，降低了文本偏差；使用目标检测模型和图像字幕生成模型处理图像，然后使用图像特征提取器提取图像特征，使用大型语言编码器模型提取问题文本、显性知识和隐性知识文本的文本特征；最后将这两种不同模态的特征输入编码器‑解码器的网络中，最后生成答案。本发明能够有效回答有关农作物病害图像的视觉特征以及涉及与病害图像相关的外部知识的问题。
-
公开(公告)号：CN118864115A
公开(公告)日：2024-10-29
申请号：CN202410847483.2
申请日：2024-06-27
Applicant: 山东科技大学
IPC: G06Q40/08 , G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/08 , G06F17/18 , G06Q10/063 , G01W1/10
Abstract: 本发明公开了一种基于气象指标多注意力机制的农业保险索赔预测方法，属于农业保险索赔技术领域，包括如下步骤：步骤1、获取待预测耕地地块的农业气象时序数据，并进行预处理；步骤2、对预处理后的数据进行时序数据注意力编码，得到时序数据向量；步骤3、进行指标数据注意力编码，得到指标数据向量；步骤4、利用时序数据向量和指标数据向量进行线性模块组合预测，得到索赔预测值。本发明针对耕地时序气象数据，从历史时序气象数据中自动预测地块可能产生的索赔情况，用于农险公司进行提前风险准备和灾损减量。
-
公开(公告)号：CN118797012A
公开(公告)日：2024-10-18
申请号：CN202411258837.6
申请日：2024-09-10
Applicant: 山东科技大学
IPC: G06F16/332 , G06Q50/02 , G06N5/04 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然语言处理技术领域，公开了一种引入外部知识的农作物病害视觉问答方法、系统及设备。本发明在农作物病害知识库中检索显性知识文本，在预训练的大语言模型中检索隐性知识文本，并且在这两种外部知识文本的检索过程中使图像信息得到深度参与，降低了文本偏差；使用目标检测模型和图像字幕生成模型处理图像，然后使用图像特征提取器提取图像特征，使用大型语言编码器模型提取问题文本、显性知识和隐性知识文本的文本特征；最后将这两种不同模态的特征输入编码器‑解码器的网络中，最后生成答案。本发明能够有效回答有关农作物病害图像的视觉特征以及涉及与病害图像相关的外部知识的问题。
-
Patent Agency Ranking
公开(公告)号：CN111245099B
公开(公告)日：2021-03-12
申请号：CN202010196271.4
申请日：2020-03-19
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于事件触发传输机制和混合量测的配电网状态估计方法，该方法首先获取配电网中的量测量，然后参考递推滤波器返回的预测反馈，通过事件触发传输机制对量测量进行筛选，将满足触发条件的数据传输给估计中心；估计中心得到数据后在简化混合量测和考虑非触发误差的情况下进行滤波估计；在求取滤波增益时，本发明将高阶非线性电压幅值测量转化为误差有界的二次非线性形式，并设计了一种二阶非线性函数的不确定项线性变换方法；求取使滤波误差协方差上界最小时的滤波增益；最后，利用实现对配电网状态的估计。本发明方法在保证估计性能的前提下大大简化了计算过程，缩短了计算时间。
-
公开(公告)号：CN119692333A
公开(公告)日：2025-03-25
申请号：CN202411737692.8
申请日：2024-11-29
Applicant: 山东科技大学
IPC: G06F40/205 , G06F40/211 , G06F40/284 , G06F40/30 , G06F18/10 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种从RFC文本自动抽取构建Petri网模型的方法，属于自然语言处理技术领域，包括如下步骤：获取RFC文本数据，并对其进行预处理；构建并训练Bert‑DGCNN‑BiLSTM‑CRF模型，抽取协议过程信息；将抽取的协议过程信息转换成网络协议中间表示；抽取网络协议状态转移关系，同时进行噪声过滤和关系修正；将抽取的状态转移关系转化为关联矩阵，使用jxl库解析关联矩阵，并通过PNML文件和PIPE可视化工具实现网络协议Petri网模型可视化。本发明实现了对RFC文本的深层次语义分析和挖掘，抽取出的网络协议Petri网模型不仅能为专家建模提供参考，还能为RFC文本自动分析提供支持。
-
公开(公告)号：CN118968561A
公开(公告)日：2024-11-15
申请号：CN202411173574.9
申请日：2024-08-26
Applicant: 山东科技大学
IPC: G06V40/10 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明属于行人检测技术领域，公开了一种基于结构重参数化的果园行人检测方法、系统、设备及介质。本发明基于改进的DINO模型搭建基于结构重参数化的目标检测网络模型。模型的骨干网络中使用了结构重参数化的方法，通过对模型结构进行重参数化操作，在模型部署阶段几乎不改变检测精度的前提下，极大缩小了网络的参数量，从而达到轻量化的目的。此外，模型的特征融合模块中引入渐进式的双向特征融合网络，融合高阶特征，以增强模型的表征能力，在模块内部对不同特征的特征图融合添加了不同的权重，以区分不同特征图的重要性。本发明还改进了模型损失函数度量，使用最小点距离损失函数进行边界框回归预测。
-
公开(公告)号：CN117688453B
公开(公告)日：2024-04-30
申请号：CN202410147357.6
申请日：2024-02-02
Applicant: 山东科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/048 , G06N3/0464 , G06Q50/26
Abstract: 本发明公开了一种基于时空嵌入注意力网络的交通流量预测方法，属于交通流量预测领域，包括如下步骤：步骤1、从公开网站上获取现有交通流量数据集，对现有交通流量数据集进行滑动窗口采样，得到用于训练的历史交通流量数据、时间信息、空间信息和未来交通流量标签数据；步骤2、构建时间和空间的位置编码矩阵；步骤3、使用空间位置编码矩阵计算传感器节点间的余弦相似度，得到空间掩码矩阵；步骤4、构建基于时空嵌入注意力网络的交通流量预测模型，并对交通流量预测模型进行训练；步骤5、采集前一个时间段的交通流量数据，输入训练完成的交通流量预测模型，对未来一个时间段的交通流量数据进行预测。本发明实现了交通流量的准确预测。
-
公开(公告)号：CN119128071A
公开(公告)日：2024-12-13
申请号：CN202411054389.8
申请日：2024-08-02
Applicant: 山东科技大学
IPC: G06F16/332 , G06F18/2415 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种融合注意力邻接矩阵的文档级自然灾害事件抽取方法，属于文本数据挖掘技术领域，具体包括如下步骤：步骤1、采集自然灾害事件构建文本数据集，对自然灾害事件进行文档级别标签标注；步骤2、将标注后的文档输入触发词识别层进行触发词识别；步骤3、将触发词所在句的上下文输入到实体识别层进行事件信息检测；步骤4、通过实体识别层得到自然灾害事件对应的上下文标签，并生成注意力邻接矩阵；步骤5、通过图网络层和事件输出层得到自然灾害事件中的论元，完成自然灾害事件填充。本发明能自动化地从非结构化语料中完成事件信息抽取，得到自然灾害事件的准确信息并进行结构化的展示。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
