公开(公告)号：CN118279422A

公开(公告)日：2024-07-02

申请号：CN202410348380.1

申请日：2024-03-26

Applicant: 扬州大学

Inventor： 徐晓华 ,  徐天祺 ,  何萍 ,  郑斯丹 ,  胡雨豪

IPC: G06T11/00 ,  G06N3/0455

Abstract: 本发明公开了一种多中心量化变分自编码扩散模型文生图方法及系统。首先载入向量量化变分自编码器的预训练模型，对模型参数进行微调，并进一步使用自组织映射的方式训练更新码本；然后载入Clip文字图片预训练的扩散模型，对扩散模型进行微调，并进一步使用全局异步迭代更新的方式加快扩散模型的训练速度；接着在文生图过程中，设计多中心量化变分自编码方法，找到与文字向量匹配图片的局部特征向量，经过多中心量化变分自编码器量化后求得多个邻近表征向量，将近邻向量的索引放入扩散模型训练，再进行加权组合成一个多中心表征向量，最后将多中心表征向量输入解码器生成所需的高分辨率图像。本发明的多中心量化变分自编码扩散模型文生图方法可以提高文生图的质量和速度。

公开(公告)号：CN119271861A

公开(公告)日：2025-01-07

申请号：CN202411055445.X

申请日：2024-08-02

Applicant: 扬州大学

Inventor： 徐晓华 ,  郭思驿 ,  何萍 ,  朱含玉 ,  郑斯丹 ,  叶进 ,  胡雨豪

IPC: G06F16/906 ,  G06F16/901 ,  G06F18/213 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048

Abstract: 本发明公开了一种混合异配图高阶邻居卷积网络的引文网络节点分类方法及系统。本发明通过两个主要策略来构造图的邻接矩阵：首先，通过混合函数融合节点的一阶到k阶邻居信息，自适应地学习一个新的邻接矩阵；其次，利用多层感知机模型生成节点的软标签矩阵，并据此计算节点间的类相似度矩阵。在混合异配图高阶邻居卷积网络模型中，使用这两种学习到的邻接矩阵和类相似度矩阵进行操作，以进行更有效的节点特征更新。接着，本发明通过损失函数进行优化，以提高处理异配图数据时节点分类的准确性。最后，通过在多个真实数据集上与其他网络模型进行对比实验，本发明能够显著提高异配图上节点分类的准确性，并验证了混合异配图高阶邻居卷积网络在提取节点信息和提高节点分类准确率方面的有效性。