-
公开(公告)号：CN117788288A
公开(公告)日：2024-03-29
申请号：CN202311692857.X
申请日：2023-12-08
Applicant: 武汉大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明提供了一种轻量级视频超分辨率方法及系统，首先获取连续视频帧的低维特征，并将目标帧的低维特征与相邻帧的低维特征进行合并得到低维融合特征；利用浅层特征提取模块对低维融合特征进行处理，获取融合后的低级语义特征；将获得的低级语义特征输入到多级串联的全卷积特征优化模块Informer进行特征学习，并获取各级Informer输出的潜在特征；对各级Informer输出的潜在特征进行合并得到融合的潜在特征，并利用一个独立的Informer对融合的潜在特征进行处理，获取高级特征；根据得到的高级特征与视频帧序列中的目标帧的低维特征，生成所需要的超分辨率视频帧。本发明保证了超分辨率效果的同时，利用组卷积与深度可分离卷积降低了模型参数量，并减少了时间消耗。
-
公开(公告)号：CN115546030B
公开(公告)日：2023-04-07
申请号：CN202211515828.1
申请日：2022-11-30
Applicant: 武汉大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于孪生超分辨率网络的压缩视频超分辨率方法及系统，将待处理低分辨率视频输入本实施例的孪生超分辨率网络，获得超分辨率视频；训练时本发明将原始高质量视频进行M‑JPEG格式的压缩。然后将压缩版本和非压缩版本两类数据输入到孪生超分辨率网络中。最后从四个方面约束孪生超分辨率网络的训练，两类视频经编码器提取到的特征应该尽可能靠近；两类视频的超分结果和真实值共同构成了一个三元组，三元组内元素互为正样本；负样本则是压缩数据与传统降质之间的残差超分的结果。通过这样对比学习的方式，孪生超分辨率网络能够最大限度地学习到对压缩视频超分需要的特征参数，获得更精细的超分辨率重建结果。
-
公开(公告)号：CN118861298A
公开(公告)日：2024-10-29
申请号：CN202411041636.0
申请日：2024-07-31
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/151 , G06N3/049
Abstract: 本发明提供一种双向变体脉冲神经P系统的方面级情感分析方法及装置，包括以下步骤：获取待分析的文本；将所述待分析的文本输入预训练的方面级情感分析模型中，得到情感分类结果；该方面级情感分析模型包括输入模块、上下文编码模块、双注意力映射网络和分类模块，这些组件共同构成了一个完整的情感分析框架。所述输入模块用于将原始文本转换为计算机可理解的词向量表示；所述上下文编码模块用于基于所述词向量表示，捕获文本中词汇的上下文信息。所述双注意力映射网络用于得到带有权重的上下文表示；所述情感分类模块用于得到情感分类结果。本发明针对方面级情感分析领域提出了一种全新的方法，其旨在准确识别文本中各个方面的情感倾向。
-
公开(公告)号：CN117788289A
公开(公告)日：2024-03-29
申请号：CN202311694247.3
申请日：2023-12-08
Applicant: 武汉大学
IPC: G06T3/4053
Abstract: 本发明提供了一种退化核无关的渐进式解耦盲超分辨率方法及系统，首先获取图像的低维特征，利用SFE对低维特征进行处理，并获取学习到的低级语义特征；将获得的低级语义特征进行特征分离，并将分离后的特征分别输入到两个并行分支；两个并行分支利用特征解耦模块对特征进行解耦，分别学习超分辨率特征与退化特征；利用若干DRM模块以渐进式的方式对超分辨率特征与退化特征进行解耦，最终得到解耦出来的高级超分辨率特征与退化特征；根据得到的高级超分辨率特征与目标图像的低维特征，生成所需要的超分辨率图像；把解耦得到的高级超分辨率特征与退化特征进行融合，并利用FDM逆向预测输入的退化图像，从而反向约束整体算法网络的优化。
-
Patent Agency Ranking
公开(公告)号：CN118861299A
公开(公告)日：2024-10-29
申请号：CN202411042565.6
申请日：2024-07-31
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/151 , G06N3/0442 , G06N3/08 , G06F18/214
Abstract: 本发明针对方面级情感分析领域提出了一种样本感知LINEX深度记忆网络的方面级情感分析方法及装置，旨在识别文本中各个方面的情感倾向。在模型构建方面，输入模块利用词嵌入技术将文本数据转换为词向量表示，然后通过上下文编码将词向量编码为包含上下文信息的表示形式。接下来是深度记忆网络模块，通过多次迭代和注意力机制对上下文信息进行过滤和精细化处理。最后是情感分类模块，它将经过精细化处理的上下文信息送入全连接分类器进行情感分类。在模型训练方面，本方法采用样本感知的LINEX损失函数进行模型训练。这种损失函数能够使模型更关注少数样本，从而解决样本不均衡的问题，提高模型的性能和鲁棒性。
-
公开(公告)号：CN113098660B
公开(公告)日：2022-02-01
申请号：CN202110309618.6
申请日：2021-03-23
Applicant: 武汉大学
Abstract: 本发明提出了一种基于部分复制技术的不等局部可修复喷泉码构造方法，用于提高分布式存储网络的文件下载和数据修复能力，基于数据中心、处理单元和存储节点构建分层异构分布式存储网络模型；该方案对原始数据包通过可修复喷泉码编码得到编码后数据包，对编码后数据包利用部分复制技术得到部分复制编码后数据包集合，并发送到存储节点中；当节点发生故障，通过判断故障节点的类型以及故障节点的数量，选取对应修复方式完成修复；当请求文件下载时，可通过判断存活的存储节点数量，灵活选择下载方式完成下载。本发明以微小存储空间为代价，提高使用节点间链路进行数据修复和文件下载的机会，降低数据修复和下载的通信能耗，从而降低整体通信开销。
-
公开(公告)号：CN118861297A
公开(公告)日：2024-10-29
申请号：CN202411041280.0
申请日：2024-07-31
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/151 , G06F18/214 , G06N3/08 , G06N3/0442
Abstract: 本发明提出了一种双曲正切函数迭代网络的方面级情感分析方法及装置，旨在解决方面级情感分析中的挑战，即准确识别文本中各个方面的情感倾向。该方法包含四个关键模块：输入模块、上下文编码模块、基于方面的上下文迭代模块和情感分类模块。首先，输入模块将原始文本转换为词向量表示，通常使用词嵌入技术，将文本中的词汇映射到低维向量空间。上下文编码模块则利用双向LSTM模型捕获文本中词汇的上下文信息，从而全面理解文本语义。基于方面的上下文迭代模块作为核心，通过迭代优化上下文信息，以准确反映各个方面的情感倾向。最后，情感分类模块使用双曲正切函数优化的交叉熵损失函数来进行模型训练，有效解决数据集中类别不均衡问题，提升模型的性能和鲁棒性。
-
公开(公告)号：CN115546030A
公开(公告)日：2022-12-30
申请号：CN202211515828.1
申请日：2022-11-30
Applicant: 武汉大学
Abstract: 本发明公开了一种基于孪生超分辨率网络的压缩视频超分辨率方法及系统，将待处理低分辨率视频输入本实施例的孪生超分辨率网络，获得超分辨率视频；训练时本发明将原始高质量视频进行M‑JPEG格式的压缩。然后将压缩版本和非压缩版本两类数据输入到孪生超分辨率网络中。最后从四个方面约束孪生超分辨率网络的训练，两类视频经编码器提取到的特征应该尽可能靠近；两类视频的超分结果和真实值共同构成了一个三元组，三元组内元素互为正样本；负样本则是压缩数据与传统降质之间的残差超分的结果。通过这样对比学习的方式，孪生超分辨率网络能够最大限度地学习到对压缩视频超分需要的特征参数，获得更精细的超分辨率重建结果。
-
公开(公告)号：CN113098660A
公开(公告)日：2021-07-09
申请号：CN202110309618.6
申请日：2021-03-23
Applicant: 武汉大学
Abstract: 本发明提出了一种基于部分复制技术的不等局部可修复喷泉码构造方法，用于提高分布式存储网络的文件下载和数据修复能力，基于数据中心、处理单元和存储节点构建分层异构分布式存储网络模型；该方案对原始数据包通过可修复喷泉码编码得到编码后数据包，对编码后数据包利用部分复制技术得到部分复制编码后数据包集合，并发送到存储节点中；当节点发生故障，通过判断故障节点的类型以及故障节点的数量，选取对应修复方式完成修复；当请求文件下载时，可通过判断存活的存储节点数量，灵活选择下载方式完成下载。本发明以微小存储空间为代价，提高使用节点间链路进行数据修复和文件下载的机会，降低数据修复和下载的通信能耗，从而降低整体通信开销。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
