-
Patent Agency Ranking
公开(公告)号：CN113127696A
公开(公告)日：2021-07-16
申请号：CN202110299342.8
申请日：2021-03-21
Applicant: 武汉大学深圳研究院 , 深圳市新一代信息技术研究院有限公司
IPC: G06F16/901 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了一种提高基于行为的影响力度量准确性方法，本发明首先构建基于位置访问的社交网络，并对所有用户进行了用户签到信息记录进行提取，并且剔除了用户重复行为。然后根据目标用户的签到地点计算位置热门度。同时根据时间模型对朋友圈的总影响力进行重分配，由此剔除了朋友圈的影响因素。之后使用杰卡德的算法度量位置相似度，最后得出指定用户间的影响力大小。本发明考虑了导致用户之间存在相似签到行为的多种原因，用户本身的个人喜好、用户朋友圈共同影响、位置热门因素等，从而使两个用户之间的影响力度量结果更加准确。
-
公开(公告)号：CN113127696B
公开(公告)日：2024-07-12
申请号：CN202110299342.8
申请日：2021-03-21
Applicant: 武汉大学深圳研究院 , 深圳市新一代信息技术研究院有限公司
IPC: G06F16/901 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了一种提高基于行为的影响力度量准确性方法，本发明首先构建基于位置访问的社交网络，并对所有用户进行了用户签到信息记录进行提取，并且剔除了用户重复行为。然后根据目标用户的签到地点计算位置热门度。同时根据时间模型对朋友圈的总影响力进行重分配，由此剔除了朋友圈的影响因素。之后使用杰卡德的算法度量位置相似度，最后得出指定用户间的影响力大小。本发明考虑了导致用户之间存在相似签到行为的多种原因，用户本身的个人喜好、用户朋友圈共同影响、位置热门因素等，从而使两个用户之间的影响力度量结果更加准确。
-
公开(公告)号：CN113553895A
公开(公告)日：2021-10-26
申请号：CN202110292442.8
申请日：2021-03-19
Applicant: 武汉大学深圳研究院 , 深圳市新一代信息技术研究院有限公司
Abstract: 本发明公开了一种基于人脸正面化的多姿态人脸识别方法，针对实际应用中的人脸姿态变化问题，提出了一种合成正面人脸图像的新方法。本发明利用编码器和解码器构成的生成器提取特征并合成正面人脸图像；利用特征判别器和图像判别器判断特征域和图像真假；利用特征提取器提取合成正脸图像和目标合成图像的特征；通过设计的损失函数，交替训练基于生成对抗网络设计的网络，直到损失函数的值稳定收敛。本发明可以将各种姿态的人脸图像校正为正脸图像，有助于减少人脸姿态变换给人脸识别带来的不利影响，有利于人脸识别在非限制条件下的实际应用。
-
公开(公告)号：CN113553471A
公开(公告)日：2021-10-26
申请号：CN202110292441.3
申请日：2021-03-19
Applicant: 武汉大学深圳研究院 , 深圳市新一代信息技术研究院有限公司
IPC: G06F16/738 , G06K9/00 , G06K9/32 , G06T7/62 , G06N3/04
Abstract: 本发明公开了一种基于空间注意力约束的LSTM模型的视频摘要生成方法，基于一般现实规律：镜头会聚焦且跟随关键信息，在长短期记忆模型(LSTM)预测视频帧的重要性的基础上，进一步提出空间注意力用于约束长短期记忆模型(LSTM)，并根据背包算法挑选关键帧，其将视频文件分解成帧序列，按时序依次使用深度神经网络分别提取视频帧的空间域几何特征和深度特征；空间域几何特征用于确定图像画面中，能够引起观众注意的区域，并预测该区域能够获得的注意力；深度特征作为LSTM模型的输入，经计算形成LSTM模型的隐含信息能够用于预测当前图像与上下文之间的关联性分数；将空间注意力分数对LSTM模型的关联性分数计算进行约束，有效的提升了视频摘要的生成结果。
-
公开(公告)号：CN113553471B
公开(公告)日：2024-10-22
申请号：CN202110292441.3
申请日：2021-03-19
Applicant: 武汉大学深圳研究院 , 深圳市新一代信息技术研究院有限公司
IPC: G06F16/738 , G06V20/40 , G06V10/25 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06T7/62
Abstract: 本发明公开了一种基于空间注意力约束的LSTM模型的视频摘要生成方法，基于一般现实规律：镜头会聚焦且跟随关键信息，在长短期记忆模型(LSTM)预测视频帧的重要性的基础上，进一步提出空间注意力用于约束长短期记忆模型(LSTM)，并根据背包算法挑选关键帧，其将视频文件分解成帧序列，按时序依次使用深度神经网络分别提取视频帧的空间域几何特征和深度特征；空间域几何特征用于确定图像画面中，能够引起观众注意的区域，并预测该区域能够获得的注意力；深度特征作为LSTM模型的输入，经计算形成LSTM模型的隐含信息能够用于预测当前图像与上下文之间的关联性分数；将空间注意力分数对LSTM模型的关联性分数计算进行约束，有效的提升了视频摘要的生成结果。
-
-
-
-
Search Results
5
records
(took 0.107 seconds)
