-
公开(公告)号：CN118395948A
公开(公告)日：2024-07-26
申请号：CN202410481898.2
申请日：2024-04-22
Applicant: 浙江大学
IPC: G06F40/166 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种基于大语言模型的体育数据新闻生成系统，包括：数据收集模块，其用于收集体育新闻相关的表格文本数据和视频数据，并进行处理得到数据集；新闻生成模块，其用于基于用户的洞见文本从数据集中提取事件对应的多模态数据；基于事件对应的多模态数据利用大语言模型生成表示新闻结果的叙事结构，叙事结构包括一系列的叙事情节，每个叙事情节包括情节标题、情节描述、附加描述语句、以及事件序列；依据情节描述和附加描述语句生成包含图表和文本的情节内容；在线编辑模块，其用于提供修改情节顺序和编辑可视化形式的功能以支持用户的交互式编辑和逻辑情节插值，实现生成新闻内容的可控性。
-
公开(公告)号：CN109101911A
公开(公告)日：2018-12-28
申请号：CN201810858815.1
申请日：2018-07-31
Applicant: 浙江大学
Abstract: 本发明提供了一种对足球比赛阵型变化及人员流动的可视分析方法，包括以下步骤：(1)获取数据，数据包括球员位置数据、足球位置数据、球场发生事件数据和控球信息；(2)建立二维球场模型，将步骤(1)中的球员位置数据投射到球场中，并对位置数据进行平滑处理；(3)对步骤(1)中的球员位置数据进行聚类，得到总体的阵型信息；(4)将步骤(1)、(2)、(3)中得到的数据进行可视化，可视化图像包括阵型可视化、比赛实时数据可视化以及比赛事件可视化；本发明提供了针对足球数据的采集方式以及预处理方法，给足球分析相关专家提供分析的数据支撑，同时对阵型数据进行了可视化，便于发现阵型变化的特征。
-
公开(公告)号：CN119088951A
公开(公告)日：2024-12-06
申请号：CN202410973628.3
申请日：2024-07-19
Applicant: 浙江大学
IPC: G06F16/34 , G06F16/332 , G06F16/35 , G06F40/30 , G06N5/04 , G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/094
Abstract: 本发明公开了一种面向大语言模型红队演练的多层次可视分析系统，包括：控制面板模块，其包括模型基本信息、模型管理及训练控制按钮；嵌入分析模块，其包括迭代过程中产生的文本数据集的嵌入分布散点图；指标监控模块，其通过雷达图展示模型总体性能指标，并通过双轴折线图展示指标在迭代过程中的变化趋势；对抗流模块，其通过三级视图展示了目标模型处理不同类别的对抗性提示的性能变化；波动性分析模块，其包括在验证集上，提示级和令牌级的波动性分析的列表；实例列表模块，其展示了实例集合的详细信息列表；后端计算模块，其将对红队模型与目标模型进行迭代训练及验证，计算相关指标，并与其他所有模块进行数据交互，实现数据的实时更新。
-
公开(公告)号：CN110969133B
公开(公告)日：2023-04-07
申请号：CN201911233847.3
申请日：2019-12-05
Applicant: 浙江大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/047 , G10L25/24 , G10L25/30 , G10L25/51 , H04N21/439 , H04N21/44
Abstract: 本发明公开一种乒乓球比赛视频的智能数据采集方法，包括：S1：比赛切割，即将整场乒乓球比赛视频切割为仅包含每一回合的比赛片段；S2：微调优化及球员骨架检测，即将S1中的每一回合的比赛片段采用用于视频检测和切割的卷积神经网络进行特征提取，根据所提取特征对每一回合比赛片段进一步细分并得到球员骨架；用于视频检测和切割的卷积神经网络为以Openpose作为特征提取模块，加入双向长短期记忆网络、长短期记忆网络、全连接层和Softmax分类层，实现对时序视频数据的分类功能；S3：击球检测，即对所述的比赛进行阶段的击球声音进行检测，计算击球数量及击球时刻。本发明的方法，自动对乒乓球比赛视频进行回合的检测和切割，检测得到的数据的准确率高。
-
公开(公告)号：CN111905350A
公开(公告)日：2020-11-10
申请号：CN202010663591.6
申请日：2020-07-10
Applicant: 浙江大学
Abstract: 本发明涉及一种基于运动数据的自动化乒乓球击球表现评估方法和系统，属于体育数据分析技术领域。包括：1)获取乒乓球比赛的直播视频，定义一个回合的击球为R＝{S1,S2,...,Si}，Si为击球帧序列，表示在R回合中的第i次击球；2)提取一个击球回合每次击球动作中显示双方球员运动情况的单位时间帧，并对其进行图像降噪处理；3)将每个击球帧序列中击球的技术特征和球员的运动特征进行结合，得到一个特征向量；4)获得特征向量后，使用分类预测模型评估击球的质量。在综合衡量击球的技术特征和球员的移动特征的基础上，可以精确且有效的标准来评估击球质量，并且给出合适的评估结果。
-
Patent Agency Ranking
公开(公告)号：CN110969133A
公开(公告)日：2020-04-07
申请号：CN201911233847.3
申请日：2019-12-05
Applicant: 浙江大学
Abstract: 本发明公开一种乒乓球比赛视频的智能数据采集方法，包括：S1：比赛切割，即将整场乒乓球比赛视频切割为仅包含每一回合的比赛片段；S2：微调优化及球员骨架检测，即将S1中的每一回合的比赛片段采用用于视频检测和切割的卷积神经网络进行特征提取，根据所提取特征对每一回合比赛片段进一步细分并得到球员骨架；用于视频检测和切割的卷积神经网络为以Openpose作为特征提取模块，加入双向长短期记忆网络、长短期记忆网络、全连接层和Softmax分类层，实现对时序视频数据的分类功能；S3：击球检测，即对所述的比赛进行阶段的击球声音进行检测，计算击球数量及击球时刻。本发明的方法，自动对乒乓球比赛视频进行回合的检测和切割，检测得到的数据的准确率高。
-
公开(公告)号：CN119089974A
公开(公告)日：2024-12-06
申请号：CN202410973625.X
申请日：2024-07-19
Applicant: 浙江大学
IPC: G06N3/094 , G06N3/045 , G06N3/0475 , G06N5/04 , G06F16/332 , G06F16/34
Abstract: 本发明公开了一种用于大语言模型安全防御的自动红队演练方法，包括如下步骤：S1，从数据库中采样种子提示词，红队模型根据种子提示词和指令生成对抗性提示词；S2，目标模型接收红队模型生成的对抗性提示词，并生成相应的响应；S3，奖励模型评估目标模型对于对抗性提示词的响应是否恰当，并根据评估结果对红队模型和目标模型进行更新微调；S4，通过自动或手动调整策略、或增加种子提示词与响应对来提高红队模型和目标模型的更新微调效果；其中，目标模型为需要提高安全性能的大语言模型。方法能生成更加新颖、多样且高质量的对抗性提示词，并能着重提升模型安全性能的薄弱部分。
-
公开(公告)号：CN116958861A
公开(公告)日：2023-10-27
申请号：CN202310733836.1
申请日：2023-06-20
Applicant: 浙江大学
IPC: G06V20/40 , G06V40/20 , G06V10/77 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种面向乒乓球比赛视频的多任务数据实时检测方法和装置，包括以下步骤：构建多任务数据实时检测模型，包括视频特征提取模块、球检测模块和击球动作识别模块；对模型进行无监督预训练和有监督训练；利用训练好的视频特征提取模块中加入三维卷积层的深度神经网络提取逐帧视觉特征；利用训练好的球检测模块将逐帧视觉特征变为单通道置信度的热力图，确定球的逐帧位置；利用训练好的击球动作识别模块将逐帧视觉特征降维并编码，再次降维后通过线性回归得到逐帧球员击球置信度，确定击球时刻和击球次数；将模型输出结果进行可视化处理，标注在乒乓球比赛视频中，实现球检测和击球动作识别的多任务数据可视化实时检测。
-
公开(公告)号：CN110996178A
公开(公告)日：2020-04-10
申请号：CN201911233818.7
申请日：2019-12-05
Applicant: 浙江大学
IPC: H04N21/472 , H04N21/482 , H04N21/431
Abstract: 本发明公开一种乒乓球比赛视频的智能交互数据采集系统，该系统包括：(1)热启动模块，其包括各种基本信息的按钮或输入框，通过交互的方式，使用户对比赛视频的基本信息进行标注和输入；(2)比赛导览模块，其包括局列表、回合列表和拍列表，用于对比赛的比赛视频片段进行组织和导览，帮助用户高效定位至目标回合；(3)视频标注及验证模块，该模块包括嵌入可交互的可视化元素的比赛视频，通过交互生成准确的比赛数据；(4)后端计算模块，通过与其他模块进行交互，实现数据的实时更新。本发明的系统提升了数据标注的准确性和数据采集的效率；并将比赛导览与比赛视频相关联，实现了视频片段的快速定位。
-
公开(公告)号：CN119203133A
公开(公告)日：2024-12-27
申请号：CN202411234323.7
申请日：2024-09-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于对比学习的对抗性安卓恶意软件检测方法，该方法包括：首先通过界定安卓应用程序以及所有可行的扰动集合确定特征空间中可扰动的特征集合和不可扰动的特征集合，然后通过得到的可扰动特征集合和不可扰动的特征集合确定特征投影模型的架构。接着基于对比学习的损失函数与对抗性恶意软件训练得到特征投影模型用于投影特征向量，使得投影后得到的特征向量之间的距离可被表示为特征匹配度。本发明利用深度学习技术，能够实现高效低损失的对抗性安卓恶意软件检测，在很大程度上提高了基于机器学习的安卓恶意软件检测方法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
