-
Patent Agency Ranking
公开(公告)号：CN119377255B
公开(公告)日：2025-05-13
申请号：CN202411960119.3
申请日：2024-12-30
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F16/2452 , G06F16/242 , G06F16/2455 , G06F16/248 , G06F16/3329 , G06F40/30 , G06N3/045
Abstract: 本发明公开了一种基于语义对齐和分层Agent生成SQL的方法和装置。本发明通过对教育数据库的Schema信息进行增强处理，结合对用户查询问题的语义理解和语义映射，实现动态调用智能体Agents自主定义结构化查询语言SQL生成的流程，然后执行生成的结构化查询语言SQL查询语句，捕捉生成结果，最终实现面向教育领域数据库从简单到复杂的快速查询操作。本发明具有接近较高的查询成功率，能够有效地帮助用户从复杂的数据库结构中查询到正确的结果，大幅提高了用户的工作效率。
-
公开(公告)号：CN119251069B
公开(公告)日：2025-04-15
申请号：CN202411769124.6
申请日：2024-12-04
Applicant: 浙江大学计算机创新技术研究院
IPC: G06T5/50 , G06T5/60 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于局部和全局风格学习的图片高质量任意风格迁移方法。方法包括：获取若干内容图片和不同风格类型图片并构建为训练集；建立包含局部通道感知的注意力模块和全局风格融合模块的风格迁移网络，并构建基于补丁的风格迁移损失函数；将训练集输入风格迁移网络中进行训练直至基于补丁的风格迁移损失函数收敛；将待风格迁移的内容图片和目标风格类型图片输入训练完成的风格迁移网络中进行处理后输出风格化图片并在显示器进行显示，实现图片高质量风格迁移。本发明方法能够更好的从局部风格模式和全局风格分布的角度学习，进行任意风格迁移的同时生成高质量的风格化图片。
-
公开(公告)号：CN119377255A
公开(公告)日：2025-01-28
申请号：CN202411960119.3
申请日：2024-12-30
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F16/2452 , G06F16/242 , G06F16/2455 , G06F16/248 , G06F16/3329 , G06F40/30 , G06N3/045
Abstract: 本发明公开了一种基于语义对齐和分层Agent生成SQL的方法和装置。本发明通过对教育数据库的Schema信息进行增强处理，结合对用户查询问题的语义理解和语义映射，实现动态调用智能体Agents自主定义结构化查询语言SQL生成的流程，然后执行生成的结构化查询语言SQL查询语句，捕捉生成结果，最终实现面向教育领域数据库从简单到复杂的快速查询操作。本发明具有接近较高的查询成功率，能够有效地帮助用户从复杂的数据库结构中查询到正确的结果，大幅提高了用户的工作效率。
-
公开(公告)号：CN119416064A
公开(公告)日：2025-02-11
申请号：CN202510013325.1
申请日：2025-01-06
Applicant: 浙江大学计算机创新技术研究院
IPC: G06F18/2415 , G06F18/214 , G06F18/232
Abstract: 本发明公开了一种基于图文语义关系对齐的图文数据多模态训练方法。将不包括标签的训练集输入到预训练模型中进行特征抽取获得多模态特征，利用多模态特征作为输入进一步处理获得分类的预测值，并结合聚类算法获得聚类标签，利用分类的预测值和聚类标签处理并结合多模态特征获得图文语义关系对齐的损失，以图文语义关系对齐的损失最小化为目标针对分类器进行训练；重复上述步骤直到分类器收敛。本发明的创新在于是建立了深度聚类和对比学习的模型和分类器，并利用图文语义关系对齐处理训练，进而增强了图文关系分类和图文语义关系的理解能力，提升了处理速度和准确性。
-
公开(公告)号：CN119251069A
公开(公告)日：2025-01-03
申请号：CN202411769124.6
申请日：2024-12-04
Applicant: 浙江大学计算机创新技术研究院
IPC: G06T5/50 , G06T5/60 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于局部和全局风格学习的图片高质量任意风格迁移方法。方法包括：获取若干内容图片和不同风格类型图片并构建为训练集；建立包含局部通道感知的注意力模块和全局风格融合模块的风格迁移网络，并构建基于补丁的风格迁移损失函数；将训练集输入风格迁移网络中进行训练直至基于补丁的风格迁移损失函数收敛；将待风格迁移的内容图片和目标风格类型图片输入训练完成的风格迁移网络中进行处理后输出风格化图片并在显示器进行显示，实现图片高质量风格迁移。本发明方法能够更好的从局部风格模式和全局风格分布的角度学习，进行任意风格迁移的同时生成高质量的风格化图片。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
