基于深度表征学习的车牌图像识别方法及系统

    公开(公告)号:CN117373010A

    公开(公告)日:2024-01-09

    申请号:CN202311329890.6

    申请日:2023-10-15

    申请人: 清华大学

    摘要: 本发明公开了基于深度表征学习的车牌图像识别方法及系统,该方法,包括获取车牌图像样本数据送入车牌识别模型;其中,车牌识别模型,包括图像校正模块、特征提取模块、编码器和解码器;利用图像校正模块对车牌图像进行图像校正得到校正图像,并利用特征提取模块对校正图像进行特征提取得到最终特征图;将最终特征图输入至编码器得到隐含表征序列,并利用解码器对隐含表征序列进行解码得到车牌识别结果。本发明适用于识别开放场景中动态获取的车牌图像,可提高低质量车牌图像识别性能。

    一种中文关系抽取方法
    7.
    发明公开

    公开(公告)号:CN110334354A

    公开(公告)日:2019-10-15

    申请号:CN201910626307.5

    申请日:2019-07-11

    摘要: 本发明提供一种中文关系抽取方法,包括如下步骤:S1:数据预处理:对输入数据的文本进行多粒度信息的预训练处理,以提取出所述文本中的字、词和词义三个级别的分布式向量;S2:特征编码:以双向长短时记忆网络为基本架构,通过所述字、词和词义三个级别的分布式向量得到字的隐藏状态向量、词的隐藏状态向量,进而得到字级别的最终隐状态向量;S3:关系分类:学习所述字级别的最终隐状态向量,采用所述字级别的注意力机制将所述字级别的隐状态向量融合成一个句子级别的隐状态向量。有效地解决分词歧义和多义词歧义的问题,大大提升了模型在关系抽取任务上的表现,提高中文关系抽取的准确率和鲁棒性。

    一种中文关系抽取方法
    10.
    发明授权

    公开(公告)号:CN110334354B

    公开(公告)日:2022-12-09

    申请号:CN201910626307.5

    申请日:2019-07-11

    摘要: 本发明提供一种中文关系抽取方法,包括如下步骤:S1:数据预处理:对输入数据的文本进行多粒度信息的预训练处理,以提取出所述文本中的字、词和词义三个级别的分布式向量;S2:特征编码:以双向长短时记忆网络为基本架构,通过所述字、词和词义三个级别的分布式向量得到字的隐藏状态向量、词的隐藏状态向量,进而得到字级别的最终隐状态向量;S3:关系分类:学习所述字级别的最终隐状态向量,采用所述字级别的注意力机制将所述字级别的隐状态向量融合成一个句子级别的隐状态向量。有效地解决分词歧义和多义词歧义的问题,大大提升了模型在关系抽取任务上的表现,提高中文关系抽取的准确率和鲁棒性。