-
Patent Agency Ranking
公开(公告)号：CN115082928B
公开(公告)日：2024-04-30
申请号：CN202210723314.9
申请日：2022-06-21
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉理解领域，尤其涉及面向复杂场景的不对称双分支实时语义分割网络的方法；包括以下步骤：基于特征共享的下采样模块获取低分辨率图像；基于更宽通道的轻量级双分支模块提取高级语义特征和低级细节特征；使用特征指导融合模块多尺度融合两个分支的语义和空间信息；基于特征恢复模块得到最终分割结果图。本发明通过共享浅层信息和特征指导的方式充分融合语义信息和空间信息，并基于不对称残差瓶颈模块作为语义分支的核心特征提取单元，最后结合多尺度信息完成密集特征的提取，解决了复杂场景中目标类别混淆、形状不规则和物体遮挡干扰，以及大部分的语义分割网络复杂度较高，无法实时高效地应用到移动/嵌入式平台中的技术问题。
-
公开(公告)号：CN115082928A
公开(公告)日：2022-09-20
申请号：CN202210723314.9
申请日：2022-06-21
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉理解领域，尤其涉及面向复杂场景的不对称双分支实时语义分割网络的方法；包括以下步骤：基于特征共享的下采样模块获取低分辨率图像；基于更宽通道的轻量级双分支模块提取高级语义特征和低级细节特征；使用特征指导融合模块多尺度融合两个分支的语义和空间信息；基于特征恢复模块得到最终分割结果图。本发明通过共享浅层信息和特征指导的方式充分融合语义信息和空间信息，并基于不对称残差瓶颈模块作为语义分支的核心特征提取单元，最后结合多尺度信息完成密集特征的提取，解决了复杂场景中目标类别混淆、形状不规则和物体遮挡干扰，以及大部分的语义分割网络复杂度较高，无法实时高效地应用到移动/嵌入式平台中的技术问题。
-
公开(公告)号：CN111222319B
公开(公告)日：2021-09-14
申请号：CN201911111433.3
申请日：2019-11-14
Applicant: 电子科技大学
IPC: G06F40/216 , G06F40/30
Abstract: 本发明公开了一种基于HDP模型的文档信息提取方法，包括步骤：S1、构建引入窗口机制的WHDP模型；S2、获取待提取信息的文本数据，并对其进行预处理；S3、将预处理后的文本数据输入到WHDP模型中进行处理，提取对应的文档主题分布和主题单词分布作为文本信息提取结果。本方法结合吉布斯采用和消息传播算法实现更新主题概率和动态更新主题个数；利用窗口及移动窗口保证了文本单词的顺序性，降低文本语义的混淆，本发明提出的WHDP模型有更好的收敛性、泛化性，既能自动确定海量文本中的文档主题数，又能避免推理过程词文本上下文信息的丢失。
-
-
公开(公告)号：CN111222319A
公开(公告)日：2020-06-02
申请号：CN201911111433.3
申请日：2019-11-14
Applicant: 电子科技大学
IPC: G06F40/216 , G06F40/30
Abstract: 本发明公开了一种基于新型HDP模型的文档信息提取方法，包括步骤：S1、构建引入窗口机制的WHDP模型；S2、获取待提取信息的文本数据，并对其进行预处理；S3、将预处理后的文本数据输入到WHDP模型中进行处理，提取对应的文档主题分布和主题单词分布作为文本信息提取结果。本方法结合吉布斯采用和消息传播算法实现更新主题概率和动态更新主题个数；利用窗口及移动窗口保证了文本单词的顺序性，降低文本语义的混淆，本发明提出的WHDP模型有更好的收敛性、泛化性，既能自动确定海量文本中的文档主题数，又能避免推理过程词文本上下文信息的丢失。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
