-
公开(公告)号：CN109711463B
公开(公告)日：2023-04-07
申请号：CN201811594302.0
申请日：2018-12-25
Applicant: 广东顺德西安交通大学研究院
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明一种基于注意力的重要对象检测算法，包括步骤1，建立基于注意力的重要对象检测模型；步骤2，基于注意力的对象定位对基于注意力的重要对象检测模型进行训练；步骤3，利用完成训练的基于注意力的重要对象检测模型对图像的重要对象进行检测。通过考虑人类视觉系统的特点，人类在识别图像时并不会察看图像的所有区域，而是会立即被图像中感兴趣的区域吸引而重点观察这些区域，从而进一步识别和理解整幅图像的语义。从而本发明将图像检测算法和图像注释算法结合起来，利用图像注释算法提供的注意力，快速检测图像中最有可能最在重点对象的区域，大大减少了图像中重点对象的检测时间，提高了对象检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108197424A
公开(公告)日：2018-06-22
申请号：CN201810026932.1
申请日：2018-01-11
Applicant: 西安交通大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明展示大规模网络教育中网络学习行为幂律分布概率建模方法，1.得出服从幂律分布的网络学习行为B的初始影响因素集合Fori；2.将相关系数大于给定相关系数阈值r的因素加入候选影响因素集合Fcon；3.将与网络学习行为B之间具有因果关系的因素加入最终影响因素集合F；4.提出网络学习行为幂律分布的概率模型假设；5.建立学习者在具体某天进行学习活动的概率模型；6.对所有学习者在课程周期内的学习过程进行模拟。本发明建立了通用的网络学习行为概率模型以及学习过程生成算法，适用于多种网络学习行为，可以基于模型对学习者在课程后续阶段的学习表现进行预测，从而对教学计划进行动态调整，及时做出补救措施。
-
公开(公告)号：CN107943985A
公开(公告)日：2018-04-20
申请号：CN201711242488.9
申请日：2017-11-30
Applicant: 西安交通大学
CPC classification number: G06F17/30268 , G06K9/6215 , H03M7/3059
Abstract: 本发明涉及一种基于跨媒体稀疏主题编码的图像自动标注方法，先由多媒体文档中的图像生成图像词，并利用词袋模型将多媒体文档中的注释词表示成向量，得到处理后的多媒体文档；根据处理后的多媒体文档和概率主题模型，获得图像跨媒体稀疏主题编码模型；利用最大后验概率估计方法，获得多媒体文档中图像词、注释词和两者的关系编码变量的联合分布式，并采用拉普拉斯先验和超高斯对联合分布式中的图像词编码、多媒体文档编码以及关系编码进行建模；使用坐标下降法对跨媒体稀疏主题编码模型进行优化求解，之后计算图像编码和注释词编码之间的余弦相似度进行图像标注。本发明标注时间和空间复杂度降低，在保证图像标注准确率的同时保证效率。
-
公开(公告)号：CN104156431B
公开(公告)日：2018-04-17
申请号：CN201410389984.7
申请日：2014-08-08
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于实体图社团结构的RDF关键词查询方法，包括以下步骤：1)构建RDF资源实体，并且构建RDF资源实体间关系，从而实现RDF实体图的构建；2)对RDF实体图进行层次社团发现，得到RDF实体图的社团结构树，并基于实体图社团结构树构建实体图社团结构索引；3)使用实体关键词倒排索引实现关键词查询到RDF资源实体的映射；对不同关键词对应的实体进行组合，并通过RDF资源实体与关键词的相关度对RDF资源实体组合进行筛选，得到候选RDF资源实体组合集合；对于RDF资源实体组合集合中的每一个RDF资源实体组合，根据社团结构索引，构建组合中实体之间的关系，并作为查询结果添加到结果集中；依据查询结果紧凑度，对结果集进行排序，返回给用户。
-
公开(公告)号：CN104156431A
公开(公告)日：2014-11-19
申请号：CN201410389984.7
申请日：2014-08-08
Applicant: 西安交通大学
IPC: G06F17/30
CPC classification number: G06F17/30321 , G06F17/30424
Abstract: 本发明公开了一种基于实体图社团结构的RDF关键词查询方法，包括以下步骤：1)构建RDF资源实体，并且构建RDF资源实体间关系，从而实现RDF实体图的构建；2)对RDF实体图进行层次社团发现，得到RDF实体图的社团结构树，并基于实体图社团结构树构建实体图社团结构索引；3)使用实体关键词倒排索引实现关键词查询到RDF资源实体的映射；对不同关键词对应的实体进行组合，并通过RDF资源实体与关键词的相关度对RDF资源实体组合进行筛选，得到候选RDF资源实体组合集合；对于RDF资源实体组合集合中的每一个RDF资源实体组合，根据社团结构索引，构建组合中实体之间的关系，并作为查询结果添加到结果集中；依据查询结果紧凑度，对结果集进行排序，返回给用户。
-
公开(公告)号：CN109711463A
公开(公告)日：2019-05-03
申请号：CN201811594302.0
申请日：2018-12-25
Applicant: 广东顺德西安交通大学研究院
Abstract: 本发明一种基于注意力的重要对象检测算法，包括步骤1，建立基于注意力的重要对象检测模型；步骤2，基于注意力的对象定位对基于注意力的重要对象检测模型进行训练；步骤3，利用完成训练的基于注意力的重要对象检测模型对图像的重要对象进行检测。通过考虑人类视觉系统的特点，人类在识别图像时并不会察看图像的所有区域，而是会立即被图像中感兴趣的区域吸引而重点观察这些区域，从而进一步识别和理解整幅图像的语义。从而本发明将图像检测算法和图像注释算法结合起来，利用图像注释算法提供的注意力，快速检测图像中最有可能最在重点对象的区域，大大减少了图像中重点对象的检测时间，提高了对象检测的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
