-
公开(公告)号：CN114970532B
公开(公告)日：2024-12-24
申请号：CN202210539034.2
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/30 , G06F16/33 , G06N3/0499 , G06N3/096 , G06N3/0985 , G06N7/01
Abstract: 当前，随着机器翻译、信息提取、条件搜索等领域的发展，命名实体识别作为这些领域的基础技术也取得了进一步的发展。目前常用的词嵌入分为静态词嵌入和基于上下文语义信息的动态词嵌入(如BERT词嵌入)，但是这两种词嵌入都存在一定的不足。静态词嵌入采用固定的词向量对词元进行表达，没有考虑词元在不同句子中表达语义不同的情况；而考虑上下文语义的BERT词嵌入又存在表征退化的问题，针对这种情况本方法提出了一种简单有效的词嵌入方法，通过改进静态词嵌入以及动态词嵌入的分布使其具备各向同性的分布特征，以此来提升词嵌入的语义表达能力。同时，为了更好的利用语义嵌入，针对注意力机制的计算方法进行了改进，最后基于transformer网络架构构建了基于嵌入分布改进的中文命名实体识别模型解决由于嵌入分布的各向异性带来的命名识别错误的问题。
-
Patent Agency Ranking
公开(公告)号：CN115941978B
公开(公告)日：2025-05-13
申请号：CN202211615020.0
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: H04N19/82 , H04N19/86 , H04N19/117 , H04N19/186 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于视频编解码技术领域，具体涉及一种利用编码过程中多种信息融合的神经网络MIIN(Multi‑Information Integration Network)的环路滤波方法。本发明通过将编码过程中产生的多种中间信息输入到所搭建的神经网络中，并对视频编解码标准VVC环路滤波中的DBF模块和SAO模块进行替换，以提升环路滤波方案的性能。方案中亮度分量和色度分量采用不同的输入信息，其中主输入均为各个分量对应的重建信息，对应亮度分量的辅助输入为预测信息和分区信息，对应色度分量的辅助输入为残差信息和分区信息，借助这些辅助信息，MIIN网络复杂度接近的情况下，可以获得更好的滤波效果。
-
公开(公告)号：CN114842104A
公开(公告)日：2022-08-02
申请号：CN202210539075.1
申请日：2022-05-18
Applicant: 重庆邮电大学
Abstract: 本发明针对胶囊内窥镜(CE)检测中因摄像头分辨率低和检查环境的限制无法获得结构、细节等特征清晰的图像，提出了一种基于多尺度残差的超分辨率重建方法用于胶囊内窥镜图像的超分辨率重建，超分辨率重建网络主要由两个部分组成，一部分是由浅层特征提取模块、多尺度残差特征提取模块(MRCB)和层次特征处理模块(HFCA)组成的特征提取部分，用于对输入的低分辨率图像(LR)进行不同尺度下信息的提取和利用，并在避免信息丢失的同时对特征信息赋予相应的权重，以便后续的上采样重建，另一部分是由亚像素层上采样方法和卷积层组成的图像重建模块，用于生成最终的超分辨率图像(SR)。
-
公开(公告)号：CN116347108A
公开(公告)日：2023-06-27
申请号：CN202310309504.0
申请日：2023-03-27
Applicant: 重庆邮电大学
IPC: H04N19/82 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08 , H04N19/117 , H04N19/96 , H04N19/186
Abstract: 本发明涉及一种基于编码信息的深度神经网络的环路滤波决策方法，属于图像处理技术领域。该决策方法应用于视频编码标准VVC中的基于神经网络的环路滤波器决策，首先预设基于神经网络的环路滤波器为Filter Net，用于替换VVC标准中的去块效应滤波器DBF和样值自适应补偿SAO；并搭建FFDN对所输入信息进行特征提取，以准确学习失真情况，进而得到CTU级别的Filter Net标志位，FFDN的输入为编码树单元CTU的重建信息、划分深度矩阵、Slice类型信息和QP值。借助这些编码信息，FFDN网络可以在编码增益相当的情况下，实现基于神经网络的环路滤波方案复杂度降低，进而实现整体编码时间的减少。
-
公开(公告)号：CN115941978A
公开(公告)日：2023-04-07
申请号：CN202211615020.0
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: H04N19/82 , H04N19/86 , H04N19/117 , H04N19/186 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于视频编解码技术领域，具体涉及一种利用编码过程中多种信息融合的神经网络MIIN(Multi‑Information Integration Network)的环路滤波方法。本发明通过将编码过程中产生的多种中间信息输入到所搭建的神经网络中，并对视频编解码标准VVC环路滤波中的DBF模块和SAO模块进行替换，以提升环路滤波方案的性能。方案中亮度分量和色度分量采用不同的输入信息，其中主输入均为各个分量对应的重建信息，对应亮度分量的辅助输入为预测信息和分区信息，对应色度分量的辅助输入为残差信息和分区信息，借助这些辅助信息，MIIN网络复杂度接近的情况下，可以获得更好的滤波效果。
-
公开(公告)号：CN114970532A
公开(公告)日：2022-08-30
申请号：CN202210539034.2
申请日：2022-05-18
Applicant: 重庆邮电大学
Abstract: 当前，随着机器翻译、信息提取、条件搜索等领域的发展，命名实体识别作为这些领域的基础技术也取得了进一步的发展。目前常用的词嵌入分为静态词嵌入和基于上下文语义信息的动态词嵌入(如BERT词嵌入)，但是这两种词嵌入都存在一定的不足。静态词嵌入采用固定的词向量对词元进行表达，没有考虑词元在不同句子中表达语义不同的情况；而考虑上下文语义的BERT词嵌入又存在表征退化的问题，针对这种情况本方法提出了一种简单有效的词嵌入方法，通过改进静态词嵌入以及动态词嵌入的分布使其具备各向同性的分布特征，以此来提升词嵌入的语义表达能力。同时，为了更好的利用语义嵌入，针对注意力机制的计算方法进行了改进，最后基于transformer网络架构构建了基于嵌入分布改进的中文命名实体识别模型解决由于嵌入分布的各向异性带来的命名识别错误的问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
