-
公开(公告)号：CN113269070B
公开(公告)日：2023-04-07
申请号：CN202110539959.2
申请日：2021-05-18
申请人： 重庆邮电大学
IPC分类号： G06V40/10 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种融合全局和局部特征的行人重识别方法、模型训练方法、可读存储介质及处理器，属于计算机视觉领域，包括以下步骤：S1：输入待识别的图像，将其预处理得到标准输入图像；S2：通过卷积神经网络来分别提取输入图像的全局特征和局部特征；S3：将全局特征和局部特征分别输入批量归一化层与1×1卷积层对特征进行降维；S4：将全局特征和局部特征进行融合，得到融合后的行人特征；S5：计算融合特征与图像库中各图像对应特征的距离，用于表示图像间的相似度；将图像库中的图像按照与输入图像的相似度排序，将排序结果作为行人重识别模型的输出。
-
公开(公告)号：CN114757335A
公开(公告)日：2022-07-15
申请号：CN202210347936.6
申请日：2022-04-01
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于双重条件生成对抗网络的缺失数据填补生成方法，属于计算机中数据感知与重构领域，包括以下步骤：S1：对样本数据进行编码，设计作为数据生成条件的样本类别和样本已存在数据的在生成过程中的表示方式；S2：构建双重条件生成对抗网络的结构，其中包括生成模型、判别模型；S3：对双重条件生成对抗网络结构的目标优化函数进行表示；S4：建立数据生成模型的训练数据集，对双重条件生成对抗网络进行训练；S5：分析不同的数据缺失情况，采用训练好的双重条件生成对抗网络进行缺失数据生成填补。本发明提供了一种针对表格类数据构建高质量训练数据集的方法，用于支撑大数据应用场景中的机器学习模型训练。
-
公开(公告)号：CN114064117A
公开(公告)日：2022-02-18
申请号：CN202111400977.9
申请日：2021-11-19
申请人： 重庆邮电大学
摘要： 本发明属于代码克隆检测技术领域，具体涉及一种基于字节码和神经网络的代码克隆检测方法及系统，该方法包括：获取待检测的代码数据，将待检测的代码数据输入到训练好的代码克隆检测模型中，得到检测结果，将检测结果进行标记保存；本发明以字节码代替源代码，相较于现有的基于文本和词法的检测方法而言，具有充分考虑代码语义信息的特点，能够从准确率、召回率、F1度量值等方面提升对类型3、类型4克隆的检测效果。
-
公开(公告)号：CN115378702B
公开(公告)日：2024-04-02
申请号：CN202211004258.X
申请日：2022-08-22
申请人： 重庆邮电大学
IPC分类号： H04L9/40
摘要： 本发明属于计算机安全技术领域，具体涉及一种基于Linux系统调用的攻击检测方法与系统，包括：获取系统生成的系统调用，将系统调用序列截取成等长的子序列作为待检测的序列，并转换为词向量形式的检测序列；通过深度学习检测模型初步判定词向量形式的检测序列的类别，若判定为异常序列，则将该序列放入攻击库，更新检测匹配库，若判定为正常序列；将初步判定为正常的序列通过与检测匹配库进行匹配度对比；采用集群计算判断匹配库不能判定类别的序列，得到检测结果。本发明对于派生攻击检测采用深度学习模型和匹配库的方式，对于未知攻击，采用集群检测的方式，解决了系统调用序列存在冗余调用以及序列过长和入侵检测的漏报率。
-
公开(公告)号：CN116883245A
公开(公告)日：2023-10-13
申请号：CN202310969612.0
申请日：2023-08-02
申请人： 重庆邮电大学
IPC分类号： G06T3/40 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06T9/00
摘要： 本发明涉及一种融合变分自编码与混合计算的超高清图像生成方法，属于多媒体与计算机视觉技术领域，包括以下步骤：S1：加载图像生成模型至内存，获取图像生成模型参数信息；S2：设置编码器数据块划分尺寸，并选择偏好的编码计算方法，包括改进的快速编码计算、改进的精确编码计算和混合编码计算，计算方法可应用于多个变分自编码器模型中；S3：编码器根据选择的编码计算方法对图像进行编码计算，在编码计算中采用重定义的编码器前向传播函数；S4：解码器采用重定义的解码器前向传播函数，将接收到的编码数据进行多次全局上采样，并在每次采样后计算统计量，最终将得到的统计量应用于图像生成。
-
公开(公告)号：CN116306669A
公开(公告)日：2023-06-23
申请号：CN202310160965.6
申请日：2023-02-22
申请人： 重庆邮电大学
IPC分类号： G06F40/30 , G06F40/211 , G06F18/214 , G06N3/0442
摘要： 本发明属于自然语言处理技术领域，具体涉及一种基于上下文层级自注意力网络的话语情绪识别方法，包括获取单个话语的词向量；学习词向量上下文的隐层表征；计算上下文自注意力权重；特征融合与池化；形成话语向量；学习话语向量的上下文隐层表征；计算话语上下文自注意力权重；特征融合与全连接；话语情绪识别；模型训练和参数优化；本发明构建的全局上下文、深度上下文和全局深度上下文注意力方法能够从不同角度捕获上下文信息，并从词级、话语级两个维度来增强话语情绪识别模型的性能，因此本发明提出的模型性能在层级上下文表征上要优于大多数现有的话语情绪分类模型，在情绪准确率上有明显的提升效果。
-
公开(公告)号：CN115344794A
公开(公告)日：2022-11-15
申请号：CN202210996908.7
申请日：2022-08-19
申请人： 重庆邮电大学
IPC分类号： G06F16/9537 , G06N5/00 , G06N5/02
摘要： 本发明属于知识图谱和推荐系统领域，具体涉及一种基于知识图谱语义嵌入的旅游景点推荐方法，该方法包括：获取待推荐的实体数据，根据构建的知识图谱获取实体数据，提取实体的结构特征向量和属性特征向量；采用推荐模型对结构特征向量和属性特征向量进行增强处理，并获取模型的优化参数；根据优化参数、实体数据以及增强后的结构特征向量和属性特征向量计算推荐预测向量；根据推荐预测向量为待推荐的实体进行推荐；本方法在知识图谱的下游任务中使用，将协同过滤中的共现矩阵转换为图模型，让推荐方法保持可解释性的同时，增强了特征的表达效果。
-
公开(公告)号：CN112434514A
公开(公告)日：2021-03-02
申请号：CN202011333910.3
申请日：2020-11-25
申请人： 重庆邮电大学
IPC分类号： G06F40/211 , G06F40/284 , G06N3/04 , G06N3/08
摘要： 本发明属于自然语言处理领域，设特别涉及一种基于多粒度多通道的神经网络的语义匹配方法、装置及计算机设备，所述方法包括使用预训练语言模型将输入的两个待检测句子划分为词语级和字符级的句子表示，并进行预处理；使用双向长短时记忆网络提取句子表示矩阵的上下文知识，并使用余弦距离处理双向长短时记忆网络提取的特征；使用一种基于交互的自注意力机制提取句子表示矩阵及其交互矩阵中的重点特征；将获取的两种不同的匹配向量进行拼接，由前馈神经网络得到高级特征向量并计算分类结果；本发明使用双向长短时记忆网络提取全局特征，使用自注意力机制侧重局部特征，使得模型学习到的权重更加全面，更加精准。
-
公开(公告)号：CN109829443B
公开(公告)日：2020-08-14
申请号：CN201910134439.6
申请日：2019-02-23
申请人： 重庆邮电大学
摘要： 本发明属于图像处理技术领域，具体涉及基于图像增强和3D卷积神经网络的视频行为识别方法，包括将输入的原始视频序列切分成帧，对各个帧图片进行预处理，并将其分别划分至训练集与测试集；将训练集图片输入行为区域增强网络进行训练，获得相应的掩码处理后图片；使用掩码处理后的图片序列训练3D卷积神经网络；输入测试集图片，获得该分支网络的测试集分类概率；将训练集图片输入3D卷积神经网络进行训练；输入测试集图片，得到该分支网络的测试集分类概率；将两分支网络的分类概率进行支持向量机模型训练，并得到最终的测试集检测结果。本发明能够准确并实时识别出视频中人物的行为，且更加充分的利用图像信息，提高视频中行为识别的准确率。
-
公开(公告)号：CN109829443A
公开(公告)日：2019-05-31
申请号：CN201910134439.6
申请日：2019-02-23
申请人： 重庆邮电大学
摘要： 本发明属于图像处理技术领域，具体涉及基于图像增强和3D卷积神经网络的视频行为识别方法，包括将输入的原始视频序列切分成帧，对各个帧图片进行预处理，并将其分别划分至训练集与测试集；将训练集图片输入行为区域增强网络进行训练，获得相应的掩码处理后图片；使用掩码处理后的图片序列训练3D卷积神经网络；输入测试集图片，获得该分支网络的测试集分类概率；将训练集图片输入3D卷积神经网络进行训练；输入测试集图片，得到该分支网络的测试集分类概率；将两分支网络的分类概率进行支持向量机模型训练，并得到最终的测试集检测结果。本发明能够准确并实时识别出视频中人物的行为，且更加充分的利用图像信息，提高视频中行为识别的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.034 秒)
