“余正涛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果306个，建议您升级VIP下载更多相关专利

[发明专利]一种样本自动生成方法、系统、设备和存储介质-CN202110035077.2在审
发明人：李仕林;赵潇;方正云;余正涛;李凡;赵明;陈开维 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-01-12 - 公布日： 2021-05-07 - 主分类号： G06T3/00 文献下载
摘要：本发明示出一种样本自动生成方法、系统、设备和存储介质，涉及图像处理技术领域。解决有效扩充输电线路巡检图片缺陷的样本数据量的问题。本发明示出的样本自动生成方法，包括：获取样本对象图片，获取所述样本对象图片的前景图片；获取目标背景图片，在所述目标背景图片上随机生成至少一个目标显示区域；将所述前景图片进行透视变换，得到变换图片，使得所述变换图片的尺寸与至少一个所述目标显示区域匹配；将所述变换图片放置于匹配的所述目标显示区域，生成目标样本图片。本发明还公开了基于透视变换的样本自动生成系统、计算机设备和介质。本发明可以有效扩充输电线路巡检图片缺陷的样本数量，强化模型识别性能。
一种样本自动生成方法系统设备存储介质

[发明专利]一种基于对抗神经网络生成样本数据的方法以及装置-CN202110036981.5在审
发明人：李仕林;余正涛;李华风;方正云;李国友;张崇亮 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-01-12 - 公布日： 2021-05-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于对抗神经网络生成样本数据的方法以及装置，该方法包括：获取随机噪声，并控制对抗神经网络的生成器根据随机噪声生成虚假样本数据；获取训练样本数据，其中，训练样本数据为真实采集图片；将虚假样本数据和训练样本数据输入对抗神经网络的分类器，以使分类器将虚假样本数据和训练样本数据划分为真实数据集和虚假数据集；获取分类器的分类指标；在分类指标满足预设分类标准的情况下，将虚假样本数据作为目标样本数据。这样，可以有效提升样本数据的质量和数量。
一种基于对抗神经网络生成样本数据方法以及装置

[发明专利]一种图像质量的评估方法、系统、计算机设备和存储介质-CN202110039306.8在审
发明人：李仕林;张林华;张亚飞;方正云;余正涛;陈开维 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-01-12 - 公布日： 2021-05-07 - 主分类号： G06K9/62 文献下载
摘要：本发明示出一种图像质量的评估方法、系统、计算机设备和存储介质，涉及图像处理技术领域。解决特征识别网络的识别速度慢的问题。本发明示出的一种图像质量的评估方法，包括：获取待识别巡维图像，将待识别巡维图像输入特征识别网络的特征提取器，获取待识别巡维图像的待识别特征图像；将待识别特征图像输入特征识别网络的三个瓶颈层获取待识别特征图像的图像特征；将图像特征输入特征分类器，获取待识别巡维图像在每个预设分类的分数。本发明还公开一种图像质量评估系统、计算机设备和存储介质。本发明可以提升特征识别网络的识别速度，从而提高后端服务器将对巡维图片进行缺陷识别的效率，进而提高巡维的有效性和效率。
一种图像质量评估方法系统计算机设备存储介质

[发明专利]一种基于不对等语料的跨语言词嵌入方法-CN201910499213.6有效
发明人：王红斌;冯银汉;线岩团;余正涛;郭剑毅;文永华 -专利权人：昆明理工大学
申请日： 2019-06-11 - 公布日： 2021-04-30 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于不对等语料的跨语言词嵌入方法，属于自然语言处理技术领域。本发明首先对单语词向量进行归一化，对小字典词对(训练集跨语言词对)正交最优线性变换求得梯度下降初始值，然后通过对大型源语言(英语)语料进行聚类，借助小字典找到与每一聚类簇相对应的源语言词，取聚类得到的每一簇词向量均值和源语言与目标语言对应的词向量均值，建立新的双语词向量对应关系，将新建立的双语词向量扩展到小字典中，使得小字典得以泛化和扩展。最后，利用泛化扩展后的字典对跨语言词嵌入映射模型进行梯度下降求得最优值。
一种基于对等语料语言嵌入方法

[发明专利]基于知识表示的跨境民族文化文本分类方法-CN202010212069.6有效
发明人：毛存礼;王斌;余正涛;高盛祥;王振晗 -专利权人：昆明理工大学
申请日： 2020-03-24 - 公布日： 2021-04-06 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及基于知识表示的跨境民族文化文本分类方法，属于自然语言处理技术领域。本发明包括步骤：获取若干本土及其跨境民族文化文本数据；本土及其跨境民族文化知识图谱的构建，再利用远程监督的思想来进行数据标注；基于知识表示的本土及其跨境民族文化文本分类神经网络模型训练，利用训练好的基于知识表示的跨境民族文化文本分类神经网络模型对本土及其跨境民族文化文本数据进行文本分类。本发明在缺乏大量标记样本的情况下提升了跨境民族文化领域文本分类模型的性能。
基于知识表示民族文化文本分类方法

[发明专利]特征扩展卷积神经网络的案件微博观点句识别构建方法-CN201911258365.3有效
发明人： 余正涛;王晓涵;相艳;郭军军;黄于欣 -专利权人：昆明理工大学
申请日： 2019-12-10 - 公布日： 2021-04-06 - 主分类号： G06F16/335 文献下载
摘要：本发明涉及特征扩展卷积神经网络的案件微博观点句识别构建方法，属自然语言处理领域。本发明包括：构建案件微博数据库；对案件微博数据库中的评论进行标注，形成案件微博评论的训练集和测试集；对案件的多个微博原文进行关键词的抽取；从案件原文中提取出的关键词作为特征扩展和训练集案件微博评论向量化后进行拼接得到新的向量；将关键词作为特征扩展和案件微博评论向量化后进行拼接得到新的向量作为输入来训练卷积神经网络，再把测试集输入到训练好的卷积神经网络进行观点句的识别分类。本发明实现了从案件微博原文中获取关键词作为特征扩展，从获取的舆情数据中识别出所需观点句，为后续对观点句进行情感倾向性分析提供了支撑。
特征扩展卷积神经网络案件观点识别构建方法

[发明专利]基于BiLSTM权重共享的案件微博评价对象情感倾向性分析方法-CN202011275960.0在审
发明人： 余正涛;王静赟;相艳;黄于欣;郭军军;线岩团 -专利权人：昆明理工大学
申请日： 2020-11-16 - 公布日： 2021-03-26 - 主分类号： G06Q50/00 文献下载
摘要：本发明涉及基于BiLSTM权重共享的案件微博评价对象情感倾向性分析方法，属于自然语言处理技术领域。本发明首先通过建立输入分别为案件微博评论和案件微博评价对象的双向BiLSTM分类模型，同时利用权重共享将两个不同空间的向量映射到同一个向量空间上，在同一向量空间上对不同向量进行编码，可以得到案件微博评论和评价对象的相关信息；最后结合注意力机制提高特征向量的表达能力，进行情感倾向性判别。本发明解决了目前案件微博评价对象情感倾向性分析基本都是通过对评价对象和评论文本分别进行编码，然后再输入到模型进行评价对象级别的情感倾向性分析，并没有考虑到这两种信息之间的差异性的问题。
基于 bilstm 权重共享案件评价对象情感倾向性分析方法

[发明专利]融合多层次语言特征知识的汉越神经机器翻译的方法-CN202011409192.3在审
发明人： 余正涛;邹翔;赖华;徐毓;文永华;朱俊国 -专利权人：昆明理工大学
申请日： 2020-12-03 - 公布日： 2021-03-23 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及融合多层次语言特征知识的汉越神经机器翻译的方法，本发明分别对字符、词及短语三个不同层次的语言特征知识进行融合并分析，为了有效地利用不同层次的语言特征知识，本发明首先通过双向LSTM得到基于字符的词向量表示，然后将基于字符的词向量表示和预训练的词向量相结合，通过注意力机制，使模型能够动态地选择词向量和字符信息。其次通过在标准序列编码器的基础上构建一个短语树编码器的方法，进一步将句子中的短语信息融入到汉越神经机器翻译的序列转换过程中。实验结果表明，该融合方法可以有效地利用不同层次的语言特征知识弥补汉越语言对资源不足的问题，一定程度上提升了汉越翻译模型的性能。
融合多层次语言特征知识神经机器翻译方法

[发明专利]融入双语词典的无监督汉-越神经机器翻译方法-CN202011224944.9在审
发明人： 余正涛;王可超;郭军军;王振晗;文永华;相艳 -专利权人：昆明理工大学
申请日： 2020-11-05 - 公布日： 2021-03-16 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及融入双语词典的无监督汉‑越神经机器翻译方法，属于自然语言处理技术领域。本发明所提方法的具体思路为：分别收集汉语、英语和越南语的单语语料，并对语料进行预处理；利用基于英语枢轴的方法从单语中学习汉越双语词典；利用双语词典初始化翻译模型；翻译单语句子，对翻译的句子加噪，训练栈式自编码器；将通过训练学习到的参数给翻译模型，进一步完成迭代，以提高翻译模型的性能。本发明方法，将学习到的汉越词典作为跨语言信息融入到汉越无监督机器翻译中，在此基础上改进去噪自编码器的重构能力来提升模型的鲁棒性。最终，提升基于枢轴词典的汉越神经机器翻译质量。
融入双语词典监督神经机器翻译方法

[发明专利]融合情绪知识的案件微博评论情绪分类方法-CN202010096024.7有效
发明人： 余正涛;郭贤伟;相艳;郭军军;黄于欣;朱恩昌 -专利权人：昆明理工大学
申请日： 2020-02-17 - 公布日： 2021-03-02 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及融合情绪知识的案件微博评论情绪分类方法，属于自然语言处理技术领域。本发明构建了一个包含案件微博情绪词典、表情符号、网络流行语、否定词典以及程度副词词典的情绪知识库；并构建属性特征表示。最后基于卷积神经网络将评论的语义表示和属性特征表示进行融合，构建情绪分类模型，提取深层次的语义特征和序列化的情绪知识特征，实现了情绪分类。基于案件微博评论语料的实验结果表明，该方法与基准方法INIT‑CNN相比，Macro_F1和Micro_F1两项指标分别提升了1.88％和1.94％。
融合情绪知识案件评论分类方法

[发明专利]基于CRNN的缅甸语图像文本识别方法-CN201911258382.7有效
发明人：毛存礼;谢旭阳;余正涛;高盛祥 -专利权人：昆明理工大学
申请日： 2019-12-10 - 公布日： 2021-03-02 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于CRNN的缅甸语图像文本识别方法，属自然语言处理领域。本发明包括步骤：构建缅甸语文本信息图像的训练集、测试集、评估集数据；利用缅甸语Unicode排序算法标注缅甸语图像里面的文本信息；采用深度卷积神经网络从输入的缅甸语图像中提取出对应的特征向量序列；利用循环神经网络RNN中的BiLSTM识别上一步得到的特征向量序列，获取序列的上下文信息，从而得到每列特征的概率分布；利用CTC计算出所有的标签序列概率，基于词典和查找候选目标的模式选取最大的标签序列概率所对应的标签序列作为图像中每一帧的缅甸语最终的预测结果。本发明实现了对缅甸语图像文本的识别，且识别精确率高，效果好。
基于 crnn 缅甸图像文本识别方法

[发明专利]基于拼音约束联合学习的汉语语音识别方法-CN202010988154.1在审
发明人： 余正涛;梁仁凤;王振晗;朱俊国;高盛祥;毛存礼 -专利权人：昆明理工大学
申请日： 2020-09-18 - 公布日： 2021-02-09 - 主分类号： G10L15/26 文献下载
摘要：本发明涉及基于拼音约束联合学习的汉语语音识别方法，属于自然语言处理技术领域。本发明首先从公开中文语料集中收集与语音、文本对应的拼音文本，其次通过共享编码器对语音特征编码，再以拼音语音识别为辅助任务，然后，在解码过程中利用拼音作为解码约束，基于共享编码器将拼音语音识别语汉语语音识别联合学习，引入一种更接近语音的归纳偏置，增强编码器对汉语语音的表达能力。本发明提出的基于拼音约束联合学习的汉语语音识别方法，对汉语的识别降低了词错率，为后续在汉语语音识别过程中融入拼音以及使用拼音纠错等工作提供强有力的支撑；缓解了端到端的模型对汉字的识别难以收敛的问题。
基于拼音约束联合学习汉语语音识别方法

[发明专利]基于案件要素及BiGRU的涉案舆情新闻文本摘要方法-CN201910680097.8有效
发明人： 余正涛;韩鹏宇;黄于欣;高盛祥;郭军军;王振晗 -专利权人：昆明理工大学
申请日： 2019-07-26 - 公布日： 2021-02-05 - 主分类号： G06F16/34 文献下载
摘要：本发明涉及基于案件要素及BiGRU的涉案舆情新闻文本摘要方法，属于自然语言处理技术领域。本发明首先构建涉案舆情新闻摘要数据集并定义相关案件要素，然后通过注意力机制将案件要素信息融入新闻文本的词、句子双层编码过程中，生成带有案件要素信息的新闻文本表征，最后利用多特征分类层对句子进行分类，得到摘要。本发明实现了从涉及特定案件的舆情新闻文本中，获取重要信息作为其简短摘要。对于相关人员快速掌控舆情态势有着重要的作用。
基于案件要素 bigru 涉案舆情新闻文本摘要方法

[发明专利]基于BiLSTM-CNN的英缅双语平行句对抽取方法及装置-CN201910873805.X有效
发明人：毛存礼;梁昊远;余正涛;张少宁;张亚飞;朱浩东 -专利权人：昆明理工大学
申请日： 2019-09-17 - 公布日： 2021-02-05 - 主分类号： G06F40/211 文献下载
摘要：本发明涉及基于BiLSTM‑CNN的英缅双语平行句对抽取方法及装置，属于自然语言处理技术领域。本发明首先通过Muse工具预训练出双语词向量，然后利用缅甸语虚词和助词识别缅语的主谓宾的特点对句子进行功能标记，把每个词的句法结构信息拼接到词向量中，再使用BiLSTM‑CNN对句子中进行编码，把输出概率作为衡量是否为平行句对的条件。并根据上述步骤功能模块化制成基于BiLSTM‑CNN的英缅双语平行句对抽取装置。本发明较传统的双语平行句对识别系统更为简单，实验结果表明该方法及装置在正确率和召回率等指标表现上均优于基线系统，精确率普遍都有所提升。
基于 bilstm cnn 双语平行抽取方法装置

[发明专利]基于共享编码器的汉越无监督神经机器翻译方法-CN202010985908.8在审
发明人： 余正涛;薛振宇;文永华;郭军军;王振晗;相艳 -专利权人：昆明理工大学
申请日： 2020-09-18 - 公布日： 2021-01-29 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及基于共享编码器的汉越无监督神经机器翻译方法。本发明只使用汉语和越南语的单语语料，用无监督的方式进行训练。首先使用数字对齐作为种子词典训练汉越双语词嵌入。然后再将该双语词嵌入应用到共享编码器模型中，将汉语和越南语映射到同一语义空间，然后再分别使用解码器对越南语和汉语分别解码，实现基于共享编码器的汉越无监督神经机器翻译。本发明在极低资源下汉越无监督神经机器翻译模型相较于GNMT和Transformer有很大的优势，并且在该无监督模型基础上加入少量平行语料后训练的半监督的翻译模型超过了直接使用相同量的平行语料训练的有监督翻译模型。
基于共享编码器汉越无监督神经机器翻译方法