专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果80个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于知识图谱的图像场景图生成方法-CN202111638030.1在审
  • 汤景凡;吴志威;张旻;李鹏飞;姜明 - 杭州电子科技大学
  • 2021-12-29 - 2022-04-12 - G06F16/51
  • 本发明公开了一种基于知识图谱的图像场景图生成方法,本发明首先使用OPENIE模型将图像描述转化成三元组,并转化成实体和实体对应关系,导入NEO4J中,构建COCO和VisualGenome数据集的知识图谱;其次模型结合知识图谱,对输入的图像进行目标检测,识别出对应的对象类别和对象属性,以及两两候选框之间有交集的关系。将得到的对象属性放入知识图谱中,作为检索关键点,并调用NEO4J数据库得到标记权重的关系节点以及对应的另一个实体节点;同理,将关系属性特征放入到知识图谱中,得到节点属性组;将通过知识图谱得到的指定数量的三元组放入排列模块;放入到场景图生成的网络中,最终生成基于知识图谱的场景图。本发明针对图像目标识别和关系检测的问题,提出了优化方案。
  • 一种基于知识图谱图像场景生成方法
  • [发明专利]一种融合依存句法和指针生成网络的三元组抽取方法-CN202111543918.7在审
  • 张旻;杨启胜;汤景凡;姜明 - 杭州电子科技大学
  • 2021-12-16 - 2022-03-25 - G06F40/211
  • 本发明公开了一种融合依存句法和指针生成网路的三元组抽取方法。首先本发明使用百度NLP工具解析句子,并利用句子解析后得到的词性结果将一些专用名词进行了泛化处理。另外,为了充分利用句子的依存结构信息,本发明引用了KVMN模型充分学习词与词之间的依赖弧以及他们的依赖关系类别的信息,在这之后使用Bi‑LSTM学习上下文内容,并使用注意机制计算注意力分布及句子表示向量。最后本发明通过建立一个扩展词汇表表示原词汇表和源文档中出现的所有词汇总集,计算每个词的概率,进行词生成。实验结果表明,本发明能很好解决词汇表不足的问题,并且着重强调了依存结构的信息,有较强的适用能力,有效提升三元组抽取方法的准确性。
  • 一种融合依存句法指针生成网络三元抽取方法
  • [发明专利]一种基于分割引导的人体姿态识别方法-CN202110726048.0在审
  • 张旻;陆继鹏;汤景凡;姜明 - 杭州电子科技大学
  • 2021-06-29 - 2021-12-03 - G06K9/00
  • 本发明公开了一种基于分割引导的人体姿态估计方法。本发明采用HRNet人体姿态估计的基本网络结构;HRNet包含4个阶段3个分支,每个分支捕获输入信号的不同尺度特征表示;每个阶段不同分支的特征会进行相互融合并将融合后的特征作为下一个阶段的输入;同时高分辨率分支的每一个阶段都融入一个分割引导机制,得到一个分割引导的HRNet;利用分割引导机制来逐步改善每个阶段产生的检测结果。结果表明,本发明具有更好的鲁棒性和自适应能力。解决了原来复杂背景的干扰问题。人体姿态估计是行为识别的上游任务对其至关重要,准确高效的人体姿态估计可以促进人体行为识别的准确度。
  • 一种基于分割引导人体姿态识别方法
  • [发明专利]一种基于句法关系和意见词分布的细粒度情感分析方法-CN202110734499.9在审
  • 汤景凡;崔硕;姜明;张旻 - 杭州电子科技大学
  • 2021-06-30 - 2021-10-22 - G06F16/33
  • 本发明公开了一种基于句法关系和意见词分布的细粒度情感分析方法。首先根据Bert模型构建了自己的词嵌入向量,目的是利用只利用Bert的语言模型功能。其次为了更好的提取句中的意见词分布,引入了依存句法分析,基于依存句法分析结果以及目标方面词,并结合邻近原则等原理提取出意见词分布。这样就能够将句中与方面词有直接或间接依赖关系的词提取出来,同时为了能够利用这一信息,本发明还将这一结果进行了向量化处理,称为分布向量。最后将这一向量与Bert输出的上下文向量进行特征融合,得到全新的情感特征向量,并进行情感预测。实验结果表明,本发明能很好解决方面词与意见词的匹配问题,并且能够深层次的提取到情感特征,具有很好的适应能力。
  • 一种基于句法关系意见分布细粒度情感分析方法
  • [发明专利]一种基于引导注意力机制的人群计数方法-CN202110659971.7在审
  • 汤景凡;姜明;张旻;周美佳 - 杭州电子科技大学
  • 2021-06-15 - 2021-10-22 - G06K9/00
  • 本发明公开了一种基于引导注意力机制的人群计数方法。本发明步骤如下:获取并预处理人群图像数据集;建立基于引导注意力机制的人群计数网络;将预处理之后的人群图像输入该人群计数网络进行特征提取;网络中的特征编码部分生成图像中人群目标的注意力特征图;网络中的特征解码部分根据注意力特征图提取人群范围内的深层特征;将解码部分的特征转换为人群分布密度图,并与真实标注的密度图进行相似度计算,不断迭代更新人群计数网络;将测试图片输入优化后的人群计数网络,生成人群密度图并且进行人群计数。本发明能够有效解决人群计数任务中的背景干扰问题,以生成高质量的人群分布密度图并统计出高精度的人数。
  • 一种基于引导注意力机制人群计数方法
  • [发明专利]基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测方法-CN202010167698.1有效
  • 姜明;周美佳;李鹏飞;汤景凡;张旻 - 杭州电子科技大学
  • 2020-03-11 - 2021-03-16 - G06K9/00
  • 本发明公开了一种基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测方法。本发明采集包含乱丢垃圾行为的图像集进行预训练;获取预训练后图像集中乱丢垃圾行为个体的图像训练集,并对其中图像人工定义乱丢垃圾行为的人体骨骼点分布;基于人体骨骼点分布制作图像训练集中每个图像的骨骼点热图;构建基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测网络;将预训练后图像集输入乱丢垃圾行为检测网络,使用梯度下降法迭代更新网络获取最优乱丢垃圾行为检测网络;将测试集中连续几帧的检测图像输入最优乱丢垃圾行为检测网络中,获取相应的骨骼点分布序列,并进行相似度计算,判断是否为乱丢垃圾行为。本发明能够在复杂场景中十分准确地检测乱丢垃圾行为。
  • 基于骨骼融合循环空洞卷积乱丢垃圾行为检测方法
  • [发明专利]一种基于多尺度密度图融合空洞卷积的人群计数方法-CN202010167699.6有效
  • 汤景凡;周美佳;姜明;李鹏飞;张旻 - 杭州电子科技大学
  • 2020-03-11 - 2021-02-02 - G06K9/00
  • 本发明公开了一种基于多尺度密度图融合空洞卷积的人群计数方法。本发明步骤如下:获取人群图像数据集,并且进行预处理;建立基于多尺度密度图融合空洞卷积的人群计数网络;将预处理之后的人群图像输入该人群计数网络中提取特征数据,输出对应图像的低分辨率密度图;将低分辨率密度图融合空洞卷积网络,输出对应图像的高分辨率密度图;对人群计数网络输出的高分辨率密度图进行积分,得到对应人群图像中的人群总数;将最后输出的高分辨率密度图与人工标注的真实密度图进行损失计算,不断迭代更新人群计数网络;将测试图片输入最终确认的人群计数网络,生成人群分布密度图并且进行人群计数。本发明具有很好的自适应能力和很高的预测精度。
  • 一种基于尺度密度融合空洞卷积人群计数方法
  • [发明专利]基于并联空洞卷积和身体结构约束的人体姿态检测方法-CN202010167700.5有效
  • 姜明;杨海杰;李鹏飞;张旻;汤景凡 - 杭州电子科技大学
  • 2020-03-11 - 2021-02-02 - G06K9/00
  • 本发明公开了一种基于并联空洞卷积和身体结构约束的人体姿态检测方法。本发明实现:下载人体姿态数据集,获取训练数据集;根据目标检测算法对训练数据集中的每张图片提取人物个体,获取只包含人物个体的训练图像;根据人体姿态数据集中提供的骨骼点坐标,制作训练图像的骨骼点热图;采用构建关联集合的方法来构建身体结构约束损失模块,采用不同膨胀率的空洞卷积核来构建并联空洞卷积网络。采用Adam优化器训练带有身体结构约束损失模块的并联空洞卷积网络。本发明采用并联空洞卷积网络防止因重复上下采样而造成信息损失,同时还对损失函数进行改进,考虑骨骼点之间的关联性,在复杂环境下能较好的提取特征,获得更好的人体姿态检测效果。
  • 基于并联空洞卷积身体结构约束人体姿态检测方法
  • [发明专利]基于上下文感知嵌入的细粒度情感分析方法-CN202010214894.X有效
  • 姜明;王晶晶;张旻;汤景凡 - 杭州电子科技大学
  • 2020-03-24 - 2021-01-19 - G06F16/33
  • 本发明公开了一种基于上下文感知嵌入的细粒度情感分析方法。本发明步骤:1、对需要进行情感分析的数据文本进行预处理;2、将处理好的数据文本输入预训练模型中,获得固定长度的句子向量;3、将句子向量输入胶囊网络的WordCaps层,通过动态路由算法,利用平方欧几里得损失函数获取方面类型对应的极度相似的相关上下文信息;4、将相关上下文信息与方面词结合,得到重构的方面类型;5、将重构的方面向量输入胶囊网络的ApsectCaps层,通过动态路由算法进行情感分析,得到不同方面的情感极性。本发明利用带有高度相关性的上下文信息的方面向量作为输入,能更加准确的提取指定方面词的情感词,从而有效的提高情感分析的准确性。
  • 基于上下文感知嵌入细粒度情感分析方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top