“注意力模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1670109个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多元概念注意力模型的知识追踪方法及系统-CN202110710894.3有效
发明人：徐斌;吴豪 -专利权人：浙江工商大学
申请日： 2021-06-25 - 公布日： 2023-06-06 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于多元概念注意力模型的知识追踪方法及系统，该方法包括以下步骤：获取学习者的历史习题回答的交互序列；建立多元概念注意力模型，根据学习者的习题键索引将历史习题回答的交互序列划分为多个不同大小的注意力模块；建立多元语义注意力模型，对上下文的内容和注意力模块数据进行整合；通过注意力分类层计算待测试的习题键索引的知识概念分布权重；将分类注意力分数值和历史回答向量相乘，获取学习者对新习题回答的特征分数值；根据特征分数值和待测试的习题键索引计算学习者对当前题目正确回答的概率
一种基于多元概念注意力模型知识追踪方法系统

[发明专利]基于多分枝残差注意力网络的智能稽查建模方法-CN202011498663.2有效
发明人：张琳娟;武宏波;李翼铭;许长清;邱超;李奇;周楠;张平;卢丹;郭璞;郑征;陈婧华;韩军伟 -专利权人：国网河南省电力公司经济技术研究院;国家电网有限公司
申请日： 2020-12-18 - 公布日： 2022-10-21 - 主分类号： G06Q30/02 文献下载
摘要：本发明提出了一种基于多分枝残差注意力网络的智能稽查建模方法，其步骤为：首先，获取稽查数据字段，并对稽查数据字段进行预处理得到训练数据；其次，构建多分枝残差注意力网络，并利用训练数据对多分枝残差注意力网络进行训练，得到多分枝残差注意力网络模型；最后，将稽查数据输入多分枝残差注意力网络模型中，输出稽查结果，完成对电力营销业务中的异常问题的识别分类与自动排查。本发明通过多次卷积操作，捕获更多数据，解决长时序数据较难学习的问题，同时该网络采用高效注意力机制，在稽查数据变化较大的时刻点投入更多的注意力，从而提高了模型训练和预测的准确度。
基于分枝注意力网络智能稽查建模方法

[发明专利]基于注意力机制的深度森林高光谱图像分类方法和系统-CN202010789788.4有效
发明人：汪敏;魏龙生;罗大鹏;尹旭 -专利权人：中国地质大学（武汉）
申请日： 2020-08-07 - 公布日： 2023-08-29 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及基于注意力机制的深度森林高光谱图像分类方法和系统，包括以下步骤：将原始的高光谱图像数据集作为训练集，将训练集进行降维操作，生成低维数据集，在低维数据集中提取光谱向量数组；将光谱向量数组输入基于注意力机制的深度森林模型进行训练，生成训练好的基于注意力机制的深度森林模型；将待分类原始的高光谱图像数据集经降维后输入训练好的基于注意力机制的深度森林模型，生成分类标签。本发明提供的基于注意力机制的深度森林高光谱图像分类方法和系统，将注意力机制结合到深度森林架构中并用于高光谱图像分类；在高光谱图像分类任务中，通过对中间特征进行注意力增强操作，实现特征的自适应细化，提高分类性能
基于注意力机制深度森林光谱图像分类方法系统

[发明专利]一种基于图像的驾驶员注意力检测方法-CN202010237283.7在审
发明人：赵云波;唐敏;吴芳;赵丽丽 -专利权人：浙江工业大学
申请日： 2020-03-30 - 公布日： 2020-08-18 - 主分类号： G06K9/00 文献下载
摘要：本发明的一种基于图像的驾驶员注意力检测方法，含有：步骤1：用轻量化的CNN模型对Distracted–Driver–Detection数据集中的数据进行训练，以提取驾驶员注意力不同情况对应的特征；步骤2：运用该CNN模型对Distracted–Driver–Detection数据集中的数据进行驾驶员注意力集中状况的测试；步骤3：针对步骤2中的测试结果的准确性来调整CNN模型中的权重和步长并再次进行测试直至测试结果的准确率符合条件；步骤4：将参数调整后的CNN模型部署到嵌入式系统中运行；步骤5：通过摄像头实时获取驾驶员的注意力集中状态并输出结果。本发明利用轻量化的CNN模型实时获取驾驶员的注意力集中情况，进行驾驶员的注意力集中状态的检测。
一种基于图像驾驶员注意力检测方法

[发明专利]影像处理设备以及超解析处理方法-CN202111646609.2在审
发明人：栗永徽;黄启恩 -专利权人：鸿海精密工业股份有限公司;鸿富锦精密工业(深圳)有限公司
申请日： 2021-12-30 - 公布日： 2022-04-05 - 主分类号： G06T3/40 文献下载
摘要：处理器连接影像撷取电路，并执行超解析模型以及注意力模型，其中处理器用以进行下列操作：对高解析影像执行下采样处理以产生低解析影像；利用超解析模型对低解析影像进行超解析处理以产生超解析影像；将注意力模型套用至高解析影像以及超解析影像产生注意力加权高解析影像以及注意力加权超解析影像，并依据注意力加权高解析影像以及注意力加权超解析影像计算第一损失；以及依据第一损失更新该超解析模型。
影像处理设备以及解析方法

[发明专利]基于多层级注意力机制的模型、事件论元抽取方法及系统-CN202210416103.0在审
发明人：吴昆;丁国栋 -专利权人：迈容智能科技（上海）有限公司
申请日： 2022-04-20 - 公布日： 2022-08-09 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种基于多层级注意力机制的模型、事件论元抽取方法及系统，首先，预处理包含事件类型以及描述该事件的输入文本，使用预训练语言模型对数据集中的文本进行编码，得到模型的初始文本表征；其次，将事件类型输入多层级注意力机制的模型，获取事件类型‑论元角色层级注意力特征和论元角色‑论元角色层级注意力特征；然后，将文本表征输入双仿射层，与事件类型‑论元角色层级注意力特征和论元角色‑论元角色层级注意力特征进行融合，获取最终的融合分类特征；最后，将融合分类特征作为最终分类层的输入，采用0/1标注格式对每个角色类型的事件论元的首尾索引进行预测，迭代训练，获取最优模型。
基于多层注意力机制模型事件抽取方法系统

[发明专利]基于先验知识图的图像文本匹配模型的构建方法-CN202210060418.6在审
发明人：郭军;解煜晨;肖云;任鹏真;任哲;王淑文;董智强;许鹏飞;陈晓江;房鼎益 -专利权人：西北大学
申请日： 2022-01-19 - 公布日： 2022-05-27 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及基于先验知识图的图像文本匹配模型的构建方法，构建的模型包括先验知识图模块、图像文本匹配模块和整合模块；先验知识图模块和图像文本匹配模块分别与整合模块相连接。采用构建外部先验知识图来指导图像文本匹配，极大增强模型对真实场景的理解能力，利用图卷积来构建先验知识图之间的关系，取代使用交叉注意力机制成对的计算所有图像区域和文本片段之间的局部注意力关系，减少了计算量和参数量，提高了模型的训练速度和推理速度；使用自注意力机制transformer来聚合图像区域间的注意力关系；使用预训练模型BERT提取文本特征向量，再利用注意力机制来聚合文本向量中词与词之间的注意力关系；有效提高了图像文本匹配的准确率
基于先验知识图像文本匹配模型构建方法

[发明专利]基于残差网络的烟叶分级方法、电子设备及存储介质-CN202211112611.6在审
发明人：罗瑞林;齐玥程;李迎春;王燕;盖小雷;黄婧;张平 -专利权人：云南省烟草烟叶公司;云南铭帆科技有限公司
申请日： 2022-09-14 - 公布日： 2022-11-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于多分支注意力机制残差网络的烟叶分级方法、电子设备及存储介质，方法包括：采集不同等级的烟叶图像并按照等级进行分类存储，并将烟叶图像进行预处理；将预处理后的烟叶图像按照特定比例划分为训练集、验证集和测试集；搭建多分支注意力机制残差网络模型，设置优化器、损失函数和监控指标对多分支注意力机制残差网络模型进行装配；将训练集和验证集送入装配好的多分支注意力机制残差网络模型进行训练，获取训练好的多分支注意力机制残差网络模型；通过训练好的多分支注意力机制残差网络模型对待测烟叶图像进行分级。
基于网络烟叶分级方法电子设备存储介质

[发明专利]一种基于记忆引导注意力的无监督异常事件检测算法-CN202310369524.7在审
发明人：李璐;路文;伍凌帆 -专利权人：苏州海裕鸿智能科技有限公司
申请日： 2023-04-08 - 公布日： 2023-07-11 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于记忆引导注意力的无监督异常事件检测算法，包括以下步骤：步骤1)公开数据集USCD、ShanghaiTech Campus中的正常事件数据作为训练集；步骤2)构建基于记忆引导注意力的无监督异常事件检测模型；步骤3)对基于记忆引导注意力的无监督异常事件检测模型进行迭代训练；步骤4)获取基于记忆引导注意力的无监督异常事件检测模型检测结果。这种基于记忆引导注意力的无监督异常事件检测算法通过引入记忆引导注意力模块，使网络模型在学习时，更关注正常事件中的有价值信息；此外，提出了一种冗余信息抑制约束，将这种冗余信息抑制约束作为损失函数的一部分来优化模型参数
一种基于记忆引导注意力监督异常事件检测算法

[发明专利]基于局部注意力机制的旅行商问题生成式求解方法-CN202310480834.6在审
发明人：李攸俊;李笠 -专利权人：桂林电子科技大学
申请日： 2023-04-28 - 公布日： 2023-07-28 - 主分类号： G06Q10/047 文献下载
摘要：本发明涉及神经组合优化技术领域，具体涉及一种基于局部注意力机制的旅行商问题生成式求解方法，包括搭建基于局部注意力机制的旅行商问题生成式求解模型；基于可变情节长度和改进的策略算法对所述旅行商问题生成式求解模型进行训练，得到最优模型；将城市节点集合输入所述最优模型后使用带有基于旅行商问题数据的改进遮蔽操作的局部注意力机制进行注意力权重以及注意力输出计算，得到决策结果，本发明利用旅行商问题数据在逻辑上的排列顺序，改进了原本Transformer中使用的遮蔽方法，实现了一种局部注意力机制，降低了模型的训练成本，从而适用于对旅行商数据的处理，解决了深度学习数据处理方法对于旅行商数据不适用的问题。
基于局部注意力机制旅行问题生成求解方法

[发明专利]融合时间信息的自注意力序列推荐方法、系统及设备-CN202210973525.8在审
发明人：孙天昊;秦杜军;张小东;马嘉懿;吴全旺 -专利权人：重庆大学
申请日： 2022-08-15 - 公布日： 2022-10-28 - 主分类号： G06Q30/06 文献下载
摘要：本发明提供了融合时间信息的自注意力序列推荐方法、系统及设备，方法包括：构建融合时间信息的自注意力序列推荐模型；利用数据集中用户的历史交互序列，对所述推荐模型进行训练，得到训练好的序列推荐模型；获取待推荐用户的历史交互序列，并将所述待推荐用户的历史交互序列输入至训练好的融合时间信息的自注意力序列推荐模型中，获得目标推荐商品并推荐给用户。本发明采用融合时间信息的自注意力序列推荐方法，通过将时间间隔信息的嵌入与商品嵌入进行连接形成带有时间信息的商品嵌入，以及通过序列推荐模型中的多个自注意力块进行多重注意力计算，从而从根源上解决了现有的基于序列推荐方法的商品推荐准确性低
融合时间信息注意力序列推荐方法系统设备

[发明专利]基于瓶颈特征和多尺度多头注意力机制的语音识别模型建立方法-CN201910477034.2有效
发明人：韩纪庆;唐海桃;郑铁然;郑贵滨 -专利权人：哈尔滨工业大学
申请日： 2019-06-03 - 公布日： 2022-03-11 - 主分类号： G10L15/06 文献下载
摘要：基于瓶颈特征和多尺度多头注意力机制的语音识别模型建立方法，属于建模方法领域。传统的注意力模型存在识别性能较差，注意力尺度单一等问题。一种基于瓶颈特征和多尺度多头注意力机制的语音识别模型建立方法，采用深度置信网络提取瓶颈特征作为前端，能够增加模型的鲁棒性，而后端则采用由不同尺度的卷积核组成的多尺度多头注意力模型，分别对音素、音节、词等级别的语音基元进行建模，逐个计算出循环神经网络隐含层状态序列以及输出序列；使用每个头的注意力网络所对应的解码网络计算输出序列在位置处的元素，最终将所有输出序列采整合成一个新的输出序列。
基于瓶颈特征尺度多头注意力机制语音识别模型建立方法

[发明专利]多融合图网络协同多通道注意力模型及其应用和应用方法-CN202110526469.9有效
发明人：蒋国平;程曼茹;宋玉蓉 -专利权人：南京邮电大学
申请日： 2021-05-14 - 公布日： 2022-08-09 - 主分类号： G06N3/04 文献下载
摘要：本发明是一种多融合图网络协同多通道注意力模型及其应用和应用方法，该模型包括ECA、MF‑GCN、CNN、残差网络和RELU层，堆叠ECA、MF‑GCN、CNN构建出多融合时空块，多融合时空块结合残差网络、一层RELU层获得多融合图网络协同多通道注意力块，堆叠多融合图网络协同多通道注意力块，将最后多融合图网络协同多通道注意力块的输出再经过CNN层，获得多融合图网络协同多通道注意力模型。本发明用已有的数据构建潜在的图结构，构建多属性融合的GCN模块，将包含多个属性的图结构传入GCN模块，充分挖掘图结构信息；首次将ECA模型用于交通流预测，应用ECA模型的注意力机制，更好的建模时间非线性动态变化性
融合网络协同通道注意力模型及其应用方法

[发明专利]基于深度学习和注意力网络的鲁棒图像水印方法及系统-CN202111607588.3有效
发明人：王成优;赵怡梦;周晓 -专利权人：山东大学
申请日： 2021-12-27 - 公布日： 2022-04-12 - 主分类号： G06T1/00 文献下载
摘要：本发明属于数字图像水印技术领域，提供了一种基于深度学习和注意力网络的鲁棒图像水印方法及系统，包括以下步骤：获取原始图像张量；根据所获取的原始图像张量和注意力模型，得到注意力图像张量；基于所得到的注意力图像张量和水印嵌入模型，生成含水印图像；根据所生成的含水印图像和构建的攻击网络模型，生成被攻击图像；根据所述被攻击图像、所述注意力模型和深度学习模型，提取图像水印。本发明利用人类视觉系统对不同区域的感知能力以及不同像素点的抗攻击能力，沿着通道和空间两个维度推断注意力权值，寻找对人类视觉感知影响小且鲁棒性能好的区域进行水印嵌入。
基于深度学习注意力网络图像水印方法系统

[发明专利]图像去雾方法、装置及设备-CN202111091274.2在审
发明人：张登银;朱虹;韩文生;严伟丹;寇英杰 -专利权人：南京邮电大学
申请日： 2021-09-17 - 公布日： 2022-01-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种图像去雾方法、装置及设备，所述方法包括：获取待处理有雾图像，将有雾图像输入预先训练的去雾模型，获得有雾图像对应的无雾图像；所述去雾模型包括多个残差群组，所述残差群组包括若干串联的残差双重注意力融合模块，残差双重注意力融合模块包括残差块、第一卷积层、通道注意力模块、像素注意力模块和第二卷积层，所述残差块的输出经第一卷积层分别与所述通道注意力模块和像素注意力模块的输入连接，所述通道注意力模块和像素注意力模块的输出融合再进行输出处理，用于实现残差双重注意力融合模块的输出在每个通道图增强全局依赖的同时获得像素特征。本发明将残差双重注意力融合模块作为神经网络的基本模块，提高了去雾效果。
图像方法装置设备