“周兴晖”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10个，建议您升级VIP下载更多相关专利

[发明专利]一种基于注意力机制的多属性图像美学评价系统-CN201811356677.3有效
发明人：金鑫;吴乐;章乐;赵耿;李晓东;周兴晖;孙红波 -专利权人：中共中央办公厅电子科技学院
申请日： 2018-11-15 - 公布日： 2023-05-23 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于注意力机制的多属性图像美学评价系统。利用机器学习的方法，使用大规模照片数据集和对应评论信息训练出一个复合神经网络模型，此模型能够利用卷积操作有效的提取出图像的多属性美学特征，在模型的多属性特征提取网络中对图像特征进行提取，在通道和空间注意力网络中对特征进行进一步处理，最后在语言生成网络中把这些不同属性的特征通过长短记忆网络单元生成最后的评论，此模型能够自动的根据图像特征模拟输出图像不同属性的评论。当输入一个图像的时候，此生成模型从不同属性考虑图像的特征，对图像的美学质量做出自然语言评价结果。该方法很容易通过软件实现，本发明可广泛应用推广到计算机视觉、图像评价等中。
一种基于注意力机制属性图像美学评价系统

[发明专利]一种适用于粘性结块尾砂的充填料浆制备装置及方法-CN202211451569.0在审
发明人：李帅;陈俊宇;杨建国;周兴晖;邹培源;胡博怡;黄淇;王新民 -专利权人：中南大学;浙江省遂昌金矿有限公司
申请日： 2022-11-21 - 公布日： 2023-01-31 - 主分类号： B28C9/02 文献下载
摘要：本发明属于矿山充填技术领域，具体涉及一种适用于粘性结块尾砂的充填料浆制备装置及方法。该制备装置由尾砂上料系统、强力搅拌系统、计量控制系统三部分组成，包括高速连续上料、高速强力搅拌和自动反馈调节三个实施步骤。通过利用刮板输送机的强制输送来解决斗仓下料口易堵塞、皮带给料易中断、清理难度大的问题，采用高速搅拌桶高速强力搅拌来解决卧式搅拌槽转速低、粘性结块尾砂无法打散、充填料浆不合格的问题，具有工艺简单、实用性强，料浆制备效率高、效果好等优点。
一种适用于粘性结块充填制备装置方法

[发明专利]一种基于强化学习的语言评价生成方法-CN201910794996.0有效
发明人：金鑫;周兴晖;吴乐;李晓东 -专利权人：北京电子科技学院
申请日： 2019-08-27 - 公布日： 2022-12-13 - 主分类号： G06F40/279 文献下载
摘要：本发明提出了一种基于强化学习的语言评价方法，此方法利用了CIDEr评价标准(Consensus‑based Image Description Evaluation)进行判断优化学习的策略。本发明借鉴基础的强化学习算法用以训练网络：通过自引导序列算法，使用贪婪搜索的策略，将搜索的最终结果作为强化学习算法中的基线，使得算法生成的结果接近贪婪搜索结果。该方法引入了自引导序列算法，同时也对传统编码器与解码器框架进行了优化，其中用于生成语言评价的解码器单元，使用了带注意力机制的长短期记忆网络。综合这两个改进，此方法在美学评论生成任务中取得了较好的效果。
一种基于强化学习语言评价生成方法

[发明专利]一种基于主题损失的视觉问答模型构建方法-CN202110430766.3在审
发明人：金鑫;周兴晖;吕建文;肖超恩 -专利权人：韶鼎人工智能科技有限公司
申请日： 2021-04-21 - 公布日： 2021-07-23 - 主分类号： G06F16/332 文献下载
摘要：本发明提出一种基于主题损失的视觉问答模型构建方法，所述视觉问答模型包括三个部分：视觉特征提取部分、问题提取部分和信息融合部分，在视觉问答模型中设计有一种损失函数，用于约束视觉问答中回答的生成与图像内容相关；使用卷积神经网络(CNN)和长短时记忆网络(LSTM)进行视觉问答任务，同时使用适用于多主题的损失函数。本发明对图像和问题分别编码后输出的向量进行融合，并执行视觉问答任务。同时由于许多主题的关键词数量较多，添加适用针对不同主题的损失函数将取得更好的效果。通过视觉问答，人们可以从图像中获得更多想要的信息，该技术可应用于智能拍照指导、艺术品评价指导、机器人智能交互等等应用领域，对计算机视觉和模式识别的影响深远。
一种基于主题损失视觉问答模型构建方法

[发明专利]基于卷积神经网络的对单张室外图像太阳位置的预测方法-CN201711078072.8有效
发明人：金鑫;孙星;张晓昆;李晓东;孙楠;周兴晖;叶超尘 -专利权人：中共中央办公厅电子科技学院
申请日： 2017-11-06 - 公布日： 2021-07-20 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种基于卷积神经网络的对单张室外图像太阳位置的预测方法。考虑到卷积神经网络在提取图像亮度属性有着较好的表现，该方法将卷积神经网络应用拓展到对单幅图像的太阳位置预测上。首先，对webcam数据集进行删选。统一的图片尺寸，并修改卷积神经网络中的卷基层、池化层的相关参数。然后，将数据转换成为hdf5格式，并将网络的数据输入层改为了HDF5Layer层以支持hdf5型的数据输入。最后，在网络的输出层选择将两个角度分开输出，计算两个损失函数。本发明使用了进行图片分类的卷积神经网络AlexNet以及对MSCR网络进行一定修改后的网络来进行对比训练。并对预测结果进行了统计和对比分析。
基于卷积神经网络单张室外图像太阳位置预测方法

[发明专利]一种使用LDA的文本分类筛选方法-CN202011123125.5在审
发明人：赵博;吕建文;周兴晖;陈力;薛柔月;金鑫;蒋尚秀 -专利权人：上海金桥信息股份有限公司
申请日： 2020-10-20 - 公布日： 2021-04-16 - 主分类号： G06F16/35 文献下载
摘要：本发明提出了一种使用了LDA的文本分类筛选方法，包括：获取一个数据集，内容包括多个短句；使用自然语言处理方法，对数据进行预处理，以及进行清洗和整理；确定一个主题，人工选择若干符合主题的文本句子；用所述选择的文本句子，使用词袋模型建立对应文本向量矩阵；用所述向量矩阵去训练第一LDA模型；用所述第一LDA模型筛选文本中剩余的句子，计算该文本集合与第一LDA主题计算所得到的多个话题词之间的相关性，并以此作为评价一个句子是否满足选定主题模型的阈值；加入通过话题相关性筛选的文本，再训练第二LDA模型；用所述第二LDA模型，对文本中剩余的句子再用余弦相似去判断和筛选；将所述总共三次筛选的句子作为符合筛选目标的文本数据。
一种使用 lda 文本分类筛选方法

[发明专利]一种基于序列到序列的文本量化分析与生成方法及系统-CN202011284523.5在审
发明人：汪昕;周兴晖;吕建文;金鑫;陈力;薛柔月;蒋尚秀 -专利权人：上海金桥信息股份有限公司
申请日： 2020-11-17 - 公布日： 2021-02-23 - 主分类号： G06F40/126 文献下载
摘要：一种基于序列到序列的文本量化分析与生成方法及系统，可根据已知的文本自动生成与所需要进行量化分析的文本所对应的文本。该系统包括：预处理模块、文本内容编码器模块、量化分析编码器模块，解码器模块。本发明使得用户不需要手动将文本信息转化为特征向量，提高了转换的效率；同时，采用基于序列到序列的神经网络算法作为生成文本和对文本进行量化分析的主要方法，在生成文本的过程中可使用GPU进行加速，进一步提高了转换速率；基于序列到序列的神经网络算法也通过多次迭代提高了生成文本和所进行量化分析的文本的质量，避免了单一的模板化的文本生成。
一种基于序列文本量化分析生成方法系统

[发明专利]一种基于深度漂移-扩散方法的美学图像质量预测系统及方法-CN201811453642.1在审
发明人：金鑫;吴乐;周兴晖;赵耿;张晓昆;李晓东 -专利权人：中共中央办公厅电子科技学院
申请日： 2018-11-30 - 公布日： 2019-04-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度漂移‑扩散方法的美学图像质量预测系统及方法：包括：采用受心理学家启发的深度漂移‑扩散(DDD)方法，在Caffe深度学习框架上，根据训练图像得分分布，预测美学图像得分分布；根据训练美学图像分类数据，预测美学图像分类类别值；根据训练图像集合内图像的美学得分，预测美学图像评分。将所述预测图像输入所述美学图像分数分布方法模型，输出美学图像得分分布、图像分类类别值、美学图像评分，解决了传统美学图像质量方法无法对呈非高斯分布的美学图像评价分数分布提供较高准确性的问题，达到了美学图像质量动态预测的技术效果。
美学图像漂移图像分类预测质量预测扩散训练图像集合非高斯分布方法模型技术效果图像分数图像评价训练图像预测图像质量动态输出学习

[发明专利]一种基于密集卷积网络和多任务网络的美学属性评价方法-CN201810980971.5在审
发明人：金鑫;吴乐;周兴晖;赵耿;张晓昆 -专利权人：中共中央办公厅电子科技学院
申请日： 2018-08-27 - 公布日： 2019-01-22 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于密集卷积网络和多任务网络的美学属性评价方法。将图像的美学特征由密集卷积神经网络模型提取出来，以多维矩阵保留一部分图像特征，利用分层多任务网络对已知的图像属性进行回归分析。多次训练分析后，使得到的预测结果与训练数据集中的数据达到较高的拟合程度，保存最终的训练模型，并用此模型在测试数据集上进行测试，得到该方法的回归结果。由于使用的数据集并未具有某种倾向性，因此得到的美学属性预测算法模型，具有一定的普适性。该方法使用谷歌的Tensorflow框架实现，可广泛应用推广到计算机视觉、图像分析与处理、数码摄影和数字娱乐等领域中。
美学属性网络卷积图像分析与处理卷积神经网络测试数据集计算机视觉多维矩阵方法使用回归分析美学特征模型提取数码摄影数字娱乐图像属性图像特征训练模型训练数据预测结果预测算法普适性数据集分层拟合倾向性并用图像测试保存回归保留应用分析

[发明专利]一种图像美学质量确定方法及系统-CN201810901490.0在审
发明人：金鑫;吴乐;周兴晖;李晓东;赵耿;张晓昆;孙红波 -专利权人：中共中央办公厅电子科技学院
申请日： 2018-08-09 - 公布日： 2018-12-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种图像美学质量确定方法及系统，所述方法包括：采用空间金字塔池化方法，根据所述训练图像集样本确定图像美学质量评估模型；将所述测试图像集样本输入所述图像美学质量评估模型，确定所述验证图像内的各图像美学质量评估值和图像分类类别值；根据所述各图像美学质量评估值和图像分类类别值确定各图像的误差值；当各图像的误差值小于设定误差时，则输出图像美学质量评估模型；将所述测试图像集样本输入所述图像美学质量评估模型，输出所述测试图像集样本内的各图像美学质量值，实现了针对不同内容具有不同的特征图像的进行准确确定各图像美学质量值，提高了确定的准确性。
图像美学质量评估模型测试图像图像分类样本输入质量评估质量确定样本训练图像集输出图像特征图像池化金字塔验证输出

1
共 10 条