“袁韶祖”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20个，建议您升级VIP下载更多相关专利

[发明专利]样本数据生成方法、装置、电子设备及存储介质-CN202111222792.3在审
发明人：刘瑞雪;袁韶祖;祝天刚;陈蒙 -专利权人：京东科技信息技术有限公司
申请日： 2021-10-20 - 公布日： 2022-01-04 - 主分类号： G06F16/242 文献下载
摘要：本公开提出一种样本数据生成方法、装置、电子设备及存储介质，该方法包括获取多个初始逻辑语句和初始规则，初始规则包括：参数符号和多种表达规则；根据多个初始逻辑语句，确定与多种表达规则分别对应的多种概率值，其中，概率值，描述参数符号转移至相应表达规则的概率；根据多种概率值对初始规则进行扩展处理，以得到目标规则；以及根据目标规则生成目标逻辑语句，目标逻辑语句被用于生成样本数据。通过本公开能够有效地生成多样化的结构化查询语言逻辑语句，使得所生成的逻辑语句能够有效地覆盖相应领域的真实分布情况，保障了逻辑语句的真实性，并且降低对人工资源的依赖，从而提升生成效率和生成准确性，辅助提升后续样本数据的生成效果。
样本数据生成方法装置电子设备存储介质

[发明专利]一种多模态信息处理方法、装置、电子设备和存储介质-CN202110239408.4在审
发明人： 袁韶祖;陈蒙;刘瑞雪 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2021-03-04 - 公布日： 2021-12-07 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种多模态信息处理方法、装置、电子设备和存储介质，所述方法包括：从获取到的多模态信息中提取第一模态特征和第二模态特征；所述第一模态特征和所述第二模态特征为两种不同模态的特征；基于注意力机制，利用所述第二模态特征，对所述第一模态特征进行注意力加权处理，得到第一加权模态特征；对所述第一加权模态特征和所述第二模态特征进行多模态分解双线性池化处理，得到双模态向量；根据所述双模态向量，生成所述多模态信息对应的意图分类结果。
一种多模态信息处理方法装置电子设备存储介质

[发明专利]信息处理方法及装置-CN202010141903.7在审
发明人：刘瑞雪;袁韶祖;陈蒙;代岩 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2020-03-04 - 公布日： 2021-09-07 - 主分类号： G06F40/30 文献下载
摘要：本申请的实施例公开了信息处理方法及装置。方法的一具体实施方式包括：首先，获取待处理文本；然后，对待处理文本进行语义分析，得到待处理文本所表达的情感信息；最后，基于情感信息，生成待处理文本对应的书法图像，其中，书法图像所表征的书法作品是模仿预设人员在情感信息表征的情感下，对待处理文本进行书法创作得到的书法作品。本实施方式使得书法图像所表征的书法作品呈现的效果灵活多变，更贴合待处理文本所表达的情感，提高了人工智能技术应用于书法创造中的智能化程度。
信息处理方法装置

[发明专利]基于多粒度视频信息和注意力机制的视频场景识别方法-CN202010972660.1在审
发明人：吴春雷;段海龙;袁韶祖;吴杰;路静;王雷全 -专利权人：中国石油大学（华东）
申请日： 2020-09-16 - 公布日： 2020-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于多粒度视频信息和注意力机制的视频场景识别方法，它解决了在视频场景识别方法中模型大多使用视频级的特征信息，而忽略多粒度的视频特征关联的问题。本发明首次提出了基于多粒度的视频特征的注意力机制的模型架构用于视频场景识别，它包括深度卷积神经网络模型、区域物体检测模型和视觉注意力模型。卷积神经网络提取视频帧全局的视觉特征；区域物体检测模型提取单个视频帧的局部表征，该特征包含了物体级别的细粒度信息表示；最后通过视觉注意力模型自适应地对场景中重要的局部信息进行加权操作，从而达到更精准的识别效果。本发明在VideoNet数据集上进行了大量实验，取得了非常有竞争力的评价结果。
基于粒度视频信息注意力机制场景识别方法

[发明专利]基于多粒度奖励机制的多注意力融合网络的图像字幕生成方法-CN202010974467.1在审
发明人：王雷全;袁韶祖;段海龙;吴杰;路静;吴春雷 -专利权人：中国石油大学（华东）
申请日： 2020-09-16 - 公布日： 2020-12-22 - 主分类号： G06T11/60 文献下载
摘要：本发明公开了一种基于多粒度奖励机制的多注意力融合网络的图像字幕生成方法，它解决了在基于强化学习奖励机制的图像字幕生成方法中，每个生成单词不同重要性的问题。本发明首次提出了一种基于多粒度奖励机制的多注意力融合网络用于图像字幕生成，它包括多注意力融合模型、单词重要性重评估网络和标签检索网络。多注意力融合模型用作基于强化学习的图像字幕方法的基线；单词重要性重评估网络通过估算生成标题中每个单词的不同重要性而被用于奖励重估；标签检索网络能够从一批字幕中检索相应的真实标签作为检索奖励，然后通过训练该网络以最大化奖励的方式生成更好的字幕。本发明在MSCOCO数据集上进行了大量的实验验证，取得了非常有竞争力的评价结果。
基于粒度奖励机制注意力融合网络图像字幕生成方法