“赖韩江”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22个，建议您升级VIP下载更多相关专利

[发明专利]一种代码重构方法、系统、计算机设备及介质-CN202310868915.3在审
发明人：杨剑达;赖韩江;印鉴 -专利权人：中山大学
申请日： 2023-07-14 - 公布日： 2023-10-27 - 主分类号： G06F8/36 文献下载
摘要：本申请公开了代码重构方法、系统、计算机设备及介质，所述方法包括：构建代码编辑器，该代码编辑器设置有代码风格选项，向代码编辑器输入待重构代码片段，按照所重构的代码风格，将内置的chatGPT提示语与待重构代码片段进行拼接，得到对应代码风格的chatGPT请求。将chatGPT请求重复多次输入所述chatGPT模块，由chatGPT模块返回所述chatGPT请求对应的应答内容；对每次返回的应答内容进行抽取处理，得到多个重构代码片段，并对重构代码片段排序评分。本申请提供的代码重构方法针对特定风格的代码重构，不需要重新编写专门的程序，且使用门槛低，智能化和个性化程度高，代码重构效率高。
一种代码方法系统计算机设备介质

[发明专利]一种用于模态缺失场景的多模态情感识别方法及系统-CN202310840266.6在审
发明人：罗威;赖韩江;印鉴 -专利权人：中山大学
申请日： 2023-07-10 - 公布日： 2023-10-24 - 主分类号： G06F18/213 文献下载
摘要：本发明涉及情感识别技术领域，尤其涉及一种用于模态缺失场景的多模态情感识别方法及系统，包括：获取缺失情况特征和多模态联合特征；利用自注意力机制对各模态高级特征、多模态联合特征和缺失情况特征进行缺失模态特征重构，得到多模态重构特征；将重构视觉特征、重构音频特征映射到重构文本特征空间，并利用多模态门控融合机制进行两两模态间的特征融合，得到文本视觉融合特征和文本音频融合特征，以进行情感类别分类，得到情感类别预测结果。本发明通过重构缺失的多模态数据以及考虑各模态之间的语义特征差异性，增强了模态缺失场景下的分类鲁棒性，提高了情感分类的准确率，在实际应用中具有良好的发展前景。
一种用于缺失场景多模态情感识别方法系统

[发明专利]一种基于数据保护的图像增量学习方法-CN202010781900.X有效
发明人：王文宇;赖韩江;潘炎 -专利权人：中山大学
申请日： 2020-08-06 - 公布日： 2023-08-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于数据保护的图像增量学习方法，该方法以深度卷积神经网络ResNet为基础，充分利用外部海量图像的信息，对其进行采样并加入训练过程，来缓解新旧样本不均衡所带来的偏差和灾难性遗忘，外部数据即采即用，训练后直接丢弃，不占用存储空间。同时加入针对于各个任务阶段的输出，提取关于任务的特征，提高模型的性能表现。本发明所提出的增量学习方法突破了传统方法的限制，能够灵活广泛地适应多种实际场景的需求，在计算机视觉领域具有重要的研究和应用价值。
一种基于数据保护图像增量学习方法

[发明专利]一种基于对抗生成网络的与职业相关的人脸老化方法-CN201811296157.8有效
发明人：周思宇;印鉴;赖韩江 -专利权人：中山大学;广东恒电信息科技股份有限公司
申请日： 2018-11-01 - 公布日： 2023-05-23 - 主分类号： G06T3/00 文献下载
摘要：本发明提供一种基于条件对抗生成网络的与职业相关的人脸老化方法。本发明首先收集一个职业面部老化数据集来研究职业对人脸老化的影响，它包括三个职业类型。其次，本发明提出了一个新的考虑职业信息的基于条件对抗生成网络的人脸老化网络，它学习了不同职业下的人脸的老化过程。本发明的老化过程中考虑了两个方向：个人特征的保留和不同职业所带来的不同的老化特征。本发明通过深度自编码网络，来保持个人的面部特征，使用了条件对抗生成网络来获得不同职业下的老化特征。
一种基于对抗生成网络职业相关老化方法

[发明专利]一种基于双层BiLSTM-CRF的工作履历信息抽取方法-CN201811362362.X有效
发明人：林创伟;赖韩江;印鉴;高静 -专利权人：中山大学;广东恒电信息科技股份有限公司
申请日： 2018-11-15 - 公布日： 2023-04-07 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于双层BiLSTM‑CRF的工作履历信息抽取方法，包括以下步骤：S1：工作履历信息预处理；S2：根据时间拆分工作履历信息为工作经历，对工作经历预处理；S3：利用双层BiLSTM‑CRF模型对工作经历的信息实体进行抽取；S4：对S3中抽取的信息实体进一步处理；S5：整理信息。本发明使用双层BiLSTM‑CRF模型，可以更好的抽取工作经历中的信息实体。更好解决因信息实体交叉，中文信息实体不规则等因素造成信息抽取困难问题。此外，将传统信息抽取任务分成多个子任务，增加了消歧模块和联想模块，高聚合，低耦合，可以并发进行，提高抽取性能，还可以充分利用上下文关系，丰富实体信息。可以更加好的完成信息抽取任务，得到更好的呈现效果。
一种基于双层 bilstm crf 工作履历信息抽取方法

[发明专利]一种基于数据增强的深度学习主题情感分类方法-CN201910365005.7有效
发明人：周晨星;赖韩江;印鉴 -专利权人：中山大学
申请日： 2019-04-30 - 公布日： 2023-03-28 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种基于数据增强的深度学习主题情感分类方法，该方法通过bert预训练语言模型能够让词先获取到一个初步的语义信息，然后经过双向GRU网络学习词与词之间的上下文语义特征，同时提出一种增强数据的方法，通过剔除每个句子中影响情感极性最大的词，迫使模型去学习更难句子的情感极性的判定，同时扩充数据集又使得模型能够从更多的数据集捕获特征。通过在相应数据集上的实验表明，本发明对比之前的情感分类方法，有较大提升。
一种基于数据增强深度学习主题情感分类方法

[发明专利]一种基于极少训练样本的深度图像哈希方法-CN201811053140.X有效
发明人：耿立冰;潘炎;印鉴;赖韩江;潘文杰 -专利权人：中山大学;广州中大南沙科技创新产业园有限公司
申请日： 2018-09-10 - 公布日： 2022-05-06 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于极少训练样本的深度图像哈希方法，该方法在已有的传统哈希方法的和基于深度学习的哈希方法都是在大量训练样本的前提下来进行设计的，而在真实的生产环境中，得到大量标记训练样本的成本很高，所以在在极少训练样本下，如果能得到一个效果相对较好的图像哈希模型是具有非常大的实用价值的。
一种基于训练样本深度图像方法

[发明专利]一种实现同时定位和哈希的细粒度图像检索方法-CN201911128818.0有效
发明人：曾海恩;赖韩江;印鉴 -专利权人：中山大学
申请日： 2019-11-18 - 公布日： 2022-04-22 - 主分类号： G06F16/53 文献下载
摘要：本发明提供一种实现同时定位和哈希的细粒度图像检索方法，该方法通过同时哈希和定位，可以更好地学习到输入图像的判别性区域以及融合不同尺度的输入信息，提升检索的精度，此外，方法中的哈希和定位模块可以以一种相互促进的方式实现共同训练，并且可以避免传统方法中的人工抽取图像特征，实现了端到端的训练，并且检索的精度大大提升。
一种实现同时定位细粒度图像检索方法

[发明专利]一种基于深度学习的图像分段哈希排序方法-CN202111217840.X在审
发明人： 赖韩江;龚秦康;潘炎;印鉴 -专利权人：中山大学
申请日： 2021-10-19 - 公布日： 2022-03-08 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于深度学习的图像分段哈希排序方法，该方法通过G网络提取出可用于解决多元相似度的排序问题的哈希码，并且经过精心设计的多段哈希距离度量以及稠密三元组损失函数，在不增加哈希码长度的前提下扩大了可表述的相似度数，从而使得哈希码具有更丰富的语义信息，在排序问题中也保持着较少的计算损耗。
一种基于深度学习图像分段排序方法

[发明专利]一种基于文本树局部匹配的图文跨模态检索方法及系统-CN202111355042.3在审
发明人：纪庆革;刘素;赖韩江;印鉴 -专利权人：中山大学
申请日： 2021-11-16 - 公布日： 2022-02-15 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种基于文本树局部匹配的图文跨模态检索方法及系统，该方法包括：获获取数据集并对数据集进行预处理和划分，得到训练集；将训练集中的图片和文本分别输入对应网络进行特征提取，得到图片特征和文本特征；根据文本特征生成文本树；根据文本树和图片特征进行图文对相似度计算并反向传播训练网络，得到跨模态检索模型；获取待测数据并输入至跨模态检索模型，得到检索结果。该系统包括：预处理模块、特征提取模块、树生成模块、模型训练模块和检索模块。通过使用本发明，实现跨模态检索，具有高可解释性和高检索精度的优点。本发明可广泛应用于图文匹配领域。
一种基于文本局部匹配图文跨模态检索方法系统

[发明专利]一种基于深度学习的多维度特征选择方法-CN202111198581.0在审
发明人： 赖韩江;胡宇杰;潘炎;印鉴 -专利权人：中山大学
申请日： 2021-10-14 - 公布日： 2022-01-28 - 主分类号： G06F16/53 文献下载
摘要：本发明提供一种基于深度学习的多维度特征选择方法，该方法通过Inception深度学习模型和特征维度随机截取模型学习到图像通用特征，并将数据库图像的通用特征储存，并且经过精心设计的特征维度选择模型对查询图像的特征维度进行选取，并以此维度在数据库中进行查询，使得查询所需的时间降低。
一种基于深度学习多维特征选择方法

[发明专利]一种基于循环生成对抗网络的迁移学习排序方法-CN201811051537.5有效
发明人：赵伟强;赖韩江;印鉴;高静 -专利权人：中山大学;广东恒电信息科技股份有限公司
申请日： 2018-09-10 - 公布日： 2021-09-28 - 主分类号： G06F16/332 文献下载
摘要：本发明提供一种基于循环对抗生成网络的迁移学习排序的方法，本发明是在学习排序的数据集LETOR3.0上进行迁移排序学习，用计算机视觉领域内的循环对抗生成网络做迁移学习框架，即用A域的特征生成B的特征，用B域的特征生成A域的特征，这样生成的特征都包含着另外一个域的特征信息；再用RankNet的学习排序算法对迁移过来的数据进行学习，用学习到的排序模型在目标域进行测试；在学习的过程中完全不涉及到目标域的标签信息。
一种基于循环生成对抗网络迁移学习排序方法

[发明专利]图像检索方法和装置、计算机设备和存储介质-CN201710433984.6有效
发明人： 赖韩江 -专利权人：腾讯科技（深圳）有限公司;中山大学
申请日： 2017-06-09 - 公布日： 2021-09-17 - 主分类号： G06F16/583 文献下载
摘要：本发明提供一种图像检索方法和装置、计算机设备和存储介质，包括：获取检索图像；将检索图像输入预先对具有相似关系的训练图像样本训练得到的卷积神经网络，通过输入层和前置卷积层得到第一输出结果；第一输出结果输入到的分支网络，得到每个像素点为物体的概率对应的物体的位置概率图；第一输出结果输入到卷积神经网络的中间卷积层，得到检索图像的特征图；对特征图与位置概率图进行点乘处理得到融合位置信息的特征图，并将融合位置信息的特征图输入至卷积神经网络的后置卷积层，通过后置卷积层和全连接层，输出检索图像的特征向量；将检索图像的特征向量与数据库的各图像的特征向量进行比较，得到检索图像的检索结果。该方法精确度高。
图像检索方法装置计算机设备存储介质

[发明专利]一种基于关键点检测的衣服种类和属性分类方法-CN201710780963.1有效
发明人：陈纪凯;潘炎;赖韩江;印鉴;高静 -专利权人：中山大学;广东恒电信息科技股份有限公司
申请日： 2017-09-01 - 公布日： 2021-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于关键点检测的衣服种类和属性分类方法，该方法先采集训练样本的数据；然后构建可配置的检测衣服关键点的深度模型，并将训练样本的数据输入深度模型，以对深度模型进行训练；接着利用训练后的检测关键点的深度模型对衣服图像进行分析，预测衣服图像中每个关键点的位置；最后根据S3中预测关键点的结果，以此提取相关局部信息，再融合全局的图片信息，再通过深度模型对衣服种类和属性进行训练、预测。该方法实现了能够更好融合衣服局部和全局特征。
一种基于关键检测衣服种类属性分类方法

[发明专利]一种基于集成学习的零样本哈希检索方法-CN202011092264.6在审
发明人：赵钰莹;赖韩江;印鉴 -专利权人：中山大学
申请日： 2020-10-13 - 公布日： 2021-02-12 - 主分类号： G06F16/53 文献下载
摘要：本发明提供一种基于集成学习的零样本哈希检索方法，该方法将集成学习的方法应用于零样本图片检索问题，使用VGG‑16提取图片的高维实数特征，然后用全连接层和激活函数将高维实数特征转化为低维二进制哈希码，在保证检索效果的前提下，减少了存储空间。之后，利用集成学习的训练方法，更新哈希模型，从而使模型具有更强的泛化能力，使模型在新类别的图片上的检索效果也大大提升。
一种基于集成学习样本检索方法

1
2
下一页»
尾页
共 22 条