“分类图”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3856506个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图增强的文本分类方法、装置、设备及介质-CN202310600006.1在审
发明人：孔欧 -专利权人：上海蜜度信息技术有限公司
申请日： 2023-05-25 - 公布日： 2023-08-29 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于图增强的文本分类方法、装置、设备及介质，其中，方法包括：获取待分类的文本；将所述待分类的文本输入至分类模型中得到文本的分类结果；其中，所述分类模型包括：文本特征提取模块，用于从所述待分类的文本中提取出文本分支特征；文本转换模块，用于将所述待分类的文本转换为图，并提取出图的顶点信息和边缘信息；特征融合模块，用于将所述文本分支特征与所述图的顶点信息和边缘信息进行特征融合，得到融合特征；分类模块，用于基于文本分支特征和融合特征对待分类的文本进行分类，得到文本的分类结果。本发明能够利用Graph信息来辅助文本分类，从而提升文本分类的准确性。
一种基于增强文本分类方法装置设备介质

[发明专利]一种基于图增强的音频分类方法、装置、设备及介质-CN202310599988.7在审
发明人：孔欧 -专利权人：上海蜜度信息技术有限公司
申请日： 2023-05-25 - 公布日： 2023-09-19 - 主分类号： G10L21/12 文献下载
摘要：本发明涉及一种基于图增强的音频分类方法、装置、设备及介质，其中，方波包括：获取待分类的音频；将所述待分类的音频输入至分类模型中得到音频的分类结果；其中，所述分类模型包括：音频特征提取模块，用于从所述待分类的音频中提取出第一音频特征和第二音频特征；音频转换模块，用于将所述待分类的音频转换为图，并提取出图的顶点信息和边缘信息；特征融合模块，用于将第一音频特征、第二音频特征与所述图的顶点信息和边缘信息进行特征融合，得到融合特征；分类模块，用于基于融合特征对待分类的音频进行分类，得到音频的分类结果。本发明能够利用Graph信息来辅助音频分类，从而提升音频分类的准确性。
一种基于增强音频分类方法装置设备介质

[发明专利]一种肾小球肾炎的免疫荧光分类方法及装置-CN202011101137.8有效
发明人：陈丽萌;文煜冰;夏鹏;任菲;吕智龙;李雪梅;秦岩 -专利权人：中国医学科学院北京协和医院
申请日： 2020-10-15 - 公布日： 2021-11-05 - 主分类号： G06K9/62 文献下载
摘要：本申请公开一种肾小球肾炎的免疫荧光分类方法以及装置。所述肾小球肾炎的免疫荧光分类方法包括：获取待分类肾小球肾炎的免疫荧光病理图像作为原始图像；分割所述原始图像，从而获取多个局部区域图像；根据原始图像获取原始图像浅层特征图；根据每个局部区域图像分别获取对应的局部区域图像浅层特征图；将原始图像浅层特征图与各个所述局部区域图像浅层特征图合并，从而形成合并特征图；根据合并特征图获取分类器输入特征图；将所述分类器输入特征图输入至训练好的分类器，从而经过分类器计算以获取分类结果。本申请的肾小球肾炎的免疫荧光分类方法得到了多个沉积物最集中的局部区域，为卷积神经网络提供了候选的区分性区域。
一种肾小球肾炎免疫荧光分类方法装置

[发明专利]一种网络数据分类方法、装置、设备及可读存储介质-CN202011293669.6在审
发明人：胡克坤;董刚;赵雅倩;曹其春;杨宏斌;赵健 -专利权人：苏州浪潮智能科技有限公司
申请日： 2020-11-18 - 公布日： 2021-03-09 - 主分类号： G06F16/906 文献下载
摘要：本发明公开了一种网络数据分类方法，该方法包括以下步骤：根据分类指令对网络数据进行图建模，获得目标图；根据目标图获得网络数据对应的图顶点集，以及目标图对应的邻接矩阵和顶点特征矩阵；其中，图顶点集包括有标签图顶点和无标签图顶点；根据图顶点集构建图顶点标签矩阵；利用邻接矩阵构造图小波变换基底及图小波逆变换基底，并根据图小波变换基底及图小波逆变换基底构建图小波神经网络；利用图小波神经网络对图顶点标签矩阵进行更新，得到各无标签图顶点对应的分类标签，以对网络数据进行分类。应用本发明所提供的网络数据分类方法，提升了对网络数据的分类效率。本发明还公开了一种网络数据分类装置、设备及存储介质，具有相应技术效果。
一种网络数据分类方法装置设备可读存储介质

[发明专利]基于显著性和多尺度深度网络模型的SAR图像分类方法-CN201711143858.3在审
发明人：焦李成;屈嵘;侯瑶淇;马文萍;杨淑媛;侯彪;刘芳;陈璞花;古晶;张丹;唐旭;马晶晶 -专利权人：西安电子科技大学
申请日： 2017-11-17 - 公布日： 2018-04-13 - 主分类号： G06K9/62 文献下载
摘要：一种基于显著性和多尺度深度网络模型的SAR图像分类方法。其步骤为读入数据集；获得训练场景图和显著特征图；生成显著性检测训练数据集；生成目标分类训练样本集；构建显著性网络模型；训练显著性网络模型；构建多尺度深度网络模型；构建曲线波Curvelet重构层；生成目标分类网络模型；训练目标分类网络模型；获得显著特征图；对显著特征图进行形态学处理；提取检测切片；对检测切片进行分类；对分类结果进行投票；标记检测与分类结果图。本发明提高了分类准确率和分类速度，本发明可应用于对合成孔径雷达SAR图像的目标准确地进行分类、识别。
基于显著尺度深度网络模型 sar 图像分类方法

[发明专利]根据脸部图像的时间序列识别脸-CN02818997.3无效
发明人： V·菲尔洛明;M·特拉科维;S·V·R·古特塔 -专利权人：皇家飞利浦电子股份有限公司
申请日： 2002-09-10 - 公布日： 2005-07-06 - 主分类号： G06K9/00 文献下载
摘要：根据图像的时间顺序对面部图象进行分类的系统和方法，包括步骤：让用于识别面部图象的分类器设备进行训练，该分类器设备是利用与完整面部图象关联的输入数据进行训练的；获得图像的时间顺序的多个探针图象；将探针图象彼此对齐；结合这些图象以形成高分辨率图象；及根据由经过训练的分类器设备执行的分类方法将所述高分辨率图象归类。
根据脸部图像时间序列识别

[发明专利]一种图像分类方法、装置、计算机设备和存储介质-CN202011628943.0有效
发明人：王东;程骏;张惊涛;胡淑萍;顾在旺;郭渺辰;刘业鹏;庞建新 -专利权人：深圳市优必选科技股份有限公司
申请日： 2020-12-30 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本发明实施例公开了一种图像分类方法、装置、计算机设备和存储介质。该方法包括：获取待分类图像；将所述待分类图像作为输入特征图，使用预先训练好的图像分类模型得到所述待分类图像的分类类别，所述图像分类模型包括卷积层，所述卷积层对应一个动态激活函数，所述卷积层用于对所述输入特征图进行卷积处理得到中间特征图，所述动态激活函数包括动态参数，所述动态参数是根据所述中间特征图生成的，所述动态激活函数用于对所述中间特征图进行非线性映射得到输出特征图。本发明实施例实现了提升神经网络模型分类准确性。
一种图像分类方法装置计算机设备存储介质

[发明专利]医疗项目分类方法、装置、设备及介质-CN202210254737.0在审
发明人：李同;巴堃;庄伯金 -专利权人：平安科技（深圳）有限公司
申请日： 2022-03-15 - 公布日： 2022-06-10 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及信息处理技术领域，提供了一种医疗项目分类方法、装置、设备及介质，所述方法包括：获取就诊数据集，就诊数据集包括多个病患的就诊数据，每个就诊数据包括病患就诊的至少一个待分类医疗项目；基于就诊数据集，确定两两待分类医疗项目之间的相似度值；以待分类医疗项目为顶点，根据两两待分类医疗项目之间的相似度值构造带权边，构建待分类医疗项目之间的第一完全图；基于不同的相似度阈值，对第一完全图进行剪裁处理，得到多个第二完全图；根据多个第二完全图与预设的医疗项目分类图之间的相似性度量，确定待分类医疗项目的分类标签。本申请实施例能够基于医疗项目专家分类结果，补全未分类医疗项目的分类标签。
医疗项目分类方法装置设备介质

[发明专利]一种基于临近距离的遥感分类图斑边界精度评价方法-CN201310241304.2有效
发明人：王涛;何福红;蒋卫国;顾丽娟;张振华 -专利权人：鲁东大学
申请日： 2013-06-19 - 公布日： 2013-09-25 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于临近距离的遥感分类图斑边界精度评价方法，该方法是基于高空间分辨率遥感数据，通过计算各类地物边界线上实测点同遥感分类对应类别图斑边界间的临近距离（偏移），来对遥感分类图斑边界进行精度评价；同传统的遥感分类精度评价方法相比较，该方法不仅更科学的给出遥感分类图斑边界误差大小，且能够给出遥感分类误差空间分布，更适合于评价高空间分辨率遥感分类图斑边界精度。
一种基于临近距离遥感分类边界精度评价方法

[发明专利]数据分类方法、装置、计算机设备和存储介质-CN202110062637.3在审
发明人：牟帅;肖万鹏;鞠奇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-01-18 - 公布日： 2021-11-02 - 主分类号： G06F16/28 文献下载
摘要：本申请涉及人工智能技术领域，具体包括一种数据分类方法、装置、计算机设备和存储介质。所述方法在通过获取待分类图数据，确定待分类图数据的中心节点与对应的邻居节点之间的连边权重；对待分类图数据中的中心节点与对应的邻居节点之间的连边权重进行归一化处理，获取待分类图数据中各邻居节点对应的归一化连边权重；根据归一化连边权重对待分类图数据中的中心节点进行采样，获取节点采样结果；并进一步根据中心节点的节点采样结果对中心节点进行分类，获取待分类图数据对应的节点数据分类结果。本申请所得的采样结果能有效利用邻居节点中的特征信息，保证所得分类结果的有效性。
数据分类方法装置计算机设备存储介质

[发明专利]一种基于多模型融合的道路场景语义分割方法-CN202210246612.3在审
发明人：周宇宁;赵万忠;王春燕;刘津强;张自宇;董坤;楚明龙;杨睿涵;张文彬 -专利权人：南京航空航天大学
申请日： 2022-03-14 - 公布日： 2022-07-01 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多模型融合的道路场景语义分割方法，步骤如下：搭建多分类模型及二分类模型；分别对所述多分类模型及二分类模型进行端到端训练，得到使损失函数最小的最优权重值；使用最优权重值对道路场景图像进行多分类预测及二分类预测，形成初步分割结果图；对二分类预测形成的初步分割结果图进行图像后处理；将多分类预测形成的初步分割结果图及图像处理后的分割结果图进行融合。本发明的多分类模型在原有的HRNet基础上在特征融合的部分添加了视觉注意力，使得有效的特征图获得更大的融合权重，无效或效果差的特征图获得更小的融合权重，提高了多分类模型的像素的表征能力，得到更好的分割结果
一种基于模型融合道路场景语义分割方法

[发明专利]一种生态系统遥感制图方法、装置、计算机设备及存储介质-CN202211287423.7在审
发明人：石含宁;胡晓东;张明杰;朱志强;堵立斌;李成;张乃祥 -专利权人：苏州中科天启遥感科技有限公司
申请日： 2022-10-20 - 公布日： 2022-12-23 - 主分类号： G06V20/13 文献下载
摘要：本发明揭示了一种生态系统遥感制图的方法、装置、计算机设备及存储介质，属于生态遥感技术领域，所述方法获取多元地理数据并进行预处理，制作包括生态系统一类特征数据的生态图斑矢量数据；对不同生态系统选取不同分类特征进行分类，制作得到生态系统的亚类图斑，选取一定数量的亚类图斑作为分类样本；对带有属性信息的生态图斑分类样本进行训练，获得分类模型；循环选取分类样本及样本训练，对分类结果进一步迭代修正，利用迭代后的分类模型对全域生态图斑进行预测，得到生态系统亚类的分类结果。本发明能够提高生态系统亚类的分类精度，便于用户对图斑的精细化管理及精准决策。
一种生态系统遥感制图方法装置计算机设备存储介质

[发明专利]文本分类方法及装置-CN201710639782.7有效
发明人：彭浩;李建欣;何雨;刘垚鹏;包梦蛟;宋阳秋;杨强 -专利权人：广州市香港科大霍英东研究院
申请日： 2017-07-31 - 公布日： 2020-03-31 - 主分类号： G06F16/35 文献下载
摘要：本发明实施例公开了一种文本分类方法及装置，其中，所述方法包括步骤：接收输入的待分类文本，将所述文本进行预处理后，构造所述待分类文本的图结构，根据所述待分类文本的图结构构造若干个子图，将每一所述子图进行归一化处理；其中，所述待分类文本的图结构中，节点与所述待分类文本中的单词一一对应；以每一所述子图中的词向量表示作为已训练的神经网络的输入，根据所述神经网络的输出待分类文本的类别，本方案中各个子图具有非连续性、长距离的语义信息，通过神经网络可对各个子图的特征进行提取和融合，从而得到准确的文本分类结果。
文本分类方法装置

[发明专利]一种心电信号多分类方法及装置-CN202010722431.4有效
发明人：朱佳兵;朱涛 -专利权人：武汉中旗生物医疗电子有限公司
申请日： 2020-07-24 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及心电信号分类技术领域，公开了一种心电信号多分类方法，包括以下步骤：获取原始心电信号，为所述原始心电信号标注类别标签；根据原始心电信号生成心电频谱图，建立频谱图样本集；基于所述频谱图样本集对计算机视觉网络进行迁移学习，提取所述心电频谱图的频谱图特征；基于所述频谱图特征建立有限图，以所述有限图作为输入，以类别标签作为输出，对图神经网络进行训练，得到心电信号的多分类模型；根据所述多分类模型对心电信号进行分类得到多分类结果本发明具有分类模型训练难度低、分类效果精度高的技术效果。
一种电信号分类方法装置

[发明专利]一种半监督图不平衡学习方法-CN202310677241.9在审
发明人：董明刚;武天昊 -专利权人：桂林理工大学
申请日： 2023-06-08 - 公布日： 2023-10-13 - 主分类号： G06F18/214 文献下载
摘要：一种半监督图不平衡学习方法，用于处理不平衡的图神经网络数据。具体步骤包括获取数据、搭建分类网络、确定分类边界、选定边界样本并分配伪标签，以及迭代训练分类器。分类网络使用两层GCN网络进行图数据嵌入，并使用线性分类器输出分类概率。根据样本距离和分类器预测，将不同标签样本加入边界样本集。根据样本趋近于边界的程度，计算分类概率并分配伪标签。先训练有偏分类器，后每50轮选取伪标签构建平衡训练数据集，使用交叉熵损失更新分类器参数。最后，采用ADAM优化器训练，停止条件为一千次迭代没有更优结果。该方法有效处理半监督图不平衡学习问题，适用于各种图数据处理场景。
一种监督不平衡学习方法