-
公开(公告)号：CN117593755B
公开(公告)日：2024-04-02
申请号：CN202410071885.8
申请日：2024-01-18
Applicant: 吉林大学
IPC: G06V30/28 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V30/164 , G06V30/19 , G06V30/242 , G06V30/262
Abstract: 本发明公开了一种基于骨架模型预训练的金文图像识别方法和系统，所述方法包括：采集金文文字图像，对所述金文文字图像进行预处理，得到待识别预处理图像；使用无标签古文图像对骨架模型进行预训练，得到训练后的骨架模型；将所述待识别预处理图像输入训练后的骨架模型、文字信息推理器和文字识别器中，得到待识别文字的识别结果。本发明克服了金文数据集中数据质量差，类别不均衡等问题，实现了金文图像识别。
-
公开(公告)号：CN117372785B
公开(公告)日：2024-03-26
申请号：CN202311638931.X
申请日：2023-12-04
Applicant: 吉林大学
IPC: G06V10/764 , G06N3/042 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于特征簇中心压缩的图像分类方法，属于人工智能的图像分类领域，包括：获取多种类别的原始特征簇并按类别进行扩张，获得对应的扩张特征簇；基于扩张特征簇训练骨干网络与分类器；将原始特征簇移动过程与知识蒸馏机制集成，结合训练后的骨干网络与分类器获得教师模型；构建学生模型与联合损失函数，通过采样器为学生模型训练新的骨干网络，基于联合损失函数与教师模型对学生模型进行迭代训练，采用训练完成后的学生模型进行图像分类。本发明引入两阶段训练框架，并在在框架中提出一个特征簇中心压缩方法来增加特征簇与决策边界之间的可用空间，为困难样本点提供更大的容错区域，从特征层面来解决不平衡数据集的图像分类问题。
-
公开(公告)号：CN117593755A
公开(公告)日：2024-02-23
申请号：CN202410071885.8
申请日：2024-01-18
Applicant: 吉林大学
IPC: G06V30/28 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V30/164 , G06V30/19 , G06V30/242 , G06V30/262
Abstract: 本发明公开了一种基于骨架模型预训练的金文图像识别方法和系统，所述方法包括：采集金文文字图像，对所述金文文字图像进行预处理，得到待识别预处理图像；使用无标签古文图像对骨架模型进行预训练，得到训练后的骨架模型；将所述待识别预处理图像输入训练后的骨架模型、文字信息推理器和文字识别器中，得到待识别文字的识别结果。本发明克服了金文数据集中数据质量差，类别不均衡等问题，实现了金文图像识别。
-
公开(公告)号：CN117372785A
公开(公告)日：2024-01-09
申请号：CN202311638931.X
申请日：2023-12-04
Applicant: 吉林大学
IPC: G06V10/764 , G06N3/042 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于特征簇中心压缩的图像分类方法，属于人工智能的图像分类领域，包括：获取多种类别的原始特征簇并按类别进行扩张，获得对应的扩张特征簇；基于扩张特征簇训练骨干网络与分类器；将原始特征簇移动过程与知识蒸馏机制集成，结合训练后的骨干网络与分类器获得教师模型；构建学生模型与联合损失函数，通过采样器为学生模型训练新的骨干网络，基于联合损失函数与教师模型对学生模型进行迭代训练，采用训练完成后的学生模型进行图像分类。本发明引入两阶段训练框架，并在在框架中提出一个特征簇中心压缩方法来增加特征簇与决策边界之间的可用空间，为困难样本点提供更大的容错区域，从特征层面来解决不平衡数据集的图像分类问题。
-
公开(公告)号：CN116542995A
公开(公告)日：2023-08-04
申请号：CN202310768905.2
申请日：2023-06-28
Applicant: 吉林大学
IPC: G06T7/11 , G06N3/0464 , G06V10/22 , G06V10/764 , G06V10/80
Abstract: 本申请公开了一种基于区域表示和视觉表示的视觉问答方法及系统，其中方法步骤包括：基于Faster R‑CNN模型学得的图像区域特征，为每张待问答图像构建图像区域特征图；基于图像区域特征图，生成邻居增强的区域表示；基于GRU模型学得的问题特征对邻居增强的区域表示进行指导，得到最终的视觉特征；基于区域表示、视觉特征和问题特征，得到预测答案，完成视觉问答。本申请为每张图像构建区域特征图，以表示该图像中所有区域之间的关联和特征。同时，基于带重启的随机行走方法，在区域特征图中学习邻域增强区域表示。此外，还提出一个问题指导的纵横双重注意力机制。机制以问题特征表示作为指导，从区域层面和特征层面增强区域表示。
-
Patent Agency Ranking
公开(公告)号：CN116304063B
公开(公告)日：2023-07-21
申请号：CN202310564657.X
申请日：2023-05-19
Applicant: 吉林大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明公开了一种简单的情感知识增强提示调优的方面级情感分类方法，属于人工智能的自然语言处理领域，包括以下步骤：构建提示模板，将所述提示模板和待分类文本输入到预训练语言模型中进行预测，获得待分类文本对应的若干个词的预测概率；构建情感知识映射表达器，并对所述情感知识映射表达器中的若干个情感标签词进行优化，获得优化后的情感标签词；基于所述若干个词的预测概率，获得优化后的情感标签词的预测概率；通过所述情感知识映射表达器将所述优化后的情感标签词的预测概率映射到类别标签，获得类别标签的最终预测概率。本发明通过引入外部情感词库来提高情感标签词的语义表达能力，同时减少了由单个情感标签词引起的偏差。
-
公开(公告)号：CN116304063A
公开(公告)日：2023-06-23
申请号：CN202310564657.X
申请日：2023-05-19
Applicant: 吉林大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明公开了一种简单的情感知识增强提示调优的方面级情感分类方法，属于人工智能的自然语言处理领域，包括以下步骤：构建提示模板，将所述提示模板和待分类文本输入到预训练语言模型中进行预测，获得待分类文本对应的若干个词的预测概率；构建情感知识映射表达器，并对所述情感知识映射表达器中的若干个情感标签词进行优化，获得优化后的情感标签词；基于所述若干个词的预测概率，获得优化后的情感标签词的预测概率；通过所述情感知识映射表达器将所述优化后的情感标签词的预测概率映射到类别标签，获得类别标签的最终预测概率。本发明通过引入外部情感词库来提高情感标签词的语义表达能力，同时减少了由单个情感标签词引起的偏差。
-
公开(公告)号：CN116127078A
公开(公告)日：2023-05-16
申请号：CN202310416484.7
申请日：2023-04-19
Applicant: 吉林大学
Abstract: 本发明公开了一种大规模极弱监督多标签政策分类方法及系统，包括以下步骤：基于未标记政策语料库对WoBERT进行连续的预训练，获得政策领域专用的语言模型；利用所述政策领域专用的语言模型，从所述未标记政策语料库中学习与标签名称语义相关的种子词，并为每个类别种子词构建种子词汇表；利用所述种子词汇表中的类别种子词信息，为未标记的政策生成伪标签，并将带有伪标签的政策添加到伪训练集中；利用所述伪训练集对所述政策领域专用的语言模型进行训练，利用训练好的所述政策领域专用的语言模型为政策进行编码操作，完成多标签政策分类。本发明利用用户提供标签名称，而不是使用任何的标记文档，来对海量的政策数据进行分类。
-
公开(公告)号：CN109669994B
公开(公告)日：2023-03-14
申请号：CN201811570602.5
申请日：2018-12-21
Applicant: 吉林大学
Abstract: 本发明涉及一种健康知识图谱的构建方法，包括：利用html标签和正则表达式直接从网络数据源抽取结构化和半结构化数据中的属于概念化表示的用户、症候、疾病、专家、治疗方案和商品的各自的实体；利用条件随机场算法对非结构化数据抽取出属于上述六个概念化表示的实体；对同一上下文中抽取到的实体对使用Bi‑LSTM算法进行关系分类，确定实体间的关系；计算实体名称和实体描述之间的相关性，实现实体信息的消歧；利用jena工具的owl推理函数补全知识图谱关系，并利用准则捕捉歧义三元组，将判定可能有错误的三元组反馈给领域专家进行验证。本发明的有益效果为：构建中医理论的健康知识图谱，并运用知识推理技术对残缺关系加以自动补全，构建更加完善的健康图谱。
-
公开(公告)号：CN115658860A
公开(公告)日：2023-01-31
申请号：CN202211284440.5
申请日：2022-10-17
Applicant: 吉林大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种教师自主支持性教学行为自动识别方法，包括：采集教师授课语音，基于语音分割技术将授课语音进行分割处理，获得单句语音；利用语音识别技术将单句语音转换为教学行为文本信息；基于文本信息构建教学行为数据集；构建教学行为识别模型，将教学行为数据集输入所述教学行为识别模型进行训练，获得目标教学行为识别模型；基于目标教学行为识别模型对教师自主支持性教学行为进行智能识别，本发明通过构建首个自主支持性教学行为训练集，设计教学行为识别算法，实现在大规模真实课堂场景中自动、快速识别教师自主支持性教学行为。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.033 seconds)
