-
公开(公告)号：CN117541505A
公开(公告)日：2024-02-09
申请号：CN202311472766.5
申请日：2023-11-07
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06T5/73 , G06T5/77 , G06T3/4007 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于跨层注意力特征交互和多尺度通道注意力的去雾方法，具体来说，跨层注意力特征交互模块利用编码层的多尺度跨层特征学习层级权重，然后将这些跨层特征聚合传递到对应解码层，从而减少了去雾网络重构清晰图像过程中的特征稀释。此外，为了挖掘对于去雾网络非常重要的特征通道信息，本文设计了多尺度通道注意力机制，利用不同空洞率的空洞卷积提取多尺度特征信息，形成一个多尺度上下文并行学习的通道注意力机制，可以更有效的为去雾网络的特征分配权重。
-
公开(公告)号：CN117689617A
公开(公告)日：2024-03-12
申请号：CN202311514022.5
申请日：2023-11-14
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06T5/73
Abstract: 基于去雾约束网络和串联多尺度注意力的绝缘子检测方法，本发明中联合去雾网络约束是将去雾分支和绝缘子检测分支整合在一起训练，并通过对比损失对去雾特征图和清晰图像进行对比，利用反向传播更新Backbone骨干网络权重参数，用去雾分支来约束Backbone骨干网络以更好地提取有雾图像中的清晰特征。同时引入注意力机制，该框架能够有效地提取有雾图像中的清晰特征，降低雾霾对绝缘子检测的影响。本发明的目的是为了解决雾霾影响物体与背景之间的对比度降低，导致物体的边缘变得模糊的问题。
-
公开(公告)号：CN118278389A
公开(公告)日：2024-07-02
申请号：CN202410237108.6
申请日：2024-03-01
Applicant: 三峡大学
IPC: G06F40/216 , G06F16/35 , G06N3/042 , G06N3/0464 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种基于边增强一致性的半监督谣言检测方法，该方案通过使用边增强提高数据质量，并使用阈值分离一致性信息与非一致性信息，利用双通道图卷积网络提取公开数据集中样本的高维特征，提高了数据的利用效率；方案通过半监督方法对大量无标记数据进行有效利用，增强了模型的泛化能力，解决了突发事件时标记样本不足而影响检测准确率的问题，有效利用大量无标记数据提高检测速度和准确率。
-
公开(公告)号：CN117852532A
公开(公告)日：2024-04-09
申请号：CN202311689864.4
申请日：2023-12-07
Applicant: 三峡大学
IPC: G06F40/279 , G06F40/216 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层次不真实性传播结构的谣言检测方法，首先进行社交媒体数据集的整理与构建，再对谣言检测模型的输入数据进行预处理，然后进行谣言检测模型的搭建、训练以及验证，最后使用谣言检测模型对社交媒体事件的真实性进行识别；该方法解决了现有技术无法有效处理传播结构中的不真实关系，也没有同时联合谣言传播的方向和全局传播结构来捕捉潜在的特征，从而限制谣言检测的效果的问题，具有可以有效地降低事件原始传播结构存在的不稳定性因素给检测结果带来的影响，进一步提高了谣言检测模型的性能的特点。
-
公开(公告)号：CN112069397B
公开(公告)日：2023-08-04
申请号：CN202010850844.0
申请日：2020-08-21
Applicant: 三峡大学
IPC: G06F16/9535 , G06F40/30 , G06F16/35 , G06N3/0455 , G06N3/0442 , G06N3/0475 , G06N3/094 , G06N3/047 , G06N3/048
Abstract: 本发明公开了自注意力机制与生成对抗网络相结合的谣言检测方法，包括：收集谣言文本数据形成谣言数据集；基于自注意力机制，构建包含自注意力层的生成对抗网络生成器；构建判别器网络，分别对原始谣言文本和经生成器解码的文本进行谣言检测、分类；对生成对抗网络进行训练，调整生成器的模型参数和判别器的模型参数；提取生成对抗网络的判别器网络，对待检测文本进行谣言检测。本发明相比现有的谣言检测方法，检测精度更高，鲁棒性更好；生成器采用自注意力层，通过对谣言样本的语义学习，构建关键特征，生成富含表现特征的文本样例来模拟谣言传播过程的信息流失、混淆，并通过对抗训练，增强判别器的语义特征识别能力。
-
Patent Agency Ranking
公开(公告)号：CN110895697B
公开(公告)日：2023-05-05
申请号：CN201911107837.5
申请日：2019-11-13
Applicant: 三峡大学
IPC: G06V30/148 , G06V30/24 , G06N3/0464 , G06V10/82
Abstract: 本发明公开了一种变压器铭牌信息采集方法，包括使用摄像设备获取变压器铭牌图像；采用轻量化神经网络图像识别程序在变压器图像采集现场对变压器铭牌图像进行分割，分割出变压器铭牌图像中的字符小图片；采用PCAnet网络计算机程序对步骤2的字符小图片进行识别，将字符小图片转换为字符；将步骤3得到的变压器铭牌信息进行登记。本发明还公开了2种变压器铭牌信息智能采集系统。本发明在变压器铭牌现场取像后，将铭牌信息的识别分成两步，大大减少了传输的图像数据，使得字符识别更加高效，后台的字符识别结果返回到变压器图像采集现场，便于核对字符识别结果，确保采集的变压器铭牌信息准确无误。
-
公开(公告)号：CN110895697A
公开(公告)日：2020-03-20
申请号：CN201911107837.5
申请日：2019-11-13
Applicant: 三峡大学
Abstract: 本发明公开了一种变压器铭牌信息采集方法，包括使用摄像设备获取变压器铭牌图像；采用轻量化神经网络图像识别程序在变压器图像采集现场对变压器铭牌图像进行分割，分割出变压器铭牌图像中的字符小图片；采用PCAnet网络计算机程序对步骤2的字符小图片进行识别，将字符小图片转换为字符；将步骤3得到的变压器铭牌信息进行登记。本发明还公开了2种变压器铭牌信息智能采集系统。本发明在变压器铭牌现场取像后，将铭牌信息的识别分成两步，大大减少了传输的图像数据，使得字符识别更加高效，后台的字符识别结果返回到变压器图像采集现场，便于核对字符识别结果，确保采集的变压器铭牌信息准确无误。
-
公开(公告)号：CN118250345A
公开(公告)日：2024-06-25
申请号：CN202410328908.9
申请日：2024-03-21
Applicant: 三峡大学
Abstract: AUTBUS总线与Profibus‑DP总线的协议转换装置及方法、设备，协议转换装置包括依次连接的RS485接口电路、控制单元以及AUTBUS接口模块；RS485接口电路连接Profibus‑DP总线，接收Profibus‑DP总线数据并传输至控制单元；控制单元用于接收所述RS485接口电路传输的Profibus‑DP数据数据，将Profibus‑DP数据拆包封装得到AUTBUS类型数据，并储存至缓存区；控制单元还包括接收来自于所述AUTBUS总线上指定时隙的AUTBUS类型数据。通过协议转换装置及方法，使得多个Profibus‑DP设备之间可以使用AUTBUS总线与Profibus‑DP总线的协议转换方法及装置进行信息交换，AUTBUS总线网络中的其它设备可以与Profibus‑DP设备进行信息交换。
-
公开(公告)号：CN112069831B
公开(公告)日：2024-05-31
申请号：CN202010850835.1
申请日：2020-08-21
Applicant: 三峡大学
IPC: G06F40/30 , G06F40/284 , G06F40/211 , G06F16/35 , G06N3/0464 , G06N3/0455 , G06N3/0442
Abstract: 本发明公开了基于BERT模型和增强混合神经网络的不实信息检测方法，包括：对待检测文本进行预处理；使用CNN网络对输入矩阵进行卷积、池化操作，拼接成特征序列；将特征序列作为BiLSTM网络的输入，分别利用前向LSTM单元、后向LSTM单元从前向、后向两个方向全面捕捉文本深层次的语义特征；利用注意力层生成含有注意力分布的语义编码，优化特征向量；利用输出层的分类器完成特征向量的分类检测，判断是否为不实信息。本发明结合了CNN、BiLSTM及注意力机制，不实信息检测精度高，不仅可以提取不实信息文本的局部短语特征和全局上下文特征，还可以提取出文本关键词，减少无关信息对检测结果的不合理影响。
-
公开(公告)号：CN117010446A
公开(公告)日：2023-11-07
申请号：CN202310836875.4
申请日：2020-08-21
Applicant: 三峡大学
IPC: G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0442 , G06N3/0464 , G06F16/35 , G06F18/213 , G06F18/241
Abstract: 本发明公开了采用自注意力生成器和BiLSTM判别器的谣言检测方法，包括：收集谣言文本数据形成谣言数据集；基于自注意力机制，构建包含自注意力层的生成对抗网络生成器；构建判别器网络，分别对原始谣言文本和经生成器解码的文本进行谣言检测、分类；对生成对抗网络进行训练，调整生成器的模型参数和判别器的模型参数；提取生成对抗网络的判别器网络，对待检测文本进行谣言检测。本发明的谣言检测方法，检测精度高，鲁棒性好；采用自注意力生成器，通过对谣言样本的语义学习，构建关键特征，生成富含表现特征的文本样例来模拟谣言传播过程的信息流失、混淆，并通过对抗训练，增强判别器的语义特征识别能力。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.048 seconds)
