-
公开(公告)号：CN113130025B
公开(公告)日：2023-11-24
申请号：CN202010047654.5
申请日：2020-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种实体关系抽取方法、终端设备及计算机可读存储介质，其方法包括：从电子病历文本数据库中人工抽取若干个符合预设实体关系的二元实体对作为种子实例；对每个种子实例，均在电子病历文本数据库中查找包括种子实例的句子，并提取该句子的特征向量；基于特征向量对种子实例进行聚类；均根据其中种子实例以及种子实例相应有句子的特征向量，生成与该聚类集群对应的提取模板；使用提取模板在电子病历文本数据库中提取候选实例；根据候选实例与提取模板之间的实体关系，计算各候选实例的置信度，以根据置信度确认是否要将该候选实例作为新的种子实例进行下一轮次迭代。本发明能够较大幅度的提高电子病历实体关系抽取的准确率。
-
公开(公告)号：CN109858351A
公开(公告)日：2019-06-07
申请号：CN201811600836.X
申请日：2018-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于层级实时记忆的步态识别方法，在新个体学习阶段，通过获取该个体不同角度的步态图片序列训练样本，以训练层级实时记忆模型，且输出层得到训练样本的聚类结果，然后根据聚类结果与身份和角度标记，计算层级实时记忆模型的输出层中的条件概率；在身份识别阶段，通过获取待识别个体的步态图片序列，层级实时记忆模型的输出层得到待识别个体的步态图片序列的聚类结果，选择与聚类结果对应的条件概率最高的身份和角度标记，作为待识别个体的身份和角度。本发明方法不但可以提取时间特征，而且多视角的共同训练克服了以往步态识别单视角的局限性，提高了步态识别的识别率。
-
公开(公告)号：CN112989889B
公开(公告)日：2023-09-12
申请号：CN201911302215.8
申请日：2019-12-17
Applicant: 中南大学
Abstract: 本发明公开了一种基于姿态指导的步态识别方法，其包括：步骤1：进行步态数据的采集以及预处理；步骤2：提取静态外观信息和姿态信息进行模型训练；步骤3：利用训练好的模型进行身份的识别与认证。其中，本发明结合人体轮廓和姿态信息进行步态识别，有效地提取骨架模型中的姿态信息，实现静态外观信息和姿态信息的融合，提高了识别结果的可靠性。
-
公开(公告)号：CN110059699B
公开(公告)日：2021-01-29
申请号：CN201910202579.2
申请日：2019-03-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络的图像中天际线自动检测方法，包含以下步骤：步骤A：使用图像处理技术获取原始图像I的暗通道图像；步骤B：使用Dense网络充分提取原始图像I的特征FR；步骤C：由步骤B所提取的特征FR，使用卷积神经网络预测雨线图像；步骤D：由步骤C所提取的雨线图像，使用分类网络分类出雨密度等级并上采样成雨密度图像；步骤E：对步骤A‑D提取到的特征和图像，将其拼接成总特征，然后使用卷积神经网络检测最终的天际线。本发明结合图像处理与深度卷积神经网络实现了端到端、带雨(雾)条件下的天际线自动、精准检测。
-
公开(公告)号：CN104965822B
公开(公告)日：2017-08-25
申请号：CN201510452024.5
申请日：2015-07-29
Applicant: 中南大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于计算机信息处理技术的中文文本情感分析方法，将中文产品评论进行分词，利用词袋模型,产生产品评论的向量表示。每个评论的向量输入到深度学习中的受限玻尔兹曼机(RBM)的可视单元。通过这种RBM提取中文文本的情感特征，并将提取出来的情感特征输入到SVM进行文本情感分类。本发明可以提高特征的情感语义关联性，同时SVM可以提高中文产品评论情感分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113130025A
公开(公告)日：2021-07-16
申请号：CN202010047654.5
申请日：2020-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种实体关系抽取方法、终端设备及计算机可读存储介质，其方法包括：从电子病历文本数据库中人工抽取若干个符合预设实体关系的二元实体对作为种子实例；对每个种子实例，均在电子病历文本数据库中查找包括种子实例的句子，并提取该句子的特征向量；基于特征向量对种子实例进行聚类；均根据其中种子实例以及种子实例相应有句子的特征向量，生成与该聚类集群对应的提取模板；使用提取模板在电子病历文本数据库中提取候选实例；根据候选实例与提取模板之间的实体关系，计算各候选实例的置信度，以根据置信度确认是否要将该候选实例作为新的种子实例进行下一轮次迭代。本发明能够较大幅度的提高电子病历实体关系抽取的准确率。
-
公开(公告)号：CN110378848B
公开(公告)日：2021-04-20
申请号：CN201910609244.2
申请日：2019-07-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于衍生图融合策略的图像去雾方法，包括以下几个步骤：步骤A：基于大量原始有雾图像及其对应的无雾图像，构建样本集；步骤B：分别从五个角度提取原始有雾图像的衍生图以增强去雾方法对图像远景和近景的细节恢复，消除色偏与增强对比度；步骤C：搭建U型卷积神经网络；步骤D：级联步骤A获取的衍生图和原始有雾图像作为输入，无雾图像作为输出训练由步骤C搭建的网络；步骤E：使用步骤D训练得到的网络，级联原始有雾图像和雾图对应的衍生图作为输入预测去雾后的无雾图像。本发明去雾效果好。
-
公开(公告)号：CN110084156A
公开(公告)日：2019-08-02
申请号：CN201910295000.1
申请日：2019-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种步态特征提取方法及基于步态特征的行人身份识别方法，步态特征提取方法包括以下步骤：步骤A：对步态图像序列中的每一帧步态图像，获取其中行人所在区域，作为感兴趣区域；步骤B：分割感兴趣区域中的行人目标；步骤C：获取每一帧步态图像中行人目标的关节点位置信息；步骤D：基于该步态图像序列的各帧步态图像中行人目标的关节点位置信息，进行步态周期检测；步骤E：根检测出的步态周期，合成该步态图像序列对应的步态能量图，作为步态特征。基于提取出的步态特征利用判别网络和对比网络对行人目标进行判断或识别。本发明较好解决了步态识别领域小样本分类中样本量不足的问题，且算法实时性好。
-
公开(公告)号：CN119358545A
公开(公告)日：2025-01-24
申请号：CN202411382229.6
申请日：2024-09-30
Applicant: 中南大学
IPC: G06F40/279 , G06F18/10 , G06F18/214 , G06F18/25 , G06F40/30 , G06F40/211 , G06N3/084
Abstract: 本发明公开了一种基于多层次特征融合的自适应集成技术的文本要素识别方法及系统，应用于自然语言处理领域，包括：对数据文本进行预处理，并基于预处理后的数据文本训练多个文本要素识别子模型；对预处理后的数据文本进行多层次特征提取，并进行特征融合，训练多个文本要素识别子模型的权重学习器，输出多个文本要素识别子模型的动态权重；基于多个文本要素识别子模型的输出结果和置信度分数，结合动态权重，加权得到最终的文本要素识别输出。本发明有效地解决了现有技术中因特征提取不全面和模型适应性差导致的识别精度问题。
-
公开(公告)号：CN115457120A
公开(公告)日：2022-12-09
申请号：CN202110558026.8
申请日：2021-05-21
Applicant: 中南大学
Abstract: 本发明公开了一种GPS拒止条件下的绝对位置感知方法与系统，该方法包含以下步骤：步骤A：通过摄像头旋转特定角度拍摄的图像进行360°环形拼接，将离散图像拼接成一张全景图；步骤B：基于Deeplabv3+改进的语义分割方法，从步骤A所形成的自然全景图像中提取天际线；步骤C：采用OpenGL可视化DEM数据形成渲染图，使用Canny算子对渲染图进行边缘检测输出天际线；步骤D：通过使用VGG16作为自然图像与DEM图像天际线特征编码器，并结合孪生神经网络输出这两类天际线之间的相似度，从而感知自身位置。本发明针对在GPS拒止条件的军事应用等情况下需要在地面上感知自我位置的难题，开展确定自身位置的研究，实现不依赖GPS和初始位置、误差不随时间增加的绝对定位的目标。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
