-
公开(公告)号：CN111159393B
公开(公告)日：2023-10-10
申请号：CN201911391922.9
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明提供一种基于LDA和D2V进行摘要抽取的文本生成方法，利用原本用于文章分类的LDA模型来做句子的主题分类，然后将每个主题的句子利用D2V模型继续句子向量化，然后计算句子的熵信息，选择最大熵信息的一个句子作为摘要句子。本发明相对于抽取数目由人工确定的方法比较而言，是由计算机来对抽取摘要句子的数目进行调整，总结得到相应每篇文本不同主题选择相应的信息量最为丰富的句子构成了摘要。
-
公开(公告)号：CN111428031B
公开(公告)日：2023-07-07
申请号：CN202010200084.9
申请日：2020-03-20
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/335 , G06F16/36
Abstract: 本发明提供了一种融合浅层语义信息的图模型过滤方法，该方法包括：将中文指称输入指称扩展方法，得到精准完整的实体指称；将实体指称作为wiki搜索的关键字段放入中文维基百科知识库中，获得实体指称的候选实体列表；将候选实体列表输入融合浅层语义信息的图模型过滤方法中，得到过滤后的候选实体列表；将过滤后的候选实体列表存入数据库，为实体消歧模块做准备。本发明通过融合浅层语义信息计算候选实体和实体指称上下文相似度获得文本相似度作为过滤算法的权重因子，并利用基于图模型出入度算法计算候选实体相关度作为过滤算法的权重因子，最后融合两个权重因子得到综合得分对候选实体进行排列，降低了实体消歧误差。
-
公开(公告)号：CN113052858B
公开(公告)日：2023-02-14
申请号：CN202110307902.X
申请日：2021-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义流的全景分割技术。该发明在全景分割方向上具有一定的通用性与泛化能力。在全景分割中高层语义与高分辨率之间存在着矛盾。通常全景分割中采用简单的双线性插值方法对特征图反卷积‑上采样将高层特征与低层特征相融合。但是这种操作存在特征不对齐的缺点。本发明通过引入语义流的方法使全景分割过程中的特征图能够更好的对齐，从而提升全景分割的准确性，该方法具有很好的泛化能力，能够方便的迁移到其他全景分割网络中。
-
公开(公告)号：CN113052184B
公开(公告)日：2022-11-18
申请号：CN202110270152.3
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于两阶段局部特征对齐的目标检测技术。该发明可以进一步增强以Faster R‑CNN为代表的目标检测算法在不同应用场景下的泛化性能。以往基于特征对齐的目标检测技术通常存在两个问题：一是网络训练前期前景目标特征区域定位不准确；二是不按前景目标分类进行特征对齐，算法细粒度较低。本发明提出的两阶段特征对齐方法，在训练的第一阶段，利用中心特征点图生成的标准候选框解决前景目标特征区域定位不准确问题；在训练的第二阶段，对前景目标特征按分类结果进行特征对齐，提升算法的细粒度。该发明提出的方法网络结构简单，且能移植到其他目标检测算法中去。
-
公开(公告)号：CN115034229A
公开(公告)日：2022-09-09
申请号：CN202210779228.X
申请日：2022-07-01
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于信息抽取和图模型的法律长文本相似度计算方法，所述方法包括以下步骤：从法律文本中抽取出实体和行为；用文本分类从行为中筛选出过错行为；将两个长文本中抽取出的实体和过错行为构成图模型；根据图模型中的结构和语义信息求出两个长文本的相似度。类案类判的目的为法官手头正在处理的案件寻找相似甚至相同的案件，提高判案的速度和准确性。本发明旨在更好地求解法律案件之间的相似度，解决传统方法中无法抓住案件要点的问题，为实现类案检索提供算法基础。
-
Patent Agency Ranking
公开(公告)号：CN113283444B
公开(公告)日：2022-07-15
申请号：CN202110340836.6
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的异源图像迁移技术，属于图像生成技术领域。其具体步骤为：S1红外与可见光图像数据集的选取与制作；S2基于所提出生成对抗网络架构STVGAN，对网络模型循环训练。S3减少网络模型中总损失函数的值，得到训练好的生成器网络；S4通过训练好的生成器网络实现从红外图像到可见光图像的迁移。本发明是一种半监督学习的异源图像迁移算法，是半监督学习方法首次应用在异源图像迁移领域，相较于传统监督方法，仅需要部分配对的数据就可以达到更好的图像迁移效果。
-
公开(公告)号：CN112465752A
公开(公告)日：2021-03-09
申请号：CN202011275521.X
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进的Faster R‑CNN的小目标识别技术。该发明在小目标检测方向上具有一定的通用性，该专利以布匹缺陷检测为说明案例。布匹缺陷中存在大量的小目标缺陷以及极端长宽比缺陷。针对小目标问题，在Faster R‑CNN中加入了特征金字塔融合的多尺度检测，多尺度检测算法对于小目标检测具有一定的通用性和可移植性；针对极端长宽比的问题，需要通过对实际布匹缺陷数据集的长宽比和面积进行初步统计，然后在算法框架中进行聚类，对Faster R‑CNN锚框大小通过K‑means++的方法进行重新设定。基于改进后的Faster R‑CNN算法模型能够精准的识别布匹缺陷，且对于小目标缺陷和极端长宽比缺陷也能够取得较好的识别效果。
-
公开(公告)号：CN112396619A
公开(公告)日：2021-02-23
申请号：CN202010811805.X
申请日：2020-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义分割的内部复杂组成的小型颗粒分割方法，属于图像处理技术领域。本发明首先建立了小型颗粒数据库；然后，分别从特征图融合方式、反卷积方式、损失函数这三个方面对经典的语义分割网络FCN‑8s做出改进，得到G‑Chalk网络；接着，对SLIC超像素分割算法做了深入研究，将其与GLCM灰度共生矩阵技术相结合，解决了SLIC算法处理小尺度图像误分割的问题；最后，将G‑Chalk网络与SLIC超像素分割的结果进行融合，使得语义分割图更精确。本发明可以用于稻米质量分析、细胞结构分析等技术领域，其分割准确率高。
-
公开(公告)号：CN109726394A
公开(公告)日：2019-05-07
申请号：CN201811546170.4
申请日：2018-12-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于融合BTM模型的短文本主题聚类方法，属于数据聚类技术领域。本发明首先对待聚类的短文本进行文本预处理，得到数据集D；然后分别提取基于BTM模型、VSM模型的文本向量；在对数据集D进行k-means聚类时，基于本发明所设置的估计聚类数k方式所获得的聚类数，进行k聚类处理，且聚类处理时采用的聚类标准为：基于两个文本向量所分别计算的任意两个文本间的距离的加权和。本发明结合BTM模型和VSM模型实现对短文本主题的聚类处理，以提高聚类效果；同时基于类内、类间距离对聚类效果进行度量，自动调节聚簇数量，补偿BTM模型需提前预指定主题数量导致的精度下降的技术问题。
-
公开(公告)号：CN119048895A
公开(公告)日：2024-11-29
申请号：CN202410876241.6
申请日：2024-07-02
Applicant: 电子科技大学
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种针对遥感图像的旋转目标检测方法。该发明在目标检测方向上具有一定的通用性。针对遥感图像中不同目标所需网络感受野大小不同的问题，本发明提出了融合感受野自适应选择注意力和通道注意力。针对遥感图像旋转角度任意性的问题，引入了Roi Transformer模块，让网络可以从RPN网络的输出提取旋转目标特征以更好的对带旋转角度的目标进行更加准确的定位和识别。本发明在基于遥感图像的旋转目标检测上，能够达到更高的识别和定位精度。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.04 seconds)
