-
公开(公告)号：CN118710998A
公开(公告)日：2024-09-27
申请号：CN202411196336.X
申请日：2024-08-29
Applicant: 西安理工大学
IPC: G06V10/764 , G06N20/10 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本申请提供一种扁平图像分类任务重组成树形图像分类任务的方法及系统，涉及图像分类技术领域，所述方法包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；基于特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；余弦相似度矩阵表示特征矩阵中所有类别特征向量的两两相似度；边界清晰度矩阵表示特征矩阵中不同类别的特征向量在空间中的分离程度；计算易区分性矩阵；根据易区分性矩阵的易区分性预设值，将扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式，以解决目前的图像分类模型通过将所有类型的图片采用扁平化的形式统一输入到神经网络中进行训练，会造成算力的浪费以及无法对分类的图片进行模块化处理的问题。
-
公开(公告)号：CN119378936A
公开(公告)日：2025-01-28
申请号：CN202411941949.1
申请日：2024-12-27
Applicant: 西安理工大学
IPC: G06Q10/0631 , G06F18/22 , G06N3/02 , G06N20/00 , G06F16/9535 , G06N5/022
Abstract: 本申请涉及数据处理技术领域，提供一种任务执行方法及系统，所述方法包括：构建人物画像，所述人物画像包括身份信息以及技能信息，再获取待执行任务，并调用任务理解模块，以通过所述任务理解模块将所述待执行任务解析，生成目标列表，所述目标列表包括任务项；将所述目标列表输入至任务评估器，以将所述任务项分解为子任务；根据所述子任务，匹配所述人物画像，以生成推荐资源；获取第一执行结果，所述第一执行结果为用户根据所述推荐资源执行子任务的结果。所述方法通过构建人物画像，结合任务理解模块和任务评估器，实现多层次任务的分解，并根据用户的身份和技能信息匹配推荐资源，确保子任务与用户能力匹配，提高任务执行的成功率。
-
公开(公告)号：CN119272070A
公开(公告)日：2025-01-07
申请号：CN202411822841.0
申请日：2024-12-12
Applicant: 西安理工大学
IPC: G06F18/22 , G06F18/2431 , G06N20/00 , G06F40/30 , G06Q10/0631
Abstract: 本申请涉及人工智能技术领域，提供一种任务匹配方法及系统，所述方法包括：获取目标任务，构建匹配模型，所述匹配模型用于处理所述目标任务；再将所述目标任务、数据信息以及第一提示词输入至匹配模型，以通过所述匹配模型输出任务分解步骤，所述数据信息为目标人员的信息，第一提示词用于引导所述匹配模型输出任务分解步骤；再获取第二提示词，并将所述任务分解步骤、数据信息以及第二提示词输入至匹配模型，以通过所述匹配模型输出匹配结果，并通过目标人员执行所述匹配结果。所述方法通过不同的提示词，以及匹配模型的语言处理能力，可将任务拆分、任务匹配，以解决任务分配准确率低或任务执行效率差的问题。
-
公开(公告)号：CN118710998B
公开(公告)日：2024-11-15
申请号：CN202411196336.X
申请日：2024-08-29
Applicant: 西安理工大学
IPC: G06V10/764 , G06N20/10 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本申请提供一种扁平图像分类任务重组成树形图像分类任务的方法及系统，涉及图像分类技术领域，所述方法包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；基于特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；余弦相似度矩阵表示特征矩阵中所有类别特征向量的两两相似度；边界清晰度矩阵表示特征矩阵中不同类别的特征向量在空间中的分离程度；计算易区分性矩阵；根据易区分性矩阵的易区分性预设值，将扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式，以解决目前的图像分类模型通过将所有类型的图片采用扁平化的形式统一输入到神经网络中进行训练，会造成算力的浪费以及无法对分类的图片进行模块化处理的问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
