HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 4 أشهر

استرجاع الصور البروتوكولية باستخدام التعلم القياسي القائم على الانتروبيا المتقاطعة

{and Keiji Yanai Yuma Honbu Kotaro Higuchi}

الملخص

تشمل أعمال الملكية الفكرية مجالات واسعة من الأنشطة، وتحديدًا يتطلب البحث في الأدبيات السابقة في مجال البراءات إيجاد وثائق يمكن استخدامها لتحديد الأصالة والخطوة الابتكارية من كمّ هائل من الأدبيات السابقة.وفيما يتعلق بهذه الممارسة البحثية، كان هناك طلب طويل الأمد على تطوير تقنيات البحث عن الرسومات التي تسمح بالبحث المباشر في الرسومات والمعلومات الأساسية المتعلقة بالابتكارات. ومع ذلك، فإن الرسومات البروتوكولية تُصوَّر على شكل رسومات رمزية رمادية داكنة، وتمتاز بخصائص نمطية تختلف جذريًا عن صور الطبيعة، مما جعلها حتى الآن غير مُستكشفة بشكل كافٍ.وقد حقق هذا البحث دقة أعلى من الأبحاث السابقة من خلال إدخال تقنيتي InfoNCE وArcFace في مجموعة بيانات DeepPatent بدلاً من استخدام الـ Triplet التقليدي. بالإضافة إلى ذلك، طوّرنا تطبيقًا يتيح للمستخدمين البحث عن رسومات براءات الاختراع باستخدام أي صور. ويمكن تطبيق البنية المعمارية التي نحن بصددها على رسومات براءات الاختراع، وكذلك على العديد من أنواع الرسومات الأخرى ذات الطابع المماثل، مثل الرسومات الميكانيكية، والرسومات المحمية ببراءات التصميم، والعلامات التجارية، والرسوم التوضيحية، والرسومات التخطيطية.

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
image-retrieval-on-deeppatentEffNet
mean average precision: 0.622

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
استرجاع الصور البروتوكولية باستخدام التعلم القياسي القائم على الانتروبيا المتقاطعة | الأوراق البحثية | HyperAI