专利中的可视化类型和视角分类
调查了当前用于图表分类的最新技术,并对最近发布的 CHARTINFO UB-UNITECH PMC 数据集进行了广泛的性能比较分析,实现了一种基于视觉的 Transformer 模型,取得了在图表分类方面顶尖的结果。
Jul, 2023
基于专利绘图图像的特征,本文提出了一个简单轻量级的模型,用于专利检索,在大规模基准测试上表现显著优于其他方法,均值平均精度(mAP)得分提高了 33.5%,进一步实验证明此模型能够精确扩展以达到惊人的 93.5% 的 mAP,此方法在 ECCV 2022 专利图像检索挑战赛中排名第一。
Aug, 2023
本论文对机器学习模型的数据方面的可视化相关研究进行了系统梳理和分析,提出了五类数据类型和六种数据中心任务,并分析了 143 篇论文的相关分布,展望了未来的研究趋势和方向。
Jul, 2023
最近人工智能(AI)和机器学习在各个领域展示了具有变革性的能力。本研究概述了 2017 年至 2023 年间超过 40 篇论文中关于专利分析的最新人工智能工具,包括适用于专利图像和文本数据的方法。此外,我们提出了一种基于专利生命周期任务和人工智能方法特性的新分类法。该调查旨在为人工智能专利分析领域的研究人员、实践者和专利办公室提供资源。
Apr, 2024
最近计算机视觉(CV)和自然语言处理的快速发展受益于对实际应用中的大数据的利用。然而,这些研究领域仍受到可用数据集的数量、多样性和多样性的限制。本研究介绍了 DeepPatent2,这是一个大规模数据集,提供了超过 270 万张技术绘图,其中包含 132,890 个对象名称和 22,394 个视角,提取自 14 年的美国设计专利文件。我们展示了 DeepPatent2 在概念字幕生成方面的实用性,同时还提供了我们的数据集在促进其他研究领域如三维图像重建和图像检索方面的潜在用途。
Nov, 2023
本综述论文系统地将图形分类为五类,包括表格、照片、图表、地图和绘图,并对解决图形分类问题的现有方法和数据集进行了批判性评论。最后,找出了当前研究的差距,并提供了进一步研究图形分类的可能方向。
Jul, 2023
在专利审查中,基于图像的检索系统对于识别当前专利图像与现有技术之间的相似性至关重要,以确保专利申请的新颖性和非显而易见性。我们提出了一种基于语言的、分布感知的多模态专利图像特征学习方法,通过集成大型语言模型,丰富专利图像的语义理解,并通过我们提出的分布感知对比损失来提高在代表性类别中的性能。在 DeepPatent2 数据集上进行的大量实验表明,我们提出的方法在基于图像的专利检索方面取得了最先进或可比较的性能,平均准确率提高了 53.3%,前 10 个检索结果的召回率提高了 41.8%,前 10 个检索结果的 MRR 提高了 51.9%。此外,通过深入用户分析,我们探索了我们的模型在帮助专利专业人员进行图像检索方面的作用,凸显了该模型的实际适用性和效果。
Apr, 2024
本文主要探讨机器学习和计算机视觉领域中的目标识别问题,认为其根源在于缺乏知识表示方法,因此提出了一种基于图像属性的分类方法,并在 ImageNet 数据集上进行了验证。
Feb, 2022
提出了使用自然语言处理技术和深度学习方法对美国专利和商标局发布的与人工智能相关的专利进行分类的方法,采用变形的 BERT 和句子关注机制来克服 BERT 的局限性,实验结果表现最好。
Mar, 2023