“何逸楠”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]数据集生成、伪造检测方法、装置、电子设备及存储介质-CN202110061826.9有效
发明人： 何逸楠;甘蓓;周弋淳;殷国君;邵婧 -专利权人：深圳市商汤科技有限公司
申请日： 2021-01-18 - 公布日： 2023-07-25 - 主分类号： G06V40/16 文献下载
摘要：本公开提供了一种数据集生成、伪造检测方法、装置、电子设备及存储介质，该数据集生成方法包括：获取多种数据格式的参考数据，和多种样本数据伪造方式；按照所述多种样本数据伪造方式中每种样本数据伪造方式，基于所述多种数据格式的参考数据，对原始样本数据进行样本数据伪造，得到多个伪造样本数据；其中每个伪造样本数据对应一种数据格式的参考数据；基于所述原始样本数据、以及按照每种样本数据伪造方式得到的多个所述伪造样本数据，生成目标数据集。
数据生成伪造检测方法装置电子设备存储介质

[发明专利]一种视频掩码自编码方法及系统-CN202310294674.6在审
发明人：王利民;黄秉焜;赵治宇;童湛;何逸楠;王毅;王亚立;乔宇 -专利权人：上海人工智能创新中心;南京大学
申请日： 2023-03-23 - 公布日： 2023-06-30 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及视频学习技术领域，提出一种视频掩码自编码方法及系统。该方法在预训练阶段基于双重掩码策略对编码器和解码器进行掩码，包括：使用立方嵌入处理输入视频生成视频块；基于管道掩码策略生成第一掩码图Me，由编码器根据所述第一掩码图Me确定可见的视频块以及不可见的视频块，并且提取部分可见的视频块的特征；以及基于运动单元掩码策略生成第二掩码图Md，由解码器根据所述第二掩码图Md重建部分不可见的视频块的特征。本发明基于上述双重掩码策略进行预训练，可以在保持模型性能的条件下，降低预训练开销，进而可以有效节省计算机的运算资源。
一种视频掩码编码方法系统

[发明专利]基于非掩码对齐的视频基模型获取方法-CN202310315252.2在审
发明人：黎昆昌;王亚立;李一卓;王毅;何逸楠;王利民;乔宇 -专利权人：上海人工智能创新中心
申请日： 2023-03-27 - 公布日： 2023-06-23 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及基于非掩码对齐的视频基模型获取方法，用于解决当前视频基模型获取时训练成本高且难收敛、不具有泛化性和扩展性的问题。所述方法首先仅使用视频数据来进行掩码视频建模，得到一个能够在纯视频任务中表现优异的视频基模型。接下来，将获得的视频基模型与其它模态模型联合训练，比如文本模型，可获得一个能够处理复杂的与视频相关的跨模态任务模型。针对不同的纯视频或跨模态下游任务，可以对获得的基础模型进行简单的微调，能够使其高效地完成各种下游任务。
基于掩码对齐视频模型获取方法

[发明专利]数据处理系统、方法、装置、设备及存储介质-CN202111306897.7在审
发明人：邵婧;李阳光;王坤;尹榛菲;陈思禹;何逸楠;黄耿石;滕家宁;刘丰刚;孙庆宏;梁鼎;吴一超;高梦雅;刘宇;宋广录;刘吉豪 -专利权人：北京市商汤科技开发有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种数据处理系统、方法、装置、设备及存储介质，其中，该系统包括：依次通信连接的数据采集模块、网络生成模块和网络训练模块；数据采集模块，用于获取训练数据集、以及用于构成目标神经网络的多个网络组成模块；网络生成模块，用于基于获取的训练数据集以及多个网络组成模块，生成至少一个目标神经网络；每个目标神经网络用于执行对应的目标任务；网络训练模块，用于在训练好多个目标神经网络的情况下，对多个目标神经网络进行联合训练，得到训练好的联合神经网络；联合神经网络用于迁移到下游业务场景中执行目标任务。本公开通过联合训练可以生成适配于下游业务场景的联合神经网络，其通用性和准确性均较好。
数据处理系统方法装置设备存储介质

[发明专利]神经网络训练的方法、装置、电子设备及存储介质-CN202111313776.5在审
发明人： 何逸楠;陈思禹;黄耿石;滕家宁;王坤;邵婧 -专利权人：上海商汤智能科技有限公司
申请日： 2021-11-08 - 公布日： 2022-02-01 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种神经网络训练的方法、装置、电子设备及存储介质，其中，该方法包括：获取训练数据、以及训练得到的多个目标神经网络；利用多个目标神经网络分别对训练数据进行特征提取，得到每个目标神经网络包括的特征提取层输出的特征信息；基于各个目标神经网络包括的特征提取层输出的特征信息，确定待训练的联合神经网络的损失函数值，其中，联合神经网络由多个目标神经网络以及各个目标神经网络包括的特征提取层之间的连接层构成；基于损失函数值对待训练的联合神经网络进行至少一轮网络训练，得到训练好的联合神经网络。本公开不仅考虑了不同任务各自的特征，还利用连接层实现了任务之间的特征交流，提升了所训练的联合神经网络的通用性。
神经网络训练方法装置电子设备存储介质

[发明专利]攻破点测试方法及相关装置、电子设备、存储介质-CN202010851089.8在审
发明人： 何逸楠;甘蓓;邵婧 -专利权人：深圳市商汤科技有限公司
申请日： 2020-08-21 - 公布日： 2020-12-11 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种攻破点测试方法及相关装置、电子设备、存储介质，其中，攻破点测试方法包括：获取机械臂在第一时刻完成目标动作的测试状态信息；其中，测试状态信息包括机械臂的关节位姿信息；获取活体攻击样本的活体检测结果；其中，活体攻击样本设于机械臂上；基于活体检测结果和测试状态信息，得到活体检测的攻破点信息以及机械臂在第二时刻的待执行动作；其中，第二时刻为第一时刻的下一时刻。上述方案，能够提高攻破点测试效率。
攻破测试方法相关装置电子设备存储介质