|
|
钻瓜专利网为您找到相关结果 163个，建议您 升级VIP下载更多相关专利
- [发明专利]基于深度学习的双支路滤波器剪枝方法-CN202111128830.9有效
-
褚晶辉;李梦;吕卫
-
天津大学
-
2021-09-26
-
2023-09-15
-
G06V10/774
- 本发明涉及一种基于深度学习的双支路滤波器剪枝方法，包括下列步骤：划分数据集，划分为训练集和测试集；基于原始VGG‑16进行重新搭建，得到需要剪枝的原始网络，之后加入双支路模块，得到新的网络模型；利用数据集中的训练集训练加入双支路模块的网络模型，使模型在测试集上的测试准确率达到最高，此时获得一个最优模型；再次把训练集输入最优模型，利用双支路模块和输入图片，得到每个滤波器的激活值；将单网络层滤波器的权重方差进行排序，获得每层滤波器的重要程度排序；按照预设定的每层的剪枝比率获得阈值，将大于阈值的数保留然后返回对应滤波器即得到网络的剪枝结果。
- 基于深度学习支路滤波器剪枝方法
- [发明专利]一种微波快速家纺除螨装置及方法-CN201810307655.1有效
-
吕卫;郑兆荣;李颖
-
鞍山基理光电科技有限公司
-
2018-04-08
-
2023-07-14
-
A01M17/00
- 本发明提供一种微波快速家纺除螨装置及方法，包括柜体和柜体内的微波腔体、多个单元微波发生器组件阵列、中央控制单元、显示单元、光纤光栅温湿度检测单元、排风排湿单元和远程数据传输单元；所述的微波腔体为箱体结构，多个单元微波发生器组件阵列布置于微波腔体外顶部，通过微波腔体顶部的多个开孔向微波腔体内发射微波。利用特高频电磁波的穿透能力，使放入微波腔体内的潮湿家纺中的水分子、活跃在家纺上的螨虫及其虫卵等以及其它有机微生物个体内的极性分子，在高频电磁场的作用下，产生运动、摩擦、迅速升温，从而达到在几十秒的时间内，使腔体内升温至60℃以上，在几分钟时间内，快速杀死螨虫及虫卵的效果。
- 一种微波快速装置方法
- [发明专利]一种基于卷积自编码的图像样本升采样方法-CN201811229759.1有效
-
褚晶辉;李晓川;吕卫
-
天津大学
-
2018-10-22
-
2023-07-04
-
G06T9/00
- 本发明公开了一种基于卷积自编码的图像样本升采样方法，包括：对每例三维磁共振成像样本进行裁剪，裁剪出肿瘤所在区域的二维图像，并将所有二维图像进行尺度归一化；采用编码器与解码器级联的形式搭建网络结构，并作为模型；通过学习率、及损失函数的设置对模型进行训练；采用自适应矩估计优化器对训练后的模型进行优化处理；输入任意张随机正样本至训练好的网络，获得编码器提取的低维特征，计算8组特征的欧式距离中心点，并在8组特征中随机选择1组特征，获取新特征；将新特征输入到解码器中进行图像重建，输出正样本图像。本方法通过编码器进行特征提取，在特征层面对样本进行样本增强，通过解码器进行图像重建，获得少数类样本的升采样，可用于分类问题的平衡预处理。
- 一种基于卷积编码图像样本采样方法
- [发明专利]一种基于语义一致性的半监督短视频分类方法-CN202310086713.3在审
-
吕卫;胡俊杰;褚晶辉
-
天津大学
-
2023-02-09
-
2023-06-27
-
G06F16/75
- 本发明公开了一种基于语义一致性的半监督短视频分类方法，包括：利用视频邻近帧相关性，将有标签数据和无标签数据分别以t0，t0+τ帧为起点按等时间间隔T抽取关键帧得到两个帧序列，并分别做强数据增强、标准数据增强；搭建由空间特征学习模块、时间注意力融合模块、分类器模块组成的神经网络；标准数据增强后的有标签样本和无标签样本取相同数量拼接后输入神经网络并计算有标签部分的分类损失；将强数据增强后的有标签样本和无标签样本取相同数量拼接后输入神经网络，得到预测输出，对同一样本这两种不同数据增强处理后输入网络得到的预测分布计算一致性损失；将分类损失和一致性损失联合用于神经网络的优化训练；将视频样本输入优化后的神经网络输出相应预测分数，得到最终视频分类结果。
- 一种基于语义一致性监督视频分类方法
- [发明专利]一种基于多模态信息聚合的短视频分类方法-CN202310006748.1在审
-
吕卫;林家欣;褚晶辉
-
天津大学
-
2023-01-04
-
2023-05-30
-
G06V20/40
- 本发明涉及一种基于多模态信息聚合的短视频分类方法，包括以下步骤：提取出短视频的视觉、轨迹、声音三种模态特征；引入一组并行的图卷积网络，将三种模态特征经过处理后获得的类别嵌入矩阵作为图卷积的初始节点特征输入，不同的图卷积网络的相关矩阵分别代表各个节点间模态共享和各模态特有的两种标签关联模式，利用图卷积的相关矩阵对节点进行更新，获得更新后的节点特征；多模态信息聚合：引入带有聚合瓶颈项的序列自注意力机制，以特定方向聚合并浓缩来自各个模态的重要信息，同时丢弃冗余信息，得到融合后的类别表示；将获得的最终类别表示输入分类器获得短视频的标签预测分数，采用多标签分类损失函数来指导网络寻找模型最优解。
- 一种基于多模态信息聚合视频分类方法
- [发明专利]一种基于深度矩阵分解的短视频多标签分类方法-CN202211421328.1在审
-
吕卫;历天一;褚晶辉
-
天津大学
-
2022-11-14
-
2023-02-24
-
G06V10/764
- 本发明公开了一种基于深度矩阵分解的短视频多标签分类方法，包括：将短视频数据集划分为训练集、验证集和测试集，通过特征提取分别提取输入短视频的视频特征、音频特征和光流特征；利用索引矩阵、样本关系矩阵、标签编码矩阵和标签关系矩阵对样本和标签的潜在相关信息进行编码，对视频特征、音频特征和光流特征分别进行深度矩阵分解，得到通用编码矩阵；利用通用编码矩阵，通过深度分解分别得到视频特征、音频特征和光流特征的个性解码矩阵；将视频特征、音频特征和光流特征的个性解码矩阵拼接后，输入到多标签分类器中得到最终的多标签分类结果。本发明有效地增强了特征之间融合能力，保证了特征完备性和独特性，提高了短视频多标签分类准确性。
- 一种基于深度矩阵分解视频标签分类方法
- [外观设计]带医疗数据资产图形用户界面的显示屏幕面板-CN202230429260.6有效
-
时培双;吕卫
-
医渡云(北京)技术有限公司
-
2022-07-07
-
2022-11-25
-
14-04
- 1.本外观设计产品的名称：带医疗数据资产图形用户界面的显示屏幕面板。2.本外观设计产品的用途：用于人机交互及显示；该显示屏幕面板用于手机、台式电脑、笔记本电脑、平板电脑。3.本外观设计产品的设计要点：在于显示信息的图形用户界面的界面内容。4.最能表明设计要点的图片或照片：主视图。5.因其不具有设计要点，省略俯视图、仰视图、左视图、右视图、后视图。6.图形用户界面的用途：该图形用户界面用于展示医疗平台数据资产的界面信息，如医学研究、患者招募和患者随访等；主视图用于展示数据资产概览界面中“医学研究”模块内容，点击主视图“患者招募”模块进入变化状态图1，变化状态图1用于展示数据资产概览界面中“患者招募”模块内容，点击主视图或变化状态图1“患者随访”模块进入变化状态图2，变化状态图2用于展示数据资产概览界面中“患者随访”模块内容；各视图有对应参考图；界面视图中的“X”表示可变化或可替换的文字、数字或符号。
- 医疗数据资产图形用户界面显示屏幕面板
|
