“吴洋鑫”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]一种基于协同模块级搜索的全景分割网络及方法-CN202010531533.8有效
发明人： 吴洋鑫;高一鸣;梁小丹;林倞 -专利权人：中山大学
申请日： 2020-06-11 - 公布日： 2023-08-18 - 主分类号： G06T7/194 文献下载
摘要：本发明公开了一种基于协同模块级搜索的全景分割网络及方法，所述网络包括：前景分支模块，基于模块内搜索空间输出前景掩模；背景分支模块，对骨干网络输出的多层不同尺寸的特征图，基于模块内搜索空间搜索得到语义分割结果作为背景特征输出；模块间搜索空间建立单元，基于注意力机制设计模块间搜索空间，以对前景的RPN特征和背景特征进行融合，并根据特征的信息对前景和背景的通道信息进行动态的调整；训练及路径搜索单元，在训练时通过不放回采样对父网络中不同的子网络进行公平的训练，并于训练后采用路径优先的结构搜索方法对父网络进行搜索，得到最优的子网络。
一种基于协同模块搜索全景分割网络方法

[发明专利]一种自动驾驶场景下的异构多任务协同系统-CN202210410414.6在审
发明人：张礼霆;吴洋鑫;梁小丹 -专利权人：中山大学·深圳;中山大学
申请日： 2022-04-19 - 公布日： 2022-09-30 - 主分类号： G06V20/56 文献下载
摘要：本发明提供一种自动驾驶场景下的异构多任务协同系统，该系统以端到端的方式学习特定任务的提示，然后基于交叉注意机制对适配器功能进行建模，从而将语言信息作为先验知识纳入视觉特征中；可以显著提高现成的在单任务学习中有强大性能的预训练模型在多任务学习中的性能，且无需重新设计预训练方案或增加训练模型的开销，实现了在训练中较好地迁移到特定的下游任务。
一种自动驾驶场景异构多任务协同系统

[发明专利]一种基于多模态预训练模型的组合商品检索方法及系统-CN202210453799.4在审
发明人：詹巽霖;吴洋鑫;董晓;梁小丹 -专利权人：中山大学
申请日： 2022-04-27 - 公布日： 2022-08-02 - 主分类号： G06F16/583 文献下载
摘要：本发明提供一种基于多模态预训练模型的组合商品检索方法及系统，该方法使用图片和文本两个模态的信息，还将实体信息加入网络训练过程中，能够有效将图像特征和文本特征高度融合，提取更加有区分度的检索特征，弥补了单一模态信息不全的问题；实现了对组合商品进行实例级检索，即检索返回组合商品中的所有单品，能够提高商品搜索精度，帮助线上用户搜索更加准确和具体的商品；还可用于构建电商知识图谱，挖掘商品关系；有利于通过组合商品检索得到的商品关系可用于商品推荐，提升购物平台推荐效果。
一种基于多模态预训练模型组合商品检索方法系统

[发明专利]一种基于多模态预训练模型的组合商品检索方法及系统-CN202210143468.0在审
发明人：詹巽霖;吴洋鑫;董晓;梁小丹 -专利权人：中山大学
申请日： 2022-02-16 - 公布日： 2022-05-06 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了一种基于多模态预训练模型的组合商品检索方法及系统，其中方法包括步骤如下：将商品图像划分为单品图像和组合品图像；训练一个组合商品图像检测器；获取并结合组合商品图像中文本模态和图片模块的特征编码、位置编码和分段编码，学习嵌入表示，并输入构建好的多模态预训练模型；通过商品检测器提取的边界框和边界框特征作为图像特征，结合文本特征，输入多模态预训练模型进行自监督训练；采用多模态预训练模型提取单品图像的图片模态和文本模态的检索特征，并存放于检索库中；多模态预训练模型根据组合品图像中每个目标商品的边界框及边界框特征，提取图文融合的检索特征，计算组合品特征与检索库中单品特征的预先距离作为商品相似度，选取最相似的单品作为结果返回。
一种基于多模态预训练模型组合商品检索方法系统

[发明专利]一种基于自协调对比学习的五模态商品预训练方法及检索系统-CN202210164795.4在审
发明人：董晓;詹巽霖;吴洋鑫;梁小丹 -专利权人：中山大学
申请日： 2022-02-22 - 公布日： 2022-04-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自协调对比学习的五模态商品预训练方法及检索系统，其中方法如下：S1：根据不同模态数据构建相应的模态特征编码提取器；S2：结合模态特征编码提取器提取的各个模态数据的特征编码、位置编码和分段编码，学习不同模态数据的嵌入表示；S3：构建自协调对比学习的多模态预训练模型；S4：将带有遮挡部分特征的不同模态数据利用模态特征编码提取器，学习得到嵌入表示输入到步骤S3的多模态预训练模型进行自监督训练，将各个模态数据进行高层语义融合，并使用自协调对比学习方法不断纠正模态间的关联性，在学习过程中恢复出所对应位置的特征。本发明实现具有高泛化性、高可用性，高准确性的组合商品检索系统。
一种基于协调对比学习五模态商品训练方法检索系统

[发明专利]一种基于图迁移学习的通用人体解析框架及其解析方法-CN201910305230.1在审
发明人：梁小丹;高一鸣;吴洋鑫;林倞 -专利权人：中山大学
申请日： 2019-04-16 - 公布日： 2019-08-09 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于图迁移学习的通用人体解析框架及其解析方法，该框架包括：图像特征提取单元，用于利用卷积神经网络对人体图像提取图像特征；图内推理单元，用于将提取的图像特征映射到一个高层的图卷积神经网络中，其中的语义结点和边由数据集中类别以及类别间的关系决定，全局信息通过图内推理进行传播并重新映射以增强视觉特征的可区分性；图间迁移单元，用于从源图网络中提取相关的语义信息到目标图网络，以将不同数据集的标签联系起来，并利用不同标签集合之间的多种图的特征迁移，来加强目标图网络的类别特征。
解析迁移目标图卷积神经网络提取图像特征图像特征提取语义标签集合可区分性类别特征全局信息人体图像神经网络视觉特征数据集中图像特征推理单元语义信息重新映射网络通用数据集结点推理映射标签学习高层传播