“深延科技（北京）有限公司”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66个，建议您升级VIP下载更多相关专利

[发明专利]一种基于神经网络的繁体字识别方法及装置-CN202211287210.4在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-10-20 - 公布日： 2022-12-30 - 主分类号： G06V30/148 文献下载
摘要：本发明提供了一种基于神经网络的繁体字识别方法及装置，涉及计算机视觉与自然语言处理技术领域，能够更精准的切割字符，挖掘出上下文之间存在的语义信息并充分利用，提高了模型的鲁棒性和识别准确率；该方法包括：S1、字符检测：提取出所有单个繁体字字符，并分组；S2、特征提取：对每一组的字符进行统一尺寸操作，并用特征提取网络进行特征提取，得到每个字符的特征向量；S3、将每组字符对应的特征向量当做不同时间输入值输入一维双向LSTM网络卷积计算；S4、根据卷积计算结果，采用多标签分类器Softmax进行分类得到识别结果；裁切图像的方式为：列切分和/或字切分；采用投影法进行列切分，采用等距切割方式进行字切分。
一种基于神经网络繁体字识别方法装置

[发明专利]多列基准列聚合特征生成方法、系统及可读存储介质-CN202210968052.2在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-08-12 - 公布日： 2022-11-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种多列基准列聚合特征生成方法、系统及可读存储介质，所述多列基准列聚合特征生成方法包括：S1：对每基准列进行编码；S2：生成一列对所有基准列组合编码的组合基准列；S3：基于S2中组合基准列生成统计特征，本发明能够有效加速生成多列基准列的聚合特征，同时提高了数据分析和数据挖掘的效率。
基准聚合特征生成方法系统可读存储介质

[发明专利]通用的线性集成学习算法、系统及可读存储介质-CN202211006920.5在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-08-22 - 公布日： 2022-11-18 - 主分类号： G06N20/20 文献下载
摘要：本发明提供了一种通用的线性集成学习算法、系统及可读存储介质，所述通用的线性集成学习算法包括：S1：给每个模型预测值赋一个初始权重，权重的和为一；S2：打乱模型顺序；S3：改变至少两个模型的权重，同时保持所有模型的权重和为一；S4：计算加权平均后的指标，如果指标改进，将当前权重记录为最佳权重，判断当前权重改变和指标改进是否早停或达到最大轮数，如是，则执行S5，否则执行S2；S5：输出优化过后的模型最佳权重，本发明提通过线性stacking集成算法，增强了最终模型的准确度和泛化性。
通用线性集成学习算法系统可读存储介质

[发明专利]一种基于深度学习的笔迹鉴定方法及装置-CN202210860161.2在审
发明人：陈海波;罗志鹏;段鹏飞;徐振宇 -专利权人： 深延科技（北京）有限公司
申请日： 2022-07-21 - 公布日： 2022-11-18 - 主分类号： G06V30/148 文献下载
摘要：本发明提供了一种基于深度学习的笔迹鉴定方法及装置，涉及笔记鉴定技术领域，能够实现快速的笔迹比对和笔迹检索识别功能，在笔迹模糊、书写类型不同、光照条件不同等情况下也能有较好的识别效果；该方法包括：S1、获取图片数据；S2、字符检测；包括文本分割和后处理两个步骤；文本分割：采用FPN结构的ResNet对图片进行文本分割；后处理：采用渐进式尺寸扩张算法对文本分割结果进行后处理；S3、采用HwNet网络对字符进行分类；S4、字符拼接预处理；S5、采用HwNet网络进行字迹识别；S6、计算鉴定结果并输出；HwNet网络的前八个卷积层和对应PReLU层之间均依次连接BatchNorm层和Scale层。
一种基于深度学习笔迹鉴定方法装置

[发明专利]触发词检测系统和设备、计算机可读存储介质-CN202210961774.5在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-08-11 - 公布日： 2022-11-11 - 主分类号： G06F16/35 文献下载
摘要：本发明揭示了一种触发词检测系统和设备、计算机可读存储介质，所述触发词检测系统包括：候选词‑句子分类模型，用于生成第一检测结果，BERT‑LSTM‑softmax序列标注模型，用于生成第二检测结果，BERT‑LSTM‑CRF序列标注模型，用于生成第三检测结果，以及融合模块，用于将所述第一检测结果、所述第二检测结果和所述第三检测结果进行融合，得到最终检测结果。本发明将多种模型结构用于触发词检测并通过模型融合的方式使预测结果的准确性得以提升。
触发检测系统设备计算机可读存储介质

[发明专利]多频谱时序信号信息提取的深度学习方法及相关装置-CN202210571880.2在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-24 - 公布日： 2022-09-02 - 主分类号： G06K9/00 文献下载
摘要：本申请提供了一种多频谱时序信号信息提取的深度学习方法、装置、电子设备及存储介质。多频谱时序信号信息提取的深度学习方法，包括：对多频谱时序信号进行数据预处理，以平滑该多频谱时序信号；对经平滑的多频谱时序信号进行多路特征提取；以及融合多路提取的特征，获得多频谱时序信号信息的最终输出结果。多路特征提取包括：多频谱卷积神经网络特征提取、傅里叶变换特征提取以及辅助特征提取。通过多种方式有效地进行信息提取，得到一般神经网络得不到的信息，从而能够对多频谱时序信号进行更稳定的信息提取。
频谱时序信号信息提取深度学习方法相关装置

[发明专利]特征选择方法、装置、电子设备及计算机可读存储介质-CN202210509313.4在审
发明人：陈海波;罗志鹏;何智星 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-16 - 主分类号： G06N20/00 文献下载
摘要：本申请提供了一种特征选择方法、装置、电子设备及存储介质，该方法包括从原始数据获取待选择特征以及与每个待选择特征相对应的真实标签；通过树模型学习每个待选择特征和与其对应的真实标签，以获得每个待选择特征的真实特征重要性；根据基准列将所有待选择特征分组为多个待选择特征组；将每个待选择特征组中所包括的所有待选择特征与其真实标签的对应关系打乱；通过树模型训练每个待选择特征和与其对应的打乱标签，以获得每个待选择特征的虚假特征重要性；以及基于每个待选择特征的真实特征重要性与虚假特征重要性选择被筛选特征。通过根据基准列将待选择特征分组而后在组内对待选择特征的真实标签随机打乱，能够更加快速有效地筛选过拟合特征。
特征选择方法装置电子设备计算机可读存储介质

[发明专利]事件抽取方法、装置、电子设备及存储介质-CN202210509316.8在审
发明人：陈海波;罗志鹏;张欢;潘春光 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-16 - 主分类号： G06F16/33 文献下载
摘要：本申请提供了一种事件抽取方法、装置、电子设备和存储介质，该方法包括：利用事件抽取模型对待处理信息进行事件抽取，以获得所述待处理信息对应的预测结果，其中，事件抽取模型的训练过程包括：根据样本数据集获取训练集和验证集；采用交叉验证的方式，使用所述训练集分别对用于事件分类的待训练模型和用于主体识别的待训练模型进行训练，以获得多个事件分类模型和多个主体识别模型；分别对多个事件分类模型和多个主体识别模型中的每个模型进行多轮迭代，并选择每个模型对应的迭代过程中的最优模型；以及基于选择得到的每个模型的最优模型进行融合，以获得事件抽取模型。从而大幅提高了模型事件抽取任务的表现，提高了事件抽取准确性。
事件抽取方法装置电子设备存储介质

[发明专利]视频实例分割方法及相关装置-CN202210543662.8在审
发明人：陈海波;罗志鹏 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-18 - 公布日： 2022-08-12 - 主分类号： G06V20/40 文献下载
摘要：本申请提供了一种视频实例分割方法及相关装置，所述方法包括：获取目标视频，所述目标视频是利用视频采集设备采集预设区域的多个目标得到的；获取所述目标视频的每帧图像的多个检测框，其中每个目标对应一个或多个检测框；利用每帧图像的多个检测框，获取每帧图像对应的多个子图，其中每个目标对应一个子图；利用实例分割模型对每帧图像对应的每个子图中的目标进行分割，以获取每帧图像对应的每个目标的分割结果。在分割每个目标时可以只针对单个目标对应的部分图像(即子图)进行分割，相比于从整个图像中对每个目标进行分割，能够降低运算量，提高视频实例分割效率；可以在复杂场景下快速定位和分割视频中的每个目标。
视频实例分割方法相关装置

[发明专利]图片标注审核方法、装置、电子设备及存储介质-CN202210507983.2在审
发明人：陈海波;牛康宁 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-05 - 主分类号： G06V10/94 文献下载
摘要：本申请提供了一种图片标注审核方法、装置、电子设备及计算机可读存储介质，所述方法包括：使用训练好的目标检测模型对标注后的待审核图片集进行目标检测，获得所述图片集中的每张图片的检测结果；对于所述图片集中的每张图片，去除所述检测结果中的置信度大于第一阈值的目标；根据所述每张图片的剩余的目标对所述图片集中的所有图片进行排序；以及按照排序后的顺序对所述图片集进行标注审核。本申请能够解决现有技术标注审核随机性大导致标注质量不高或者审核速度慢的问题，能够提高标注审核速度进而提高标注质量。
图片标注审核方法装置电子设备存储介质

[发明专利]多阶段特征筛选方法、装置、电子设备及存储介质-CN202210508005.X在审
发明人：陈海波;何智星 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-05 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种多阶段特征筛选方法、装置、电子设备及存储介质，所述方法包括：将候选特征分为多个层次；从多个层次中的低阶特征层开始，进行候选特征的预处理；利用树模型获得每个预处理后特征的特征重要性，并基于特征重要性对预处理后特征进行筛选，以获得筛选后特征；以及利用筛选后特征训练树模型，并且利用验证集测试筛选后特征的效果。从而能够在降低时间复杂度和内存消耗的同时，提高模型预测精度，并且避免了模型过于复杂和过拟合的产生。
阶段特征筛选方法装置电子设备存储介质

[发明专利]图像重新照明方法及相关装置-CN202210508089.7在审
发明人：陈海波;张治广 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-05 - 主分类号： G06T15/50 文献下载
摘要：本申请提供了一种图像重新照明方法及相关装置，所述方法包括：利用颜色编码器的第一下采样模块至第N下采样模块分别对指导图像和待处理图像进行特征提取；利用深度编码器的第一下采样模块至第N下采样模块分别对指导图像和待处理图像进行特征提取；将指导图像的第N下采样颜色特征图和第N下采样深度特征图相加，利用光照估计网络进行预设分类处理，得到指导图像的分类结果；利用光照解码网络对指导图像的分类结果进行解码；利用解码器的第一上采样模块至第N上采样模块分别对待处理图像的第一下采样颜色特征图至第N‑1下采样颜色特征图以及第N上采样特征图进行N次上采样，得到重新照明图像。使重新照明图像表现出被指导图像中的光源所照亮的效果。
图像重新照明方法相关装置

[发明专利]多模型融合方法、装置、电子设备及计算机可读存储介质-CN202210509317.2在审
发明人：陈海波;罗志鹏;徐振宇 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-05 - 主分类号： G06N20/20 文献下载
摘要：本申请提供了一种多模型融合方法及相关装置，包括采集表格数据，对表格数据进行数据处理，对处理过的数据进行分组，以获取训练数据集和测试数据集；构建神经网络模型和决策树模型；利用训练数据集对第一和决策树模型之中的至少一者进行训练，并且用训练好的第一和/或决策树模型对测试数据集进行测试，得到第一和/或决策树模型的测试结果；使用第一决策树模型的测试结果进行模型融合，或者使用训练好的一个子模型的测试结果与未训练的一个子模型进行模型融合；以及对融合的模型进行训练，以得到训练好的融合模型。本申请能够将深度学习神经网络与树模型互补融合，得到更加稳定、准确率更高的表格数据预测模型。
模型融合方法装置电子设备计算机可读存储介质

[发明专利]动作识别方法、装置、电子设备及存储介质-CN202210509323.8在审
发明人：陈海波;罗志鹏;徐振宇 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-02 - 主分类号： G06V40/20 文献下载
摘要：本申请提供了一种动作识别方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取待处理图片；对所述待处理图片进行特征提取，以得到与所述待处理图片对应的第一模态的数据；以及利用第一神经网络模型，对所述第一模态的数据进行动作识别，确定所述待处理图片的动作类型，其中，所述第一神经网络模型是使用与所述第一模态不同的第二模态的数据利用第二神经网络进行训练得到的。根据该动作识别方法，能够克服由于模型训练阶段和模型测试阶段之间的数据模态差异而带来的限制，增强了模型的鲁棒性，进一步提高了识别的准确率。
动作识别方法装置电子设备存储介质

[发明专利]知识图谱构建方法、装置、电子设备及存储介质-CN202210508001.1在审
发明人：陈海波;罗志鹏;张欢;潘春光 -专利权人： 深延科技（北京）有限公司
申请日： 2022-05-10 - 公布日： 2022-07-29 - 主分类号： G06F40/295 文献下载
摘要：本申请提供一种知识图谱的构建方法、装置、电子设备及存储介质，所述方法包括：获取待分类的多个实体以及每个实体对应的所有HTML数据；从各个实体的HTML数据提取对应实体的描述文本，并基于所有实体的名称和所有实体的描述文本构建训练数据集；使用所述训练数据集训练模型，并基于训练后的模型识别多个实体中每个实体所属的类别；以及基于多个实体和每个实体所属的类别构建知识图谱。能够提取出以非结构化文本形式呈现于网络液面中的大量类型信息，训练出准确率高效果好的模型以对实体进行分类，进而基于海量的数据构建包括开放领域和特定领域的若干只是库融合或链接在一起而形成的既全面又深入的知识图谱。
知识图谱构建方法装置电子设备存储介质

1
2
3
4
5
下一页»
尾页
共 66 条