“钟灿琨”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8个，建议您升级VIP下载更多相关专利

[发明专利]基于宽度学习和随机敏感度的领域自适应图像分类方法-CN202310274623.7在审
发明人：吴永贤;安一飞;钟灿琨;张建军 -专利权人：华南理工大学
申请日： 2023-03-20 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于宽度学习和随机敏感度的领域自适应图像分类方法，包括：1)构建宽模型输入信息；2)构建宽度网络模型；3)将边缘分布对齐损失引入到模型中；4)将更细粒度的常规条件分布对齐损失引入到模型中；5)迭代挑选出具有高质量的伪标签，构建增强的条件分布对齐损失并引入到模型中；6)将流行正则化引入到模型中，探索样本的潜在分布信息；7)将随机敏感度引入到模型中，解决模型在源域样本上过拟合的问题；8)求解出模型连接权值，并求出分类结果。本发明使得模型能够在具有不同分布的目标域上取得更好的效果。本发明一定程度解决了深度领域自适应方法消耗大量计算资源的问题，进一步可以实现更加灵活和精确的下游应用。
基于宽度学习随机敏感度领域自适应图像分类方法

[发明专利]基于领域泛化学习的图像分类方法-CN202310325449.4在审
发明人：吴永贤;张琴;钟灿琨;张建军 -专利权人：华南理工大学
申请日： 2023-03-30 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于领域泛化学习的图像分类方法，包括：将目标域数据和源域数据与两者对应的标签信息记录在目标域数据集DT和源域数据集DS中；使用卷积神经网络Mobile V2构建领域鉴别器，生成领域分数；对领域泛化网络模型中基本ResNet网络进行改进，并构建混合域注意力；使用局部最大灵敏度代替局部随机灵敏度；构建损失函数，训练并优化网络模型；将训练好的领域泛化网络模型在目标域数据集DT上计算图像分类准确率，评判当前网络模型的图像分类能力和泛化能力。本发明缓解了深度领域泛化方法普遍出现的由于虚假的相关性带来的负迁移问题，增强网络模型泛化能力，提高了图像分类准确率，进一步可以实现更灵活和精确的下游应用。
基于领域泛化学习图像分类方法

[发明专利]针对赛马选手追踪的哈希增强FairMOT方法-CN202310325447.5在审
发明人：吴永贤;颜旭立;刘旭宇;田星;钟灿琨 -专利权人：华南理工大学
申请日： 2023-03-30 - 公布日： 2023-07-14 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种针对赛马选手追踪的哈希增强FairMOT方法，包括：使用赛马数据集，用原始FairMOT模型提取不同摄像机拍摄的选手的特征向量；按照摄像机的机位分组，使用BTSPLH哈希算法训练得到多组哈希函数；训练原始FairMOT模型作为基础框架；将哈希函数添加至原始FairMOT模型的结尾，并往模型内输入测试视频；使用哈希编码进行选手匹配，计算最新时刻的哈希编码权重。本发明合理地结合了哈希算法的思想，提升原始FairMOT模型在应对频繁出现摄像机切换情况时的选手匹配准确率，主要缓解了摄像机切换问题，部分缓解多目标追踪任务中目标遮挡、选手冲刺时视频模糊的问题，且额外消耗的计算成本极为低廉，在面对需要实时进行多目标追踪的场景时有较好的适应能力。
针对赛马选手追踪增强 fairmot 方法

[发明专利]基于随机敏感度的短期风速区间的优化预测方法及系统-CN202110294165.4有效
发明人：吴永贤;陈暄群;钟灿琨 -专利权人：华南理工大学
申请日： 2021-03-19 - 公布日： 2023-05-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于随机敏感度的短期风速区间多目标优化预测方法及系统，首先采用反向传播的训练方式对神经网络进行预训练，随后将随机敏感度进行改进以适用于特殊的预测方式——预测区间，再将预测区间的两个重要指标：区间覆盖准确率和区间宽度，与所构造的用于预测区间的随机敏感度作为三个目标函数，使用多目标遗传优化算法NSGA‑III对预训练好的神经网络进行优化，其中随机敏感度可用于计算模型对于添加随机扰动后的周围样本的抗干扰能力；训练完毕后，在最终得到的帕累托最优种群中进行启发式选解。本发明提出的方法可用于不同的网络结构，具有高可扩展性；利用多目标优化和特殊的选取最优解方案，使超参数数量大大减少，具有较好的实际应用价值。
基于随机敏感度短期风速区间优化预测方法系统

[发明专利]基于数据增强的赛马场景多目标追踪方法-CN202210573112.0在审
发明人：吴永贤;刘旭宇;颜旭立;田星;钟灿琨 -专利权人：华南理工大学
申请日： 2022-05-25 - 公布日： 2022-09-20 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于数据增强的赛马场景多目标追踪方法，包括：1)对原始赛马训练视频、测试视频的每一帧图像进行人工标注，得到原始赛马训练标注视频、测试标注视频；2)采用ACGAN网络对原始赛马训练标注视频进行数据增强，获得GAN赛马标注伪视频；3)采用FairMOT多目标追踪模型对原始赛马训练标注视频和GAN赛马标注伪视频进行训练，得到最终的赛马场景多目标追踪模型；4)输入原始赛马测试视频至赛马场景多目标追踪模型中，得到处理后的赛马追踪测试视频，与原始赛马测试标注视频进行结果比较，判断追踪效果。本发明提高了目标追踪的准确度，缓解赛马场景下在出现遮挡、镜头切换和冲刺模糊现象时的身份ID频繁切换问题，进一步可实现更灵活和精确的下游应用。
基于数据增强赛马场景多目标追踪方法

[发明专利]一种基于视网膜图像的心血管手术指标风险分类方法及系统-CN202110299772.X在审
发明人：吴永贤;梁海聪;彭庆晟;钟灿琨;杨小红 -专利权人：华南理工大学;广东省人民医院
申请日： 2021-03-22 - 公布日： 2021-06-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于视网膜图像的心血管手术指标风险分类方法及系统，为了解决实际视网膜图像不清晰以及曝光不一致等问题，首先对视网膜图像进行对比度增强和血管提取的预处理；利用提取后的血管图进行随机旋转、平移等数据增强来增加数据的训练量从而提高模型的泛化能力；设计了一种两阶段有监督卷积神经网络模型用于血管图的分类任务，不仅可以学习视网膜图像的特征，而且考虑了视网膜图像之间的相关性；采用局部化泛化误差来选择合适的隐藏层节点数，提高模型的泛化能力；另外，模型还具有生成像素级细粒度pixel‑level的显著热度图的能力，具有良好的可解释性。
一种基于视网膜图像心血管手术指标风险分类方法系统

[发明专利]一种基于随机敏感度ST-SM的深度神经网络剪枝方法及系统-CN202110294928.5在审
发明人：吴永贤;何扬;王婷;钟灿琨 -专利权人：华南理工大学
申请日： 2021-03-19 - 公布日： 2021-06-01 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于随机敏感度ST‑SM的深度神经网络剪枝方法及系统，利用随机敏感度衡量剪除节点对后继层输出的影响，以此为依据挑选需要剪除的节点，有效减少剪枝过程对网络性能的损害；利用权重补偿重建被剪枝层的节点输出，以减少剪枝过程中的模型性能退化，用训练集样本构造补偿权重需满足的方程组，通过共轭梯度预处理正则方程CGPCNE方法解出补偿权重值，并对剩余节点权重进行补偿；利用重训练改善剪枝后模型的性能，该方法能在维持模型原有性能的前提下，利用剪枝移除深度神经网络中的节点，对深度神经网络模型进行压缩与加速，有效减少模型空间开销，提升运行效率。
一种基于随机敏感度 st sm 深度神经网络剪枝方法系统

[发明专利]一种基于深度增强学习算法的外汇交易方法及系统-CN201810030006.1在审
发明人：陈琼;戚潇明;张智卓;钟灿琨;林恩禄 -专利权人：华南理工大学
申请日： 2018-01-12 - 公布日： 2018-07-20 - 主分类号： G06Q40/04 文献下载
摘要：本发明公开了一种基于深度增强学习算法的外汇交易方法及系统，包括步骤：1)对外汇交易场景建立增强学习Double‑DQN模型；2)构建深度神经网络模型并训练增强学习Double‑DQN模型，学习Q函数；3)加载训练好的模型参数，使用不同特征的训练数据集，重复步骤2)进行叠加训练和参数微调，根据各自需要调整模型更新的周期，定期在不同特征的训练数据集上叠加训练，不断使用新特征的数据集训练模型，使模型拥有更好的扩展性和鲁棒性。本发明使模型能够在不同的数据环境下做出有效的外汇交易动作，并利用不同的训练集对模型进行叠加训练，使模型能在复杂外汇数据流的环境下，更加健壮和鲁棒。
外汇交易叠加训练数据集学习算法神经网络模型扩展性数据流参数微调场景建立模型参数模型更新数据环境训练模型鲁棒性数据集新特征训练集构建加载鲁棒学习重复

1
共 8 条