“郭雨晨”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130个，建议您升级VIP下载更多相关专利

[发明专利]保护隐私的影像分析方法、装置、电子设备及介质-CN202310716787.0在审
发明人：徐枫;周展平;郭雨晨 -专利权人：清华大学
申请日： 2023-06-16 - 公布日： 2023-10-27 - 主分类号： G06F21/62 文献下载
摘要：本申请涉及影像处理技术领域，特别涉及一种保护隐私的影像分析方法、装置、电子设备及介质，其中，方法包括：获取待分析影像；将待分析影像输入训练完成的隐私保护模型，隐私保护模型输出隐藏隐私信息的待分析影像以及对应的标注信息；将隐藏隐私信息的待分析影像以及对应的标注信息输入训练完成的机器学习模型，机器学习模型输出待分析影像的分析结果。由此，解决了相关技术中防御隐私攻击的手段在增强安全性的同时会降低机器学习模型的准确性等问题。
保护隐私影像分析方法装置电子设备介质

[发明专利]基于重排序的字编码学习方法、装置、电子设备及介质-CN202310706646.0在审
发明人：徐枫;刘傲寒;雍俊海;郭雨晨 -专利权人：清华大学
申请日： 2023-06-14 - 公布日： 2023-10-13 - 主分类号： G06F40/126 文献下载
摘要：本申请涉及自然语言处理技术领域，特别涉及一种基于重排序的字编码学习方法、装置、电子设备及介质，其中，方法包括：获取由多个句子组成的训练数据集；根据训练数据集中每个句子的字序列重排序得到新序列，对新序列进行编码得到编码序列，利用编码序列训练神经网络模型；从训练完成的神经网络模型中提取字编码。由此，提升了字编码的学习效率，进一步提升网络的表现效果以及自然语言处理任务的效果。
基于排序编码学习方法装置电子设备介质

[发明专利]三维医学影像疾病类别分类方法及装置-CN202310744247.3在审
发明人：徐枫;唐瑞杰;郭雨晨 -专利权人：清华大学
申请日： 2023-06-21 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种三维医学影像疾病类别分类方法及装置，其中，方法包括：采集多例训练三维医学影像；获取多例训练三维医学影像的每例训练影像对应的疾病真实类别；利用多例训练三维医学影像和每例训练影像对应的疾病真实类别训练，同时关注病灶全局和局部特征的医学影像疾病类别分类全局‑局部Transformer模型，直至模型达到预设收敛条件，得到三维医学影像疾病类别分类模型。由此，解决了相关技术中，主要基于整个病灶的全局特征来进行疾病类别的判断，忽略了病灶的局部细节，容易导致在影像上病灶整体外观相似的疾病之间的相互错判的问题。
三维医学影像疾病类别分类方法装置

[发明专利]基于进化算法的多任务持续学习方法、装置、设备及介质-CN202310822048.X在审
发明人：徐枫;薄子豪;郭雨晨 -专利权人：清华大学
申请日： 2023-07-05 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种基于进化算法的多任务持续学习方法、装置、设备及介质，方法包括：确定多个待持续学习任务和每个待持续学习任务对应的进化世代个数，获取利用任一待持续学习任务进行训练时的训练结果和当前进化世代个数，且在当前进化世代个数达到任一待持续学习任务对应的进化世代个数时，根据训练结果更新初始世界模型库，从剩余的多个待持续学习任务中选择新的任一待持续学习任务进行训练，直至多个待持续学习任务均完成后，得到满足预设性能要求的初始世界模型库，并将其作为多任务持续学习大模型。由此，解决了由于训练深度模型的局限性，导致其学习能力和泛化能力较弱等问题，有效利用多任务构建通用人工智能。
基于进化算法任务持续学习方法装置设备介质

[发明专利]基于卷积神经网络端对端推理计算冠状动脉钙化比的方法-CN202010409863.X有效
发明人：杜强;李剑楠;郭雨晨;聂方兴;张兴 -专利权人：北京小白世纪网络科技有限公司
申请日： 2020-05-15 - 公布日： 2023-09-15 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于卷积神经网络端对端推理计算冠状动脉钙化比的方法。该方法包括：确定要输入的CT图像组；然后将该CT图像组切分成方格3D图像；将该图像的信息输入到神经网络中来提取抽象特征；经过第一全连接层来进行该图像是否是心脏的神经网络训练；经过第二全连接层来进行该图像是否有冠脉的神经网络训练；经过第三全连接层来进行该图像具有的冠脉中是否有钙化的神经网络训练；经过第四全连接层来进行该图像具有的冠脉所在的位置的神经网络训练；经过第五全连接层来进行该图像具有的冠脉的钙化比例的神经网络训练。本发明解决了如何模拟影像科医生在判断病例的钙化过程当中进行多个判定的问题，提供了能够进行层层推理的端对端的神经网络。
基于卷积神经网络推理计算冠状动脉钙化方法

[发明专利]一种基于深度学习的快速增量式室内语义建图方法-CN202310782575.2在审
发明人：颜成钢;任浩帆;李宗鹏;丁贵广;付莹;郭雨晨;赵思成;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;赵治栋;殷海兵;张继勇;薛安克 -专利权人：杭州电子科技大学
申请日： 2023-06-29 - 公布日： 2023-09-12 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于深度学习的快速增量式室内语义建图方法，首先构造识别墙面、地板和天花板的主平面识别深度神经网络；对于增量式的RGBD序列，基于主平面识别深度神经网络获取序列的每一帧彩色图中的墙面、地板和天花板的掩膜；根据获取的掩膜进行快速的物体聚类后，通过相机内外参数，获得点云簇；计算聚类后物体的属性，构建图神经网络所需的图表示，通过图神经网络获取语义信息，从而实现语义建图。本发明无需提前获取完整的三维地图，在机器人运动的过程当中就可以获取语义信息，而且处理速度较快。
一种基于深度学习快速增量室内语义方法

[发明专利]一种引入自适应深度块的单目深度图补全方法-CN202310888502.1在审
发明人：陈奕礽;方楼;颜成钢;赵思成;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;赵治栋;殷海兵;张继勇;李宗鹏;丁贵广;付莹;郭雨晨 -专利权人：杭州电子科技大学
申请日： 2023-07-19 - 公布日： 2023-09-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种引入自适应深度块的单目深度图补全方法，首先对输入的RGB图像和稀疏深度图进行编码和解码；然后利用Transformer从解码器输出的特征张量中预测自适应深度块；最后预测RGB图像每个像素点在每个自适应深度块上的概率，计算每个像素点的具体深度，再对像素点进行平滑化处理，最终得到稠密深度图。本发明将需要预测的深度图像的深度由连续的深度划分为离散的深度块，将深度补全任务从回归任务转化为分类任务，极大提高了深度补全的效率。
一种引入自适应深度图补全方法

[发明专利]基于深度学习的新冠肺炎患者康复时间预测方法及系统-CN202010666696.7有效
发明人：杜强;高泽宾;郭雨晨;聂方兴;张兴;唐超 -专利权人：北京小白世纪网络科技有限公司
申请日： 2020-07-13 - 公布日： 2023-08-25 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于深度学习的新冠肺炎患者康复时间预测方法及系统，该发方法包括获取新型冠状病毒肺炎患者的多天的CT序列图像，对多天的CT序列图像进行预处理；分别输入至肺叶分割模型和肺炎分割模型，分别提取多天的肺叶区域面积与病灶区域面积；通过多天的病灶区域面积与肺叶区域面积的比值计算获得多天的病变区域面积比例值；使用多天的病变区域面积比例值R拟合高斯过程模型，预测新型冠状病毒肺炎患者康复时间。本发明以Densenet做backbone的DeepLab V3+框架和3D UNet架构进行肺叶和肺炎区域的分割，分割快速有效，且高斯过程可以准确预测病人的康复时间，为医疗资源分配作参考。
基于深度学习肺炎患者康复时间预测方法系统

[实用新型]一种路基施工用石料破碎机-CN202320532015.7有效
发明人：张晨阳;窦哲;王哲;郭雨晨;张晋通 -专利权人：山西路桥第二工程有限公司
申请日： 2023-03-09 - 公布日： 2023-08-25 - 主分类号： E01C19/05 文献下载
摘要：本实用新型提供一种路基施工用石料破碎机，涉及石料破碎技术领域，包括料斗；所述料斗底部安装有间歇输料箱，且间歇输料箱内部安装有送料框；破碎箱，所述破碎箱顶部安装有防护盖，且防护盖顶部与间歇输料箱底部相连；所述料斗内部安装有转轴，且两端分别连接有传动带；所述间歇输料箱外部安装有传动轴，且传动轴两端分别与两个传动带相连，并且传动轴两端分别安装有连杆，连杆与送料框相连。本实用新型在转轴转动对破碎箱内石料进行磨碎的同时，转轴通过传动带带动传动轴转动，传动轴通过连杆带动送料框慢速往复移动，实现破碎箱内部自动加料效果，无需人工频繁操作工程机械添加石料，使用更加简便。
一种路基施工石料破碎

[发明专利]抗入射信号误差的鲁棒性光学神经网络设计方法及装置-CN202310325450.7在审
发明人：邓辰辰;郑纪元;郭雨晨;方璐;范静涛;吴嘉敏;戴琼海 -专利权人：清华大学
申请日： 2023-03-29 - 公布日： 2023-08-04 - 主分类号： G06N3/067 文献下载
摘要：本申请涉及光学神经网络技术领域，特别涉及一种抗入射信号误差的鲁棒性光学神经网络设计方法及装置，其中，方法包括：获取电学输入信号加载与转换过程带来的入射信号误差；根据入射信号误差确定具有目标大小范围和概率分布的随机噪声，将随机噪声叠加到原始光学输入信号上得到基于随机噪声的光学输入信号；利用基于随机噪声的光学输入信号生成训练集，利用训练集训练光学神经网络，直到训练结束，得到具有抗入射信号误差的鲁棒性光学神经网络。由此，解决了相关技术在采用外围光路和电路并结合误差校准算法对光的相位和幅度等误差进行补偿，存在校准时间长，难度大等问题。
入射信号误差鲁棒性光学神经网络设计方法装置

[发明专利]结合句子级对比学习的层级式影像报告生成方法和装置-CN202310320888.6在审
发明人：徐枫;刘傲寒;郭雨晨;雍俊海 -专利权人：清华大学
申请日： 2023-03-29 - 公布日： 2023-08-01 - 主分类号： G16H15/00 文献下载
摘要：本申请提出了一种结合句子级对比学习的层级式影像报告生成方法，包括：获取多个医学影像‑影像报告对，并构建影像报告生成模型，其中，影像报告生成模型包括句子级图像‑文本对比学习模块和层级式报告生成模块；基于第一联合损失函数对句子级图像‑文本对比学习模块进行训练，输出医学影像的特征向量、影像报告中每个句子的话题向量和内容向量；基于第二联合损失函数对层级式报告生成模块进行训练，得到经过训练的影像报告生成模型；获取待识别医学影像，将待识别医学影像输入至经过训练的影像报告生成模型，生成待识别医学影像的影像报告。本申请增强图像编码器的特征抽取能力，提高了生成影像报告的准确性。
结合句子对比学习层级影像报告生成方法装置

[发明专利]对于工艺误差鲁棒的光学神经网络训练方法、装置及设备-CN202310300927.6在审
发明人：郑纪元;邓辰辰;郭雨晨;方璐;范静涛;吴嘉敏;戴琼海 -专利权人：清华大学
申请日： 2023-03-24 - 公布日： 2023-08-01 - 主分类号： G06N3/067 文献下载
摘要：本申请涉及光学神经网络技术领域，特别涉及一种对于工艺误差鲁棒的光学神经网络训练方法、装置及设备，其中，方法包括：获取光学神经网络中神经元权重参数的加工误差分布得到权重误差模型；在对光学神经网络训练过程中，按照权重误差模型随机叠加噪声至神经元权重参数上，直到训练结束，得到训练完成的神经元权重参数；将训练完成的神经元权重参数映射为光学神经网络芯片的加工参数。由此，解决了相关技术中的光学神经网络芯片加工存在偏差，无法保证理论模型与芯片加工的完美映射，且通过对光的相位和幅度误差进行补偿，存在校准时间长，难度大等问题。
对于工艺误差光学神经网络训练方法装置设备

[发明专利]一种生成CT影像表征及影像报告的多模态预训练方法-CN202310180977.5在审
发明人：徐枫;马靓笛;郭雨晨 -专利权人：清华大学
申请日： 2023-02-16 - 公布日： 2023-07-14 - 主分类号： G06V10/74 文献下载
摘要：本申请提出了一种CT影像表征及影像报告生成的多模态预训练方法，涉及自然语言处理领域，包括获取多模态数据组合；对CT影像采取随机数据增强，并将增强后的数据输入图像编码器进行编码，确定影像特征；将影像报告输入文本编码器进行编码，确定文本特征，且将影像特征输入文本解码器，确定影像描述；分别根据第一影像特征与第二影像特征、文本特征与影像特征在特征空间的相似性以及影像描述与影像报告的准确性，确定混合损失函数；基于混合损失函数，利用梯度下降算法进行模型训练，更新图像编码器、文本编码器与文本解码器的参数。本申请能够实现模型参数优化，提高模型对CT影像的表征能力与数据的使用效率。
一种生成 ct 影像表征报告多模态预训练方法

[发明专利]鲁棒性光学神经网络训练方法、装置、电子设备及介质-CN202310324913.8在审
发明人：郑纪元;邓辰辰;郭雨晨;方璐;范静涛;吴嘉敏;戴琼海 -专利权人：清华大学
申请日： 2023-03-29 - 公布日： 2023-07-04 - 主分类号： G06N3/067 文献下载
摘要：本申请涉及光学神经网络技术领域，特别涉及一种鲁棒性光学神经网络训练方法、装置、电子设备及介质，其中，方法包括：获取光学神经网络的损失函数；在训练光学神经网络的过程中确定损失函数的平稳极值，其中，平稳极值为损失函数处于一个局部最小值且绝对值满足预设精度要求，同时在极值附近的预设范围内损失函数的变化速率低于预设数值；将平稳极值作为光学神经网络的训练目标，在光学神经网络的训练损失函数达到平稳极值时，完成光学神经网络的训练。由此，解决了相关技术中通过搭建外围光路和电路并结合误差校准算法对光的相位和幅度等物理特性的误差进行补偿，无法保证神经网络输出结果的准确性，且存在校准时间长，难度大等问题。
鲁棒性光学神经网络训练方法装置电子设备介质

[发明专利]迁移学习架构、方法、电子设备及存储介质-CN202310074506.6在审
发明人：徐枫;薄子豪;郭雨晨;戴琼海 -专利权人：清华大学
申请日： 2023-01-13 - 公布日： 2023-06-09 - 主分类号： G06N3/0455 文献下载
摘要：本申请涉及深度学习技术领域，特别涉及一种迁移学习架构、方法、电子设备及存储介质，其中，迁移学习架构包括：一个或多个上游任务模型，每个上游任务模型包括多头注意力机制层，且多头注意力机制层整层扩展为专家网络层；下游任务模型，下游任务模型包括与多头注意力机制层层数相同的专家融合层，专家融合层与多头注意力机制层的每层对应，每层专家融合层中专家网络通过迁移所有上游任务模型的多头注意力机制层的对应层得到。由此，解决了相关技术中只能迁移一个上游任务模型，无法同时利用多个上游模型，对上游模型能力要求高等问题。
迁移学习架构方法电子设备存储介质

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 130 条