|
钻瓜专利网为您找到相关结果 853895个,建议您 升级VIP下载更多相关专利
- [发明专利]一种测量人体参数的方法及电子设备-CN202210526071.X在审
-
张思栋;许瀚誉
-
聚好看科技股份有限公司
-
2022-05-16
-
2022-08-02
-
G06T17/00
- 本申请提供一种测量人体参数的方法及电子设备用于提高人体参数的测量效率,包括:接收到前端发送的通过双目相机采集到包含人体的图像之后,将图像转换为固定尺寸,得到固定尺寸的图像;将固定尺寸的图像输入至预先训练好的人体参数化网络模型中,得到与固定尺寸的图像中的人体对应的三维人体模型;利用固定尺寸和人体在固定尺寸的图像中的高度,对三维人体模型进行缩放,得到第一中间三维人体模型;通过缩放系数对第一中间三维人体模型再次进行缩放,得到目标三维人体模型,其中,所述缩放系数包括人体到双目相机的深度值和第一缩放比例,且第一缩放比例是基于固定尺寸的图像中的人体的真实高度确定出的;基于目标三维人体模型,得到人体参数。
- 一种测量人体参数方法电子设备
- [发明专利]第一服务器及家庭慢性病管理方法-CN202111620586.8在审
-
廖希洋
-
海信集团控股股份有限公司
-
2021-12-28
-
2022-05-13
-
G06F9/50
- 本发明是关于一种第一服务器及家庭慢性病管理方法,涉及家庭健康管理技术领域,本发明包括:针对每个慢性病管理周期,从电子设备处获取慢性病管理周期内多组用户健康数据;将慢性病管理周期内多组用户健康数据输入到强化学习模型,确定慢性病管理方式;并根据慢性病管理方式发送给电子设备;强化学习模型的训练过程,包括:将样本集输入到强化学习模型中,对强化学习模型进行多轮训练,直到强化学习模型预测出的慢性病管理方式和实际的慢性病管理方式之间的损失值小于预设损失值为止;在每轮训练结束后,根据融合参数,更新强化学习模型的参数。由于本发明将用户的检查项目数据通过模型确定慢性病管理方式,简化了用户的操作。
- 第一服务器家庭慢性病管理方法
- [发明专利]一种基于迁移学习的脑电情绪分类方法-CN202111513601.9在审
-
何聚厚;郑晓龙;房蓓
-
陕西师范大学
-
2021-12-06
-
2022-05-13
-
G06K9/62
- 基于迁移学习的脑电情绪分类方法,步骤包括:S100:使用62导联脑电数据采集设备采集脑电信号,作为训练样本;S200:对训练样本进行预处理;S300:构建基于深度域适应网络的脑电情绪迁移模型,该模型由一个特征提取器、一个类别预测器、一个域分类器组成;S400:将预处理好的训练样本输入到所述构建好的迁移模型中,混合经过预处理的源域有标签情绪脑电数据和目标域无标签情绪脑电数据共同对迁移模型进行迭代训练;S500:训练后选取准确率最高的一次,作为最终用于识别脑电情绪的迁移模型;S600:使用所述最终用于识别脑电情绪的迁移模型对脑电情绪进行分类。该方法能够让迁移模型能有效地解决脑电情绪跨被试迁移问题。
- 一种基于迁移学习情绪分类方法
- [发明专利]模型训练方法、图像生成方法和装置-CN202210597992.5在审
-
沈力;郑贺亮;陶大程
-
京东科技信息技术有限公司
-
2022-05-30
-
2022-08-19
-
G06T11/60
- 本公开的实施例提供了一种模型训练方法、图像生成方法和装置。所述的模型训练方法包括:首先获取训练样本集,训练样本集包括样本输入图像、样本参考图像和期望图像,然后构建初始模型,该初始模型包括第一初始编码器、第二初始编码器和基于层级架构的多层级生成器,最后利用机器学习方法,将样本输入图像作为第一初始编码器的输入,样本参考图像作为第二初始编码器的输入,并将第一初始编码器和第二初始编码器的输出作为多层级生成器的输入,期望图像作为期望输出,对初始模型进行训练,得到图像生成模型,基于样本输入图像和样本参考图像进行训练,训练得到一种能够基于输入图像和参考图像进行处理得到输出图像的图像生成模型。
- 模型训练方法图像生成装置
- [发明专利]联合训练的方法及装置-CN202210391540.1在审
-
郑龙飞;张本宇;王力
-
支付宝(杭州)信息技术有限公司
-
2022-04-14
-
2022-08-19
-
G06K9/62
- 所述联合训练包括多个训练成员,所述多个训练成员用于对神经网络模型进行训练,所述多个训练成员包括第一训练成员和第二训练成员,所述第一训练成员的本地样本数据不包含标签数据,所述第一训练成员的本地模型为所述神经网络模型的前N层,所述第二训练成员的本地样本数据包含标签数据,所述第二训练成员的本地模型为所述神经网络模型,所述方法应用于所述第二训练成员,所述方法包括:从所述第一训练成员接收第一训练结果,所述第一训练结果为所述第一训练成员的本地模型的训练结果;根据所述第二训练成员的本地样本数据和所述第一训练结果,对所述第二训练成员的本地模型进行训练。
- 联合训练方法装置
- [发明专利]一种基于迁移学习的窃电检测方法-CN202210451618.4在审
-
邓全镔;陈思哲;章云
-
广东工业大学
-
2022-04-26
-
2022-08-19
-
G06Q50/06
- 本发明公开了一种基于迁移学习的窃电检测方法,所述方法包括:获取目标域测试集、源域数据集和目标域训练集;对目标域测试集、源域数据集和目标域训练集进行预处理;将源域数据集划分训练集和测试集;搭建源域和目标域神经网络模型;对源域神经网络模型进行预训练和评估;将源域神经网络模型的参数迁移到目标域神经网络模型进行初始化;训练目标域神经网络模型;对目标域测试集进行窃电检测分类。本发明能够在少量含有窃电状态标签用电数据的情况下,通过迁移学习技术根据用电数据短时间内准确识别窃电用户,克服深度学习方法依赖大量带窃电状态标签数据的问题;另外,以日、周、月周期数据作为神经网络模型的输入,提高窃电检测模型的性能。
- 一种基于迁移学习检测方法
- [发明专利]一种分类模型的训练方法及装置-CN202210589562.9在审
-
阮颖颖;马潮;曹佐
-
北京三快在线科技有限公司
-
2022-05-26
-
2022-08-19
-
G06V10/764
- 本说明书公开了一种分类模型的训练方法及装置,从未标注的样本集中选取第一数量的训练样本进行标注后,分别确定各训练样本中各模态的数据对应的特征向量,并确定表征各训练样本中各模态的数据关联程度的分类难度,按照分类难度从小到大的顺序,分批训练分类模型。若训练该分类模型的样本数量未达到预设数量,则根据该分类模型对未标注的其他样本进行分类,确定其他样本分类结果的不确定性,以从中选择分类困难的其他样本继续进行标注,再次训练分类模型。通过重复上述过程,使得在训练分类模型时可以优先采用训练分类效果明显的样本进行训练,分批训练分类模型,使得一方面可以提高训练效率,另一方面减少训练样本的数量,减轻人工标注的成本。
- 一种分类模型训练方法装置
|