“注意力训练”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1249758个，建议您升级VIP下载更多相关专利

[实用新型]穿戴式脑电注意力训练仪-CN201320858160.0有效
发明人：白学军;杨海波;曾力;胡振慧 -专利权人：天津师范大学
申请日： 2013-12-24 - 公布日： 2014-10-22 - 主分类号： A61B5/0476 文献下载
摘要：本实用新型公开了一种穿戴式脑电注意力训练仪，通过微型投影仪在距人眼2米处产生虚拟屏幕，为注意力训练提供视频刺激信号。通过音频接口输出音频信号，为注意力训练提供背景音乐和训练指导语等音频刺激信号。脑电电极将采集的脑电波信号送入嵌入式处理单元，嵌入式处理单元对脑电波信号进行频谱分析，取出反映大脑注意力集中程度的β波成分，对注意力训练进行神经反馈，并把数据通过无线数据接口，传送到人机交互设备上。本实用新型使用脑电作为注意力训练的反馈信号，大大提高了注意力训练的效率和可靠性。使用穿戴式电脑，排除了很多不必要的干扰因素，改善了训练环境。
穿戴式脑电注意力训练

[发明专利]一种基于注意力深度卷积神经分类网络的图像分类方法-CN202110710310.2在审
发明人：刘一柳;王志胜;马瑞 -专利权人：南京航空航天大学
申请日： 2021-06-25 - 公布日： 2021-10-01 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于注意力深度卷积神经分类网络的图像分类方法，具体为：步骤1：建立通道注意力模型；步骤2：建立空间注意力模型；步骤3：将通道注意力模型的输出结果作为空间注意力模型的输入，从而将通道注意力模型和空间注意力模型结合成注意力模型；步骤4：根据步骤3中的注意力模型建立深度卷积神经分类网络；步骤5：对步骤4中的深度卷积神经分类网络进行训练，采用训练好的深度卷积神经分类网络对图像进行分类。
一种基于注意力深度卷积神经分类网络图像方法

[发明专利]一种基于空间特征注意力机制的脑肿瘤分割方法及装置-CN202110749496.2在审
发明人：蔡建平;何喆 -专利权人：浙大城市学院
申请日： 2021-07-02 - 公布日： 2021-10-08 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种基于空间特征注意力机制的脑肿瘤分割方法及装置，包括：获取四模态脑部MRI序列的测试集和训练集；构建空间特征注意力U型网络；利用所述训练集对所述空间特征注意力U型网络进行训练；将测试集输入训练好的空间特征注意力
一种基于空间特征注意力机制肿瘤分割方法装置

[发明专利]一种基于多样化语义注意力模型的细粒度实体分类方法-CN202011366099.9在审
发明人：向镐鹏;胡岩峰;乔雪;姜添;潘宇顺;彭晨;李熙雨;罗晋 -专利权人：中国科学院电子学研究所苏州研究院
申请日： 2020-11-29 - 公布日： 2021-02-26 - 主分类号： G06F40/30 文献下载
摘要：本发明提出了一种基于多样化语义注意力模型的细粒度实体分类方法，基于切分长度和步长，得到句子的多样化注意力片段序列；构建多样化语义注意力模型，包括注意力图预测模型与注意力特征集成模型两部分；构建多样性约束，包括注意力图约束和注意力片段约束，结合分类损失，确定最终的损失函数，用于训练多样化语义注意力模型；利用训练好的多样化语义注意力模型，确定多样化注意力片段序列对应的注意力图，结合softmax网络，预测每个时间步长对于每个细粒度实体类别分类结果
一种基于多样化语义注意力模型细粒度实体分类方法

[发明专利]一种基于双注意力机制网络的车速预测方法、系统及车辆-CN202210743672.6在审
发明人：魏翼鹰;贾炳明;李志成;江煜;邓澳洋;张晖;张渝沄;李绘鹏;杨训鑑;吴限 -专利权人：武汉理工大学
申请日： 2022-06-28 - 公布日： 2022-09-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于双注意力机制网络的车速预测方法、系统及车辆。其方法包括：获取车辆行驶特征数据，基于所述车辆行驶特征数据构建数据样本集；构建双注意力机制网络预测模型，所述双注意力机制网络模型包括第一注意力机制网络模型和第二注意力机制网络模型；基于数据样本集训练得到训练完备的双注意力机制网络预测模型；获取实时行驶数据，基于所述训练完备的双注意力机制网络预测模型，获得预测的车辆速度。本发明通过构建双注意力机制网络预测模型，在双注意力机制下，将隐藏层的时间序列进行有效的预测，从而提高神经网络模型的鲁棒性和时效性，进而提高车辆速度预测的准确性。
一种基于注意力机制网络车速预测方法系统车辆

[发明专利]注意力检测方法及装置-CN202211117447.8在审
发明人：贺克赛 -专利权人：际络科技（上海）有限公司
申请日： 2022-09-14 - 公布日： 2022-12-30 - 主分类号： G06V40/16 文献下载
摘要：本发明提供一种注意力检测方法及装置，方法包括：获取连续的多帧驾驶员图像；将连续的多帧驾驶员图像输入至注意力检测模型中，得到注意力检测模型输出的注意力检测结果；注意力检测模型是基于注意力机制，并利用视线和头部姿态对训练图像进行监督学习得到的本发明通过云端接收车端发送的连续的多帧驾驶员图像，以利用云端的注意力检测模型对驾驶员图像进行检测，通过云端对深度学习模型计算量的高容忍度，以充分发挥算法的优势；另外基于注意力机制，并利用视线和头部姿态对注意力检测模型进行监督训练，以大幅度提高云端性能，通过采用注意力机制，提升了模型的并行计算能力，进而提升模型的训练速度和准确率。
注意力检测方法装置

[发明专利]非平行语料声音转换数据增强模型训练方法及装置-CN201910863861.5有效
发明人：俞凯;李沐阳;陈博;陈宽;吴松泽;刘知峻 -专利权人：思必驰科技股份有限公司
申请日： 2019-09-12 - 公布日： 2021-11-02 - 主分类号： G10L15/06 文献下载
摘要：本申请公开一种非平行语料声音转换数据增强模型训练方法，包括：为所述数据增强模型配置顺序连接的声学注意力层、文本注意力层和解码器模块；所述声学注意力层包括第一GRU层和第一注意力层，所述文本注意力层包括第二GRU层和第二注意力层；将样本源文本序列编码为嵌入序列；将样本目标声学特征序列输入至所述第一GRU层；将所述嵌入序列输入至所述第一注意力层和第二注意力层，以训练所述增强模型。本申请通过声学注意力层和文本注意力层保留了源语音中包含的持续时间和语言上下文，从而确保了训练得到的增强模型的准确性，能够更好的用于音频与文本之间的对齐，有助于提升语音转换的效果。
平行语料声音转换数据增强模型训练方法装置

[发明专利]一种驾驶员视觉注意力预测方法、系统、设备及介质-CN202111258136.9在审
发明人：苟超;周昱臣 -专利权人：中山大学
申请日： 2021-10-27 - 公布日： 2022-02-25 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种驾驶员视觉注意力预测方法、系统、设备及介质，方法包括：获取驾驶场景下的初始图像和训练数据；对所述初始图像进行预处理操作，得到预处理图像；将所述训练数据输入结合卷积神经网络和Transformer的注意力预测网络，训练得到注意力预测模型；将所述预处理图像输入所述注意力预测模型，输出得到注意力预测概率图；对所述注意力预测概率图进行彩色可视化处理，得到注意力预测结果图；能够很好地获取和结合局部和全局信息，准确地预测驾驶员在执行驾驶任务时的视觉注意力分布情况，可广泛应用于计算机视觉技术领域。
一种驾驶员视觉注意力预测方法系统设备介质

[发明专利]用于停车场管理的基于重对象识别的神经网络的训练方法-CN202011240235.X在审
发明人：王宪元 -专利权人：济南宪元企业管理咨询有限公司
申请日： 2020-11-09 - 公布日： 2021-01-22 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种用于停车场管理的基于对象重识别的神经网络的训练方法。所述训练方法，包括：获取训练图像集；将所述训练图像集输入卷积神经网络以获得训练特征图；将所述训练特征图输入空间注意力模块以获得空间注意力图；基于所述空间注意力图与所述训练特征图之间的距离以获得距离损失函数值；将所述空间注意力图通过池化层和全连接层后以输入分类函数以获得注意力损失函数值；以及，基于所述距离损失函数值和所述注意力损失函数值更新所述卷积神经网络和所述空间注意力模块。这样基于空间注意力机制的重识别技术处理所述停车场中各个摄像头之间拍摄的区域的重叠问题，以实现对所述停车场中的对象进行全局管理。
用于停车场管理基于对象识别神经网络训练方法

[发明专利]一种配电终端异常检测模型的建立方法及装置-CN202210307434.0在审
发明人：杨飞;荆江平;智明;邹杰;张鹏;陆志平;程鹏;夏磊;丁安琪;刘黎;鞠玲;张泽 -专利权人：国网江苏省电力有限公司泰州供电分公司
申请日： 2022-03-25 - 公布日： 2022-06-10 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种配电终端异常检测模型的建立方法及装置，方法包括：采集配电终端的状态数据；对所述状态数据进行预处理，获得训练集和测试集；建立基于注意力机制的自编码模型，所述基于注意力机制的自编码模型包括第一编码器、第一注意力运算层、解码器、第二注意力运算层、第二编码器以及判别器；根据所述训练集对所述基于注意力机制的自编码模型进行训练；将所述测试集输入至训练后的基于注意力机制的自编码模型进行异常检测；该方法通过在自编码模型中引入注意力机制
一种配电终端异常检测模型建立方法装置

[发明专利]一种基于虚拟现实的电力训练方法-CN202010545118.8在审
发明人：阮胜冬;朱礼华;邓磊;邓骏里;刘国富;郑皎红;陈根平 -专利权人：国网浙江常山县供电有限公司
申请日： 2020-06-16 - 公布日： 2020-10-09 - 主分类号： G09B9/00 文献下载
摘要：本发明提供一种基于虚拟现实的电力训练方法，所述方法包括：构建训练场景和训练事件；根据所述训练事件构建训练道具；通过注意力引导，使受训者注意到所述训练道具；引导受训者通过手势选择或拿起所述训练道具；通过注意力引导，使受训者注意训练道具的使用对象；引导受训者通过手势对所述使用对象使用训练道具。通过注意力引导的方式，使受训者注意力集中在训练道具和使用对象上，使受训者对使用对象使用训练道具，以推动受训者完成训练事件的任务。
一种基于虚拟现实电力训练方法

[发明专利]基于注意力机制残差网络的摄像监控状态分类方法-CN201911266108.4在审
发明人：裴植;苏彬彬;孔淑萍;蔡志勇 -专利权人：深学科技（杭州）有限公司
申请日： 2019-12-11 - 公布日： 2020-09-25 - 主分类号： G06K9/00 文献下载
摘要：基于注意力机制残差网络的监控状态分类方法，获取监控系统的图像，构建用于训练的数据集；通道注意力模块及空间注意力模块与残差网络的残差模块结合成注意力机制残差模块单元，由多个该单元构建注意力机制残差网络；将数据集输入注意力机制残差网络进行训练，并保存模型；将实时监控图像输入注意力机制残差模块，即可对图像进行故障分类。本发明添加了注意力机制，提高了分类精度，并将模型应用于摄像监控状态的故障检测分类，节约了人工成本。
基于注意力机制网络摄像监控状态分类方法

[发明专利]注意力范围自适应方法、系统及计算机可读存储介质-CN202110340866.7在审
发明人：曾庆威;沈文枫;艾文伟;赵时旻;黄天印;毕湘利 -专利权人：上海大学
申请日： 2021-03-30 - 公布日： 2021-07-06 - 主分类号： G06F40/166 文献下载
摘要：本发明提供了注意力范围自适应方法、系统及计算机可读存储介质，其中注意力范围自适应方法，包括以下步骤：S1、通过缓存机制保存模型的隐向量序列，设置保存的最大长度；S2、添加掩盖函数控制模型的注意力范围；根据所述掩盖函数的最长范围确定参与模型计算的隐向量序列长度；S3、训练所述掩盖函数，并通过训练后的掩盖函数确定模型的注意力范围。本注意力范围自适应方法、系统及计算机可读存储介质，不仅可以调节当前层注意力头的注意力范围，还可以调节模型其他层注意力头的注意力范围，在保证让每层的学习到最佳的注意力范围，同时让模型保持最佳的注意力范围。
注意力范围自适应方法系统计算机可读存储介质

[发明专利]一种基于舒尔特方格与LSTM的多级注意力分级方法-CN202011214299.2有效
发明人：王湃;吴凡;乔详;郭春勇;谢双强;秦学斌;汪梅 -专利权人：西安科技大学
申请日： 2020-11-04 - 公布日： 2023-07-28 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于舒尔特方格与LSTM的多级注意力分级方法，包括步骤：一、获取有效注意力样本数据；二、有效注意力样本数据的预处理；三、均值化预处理后的有效注意力样本数据的去噪；四、构建注意力样本数据库；五、LSTM深度神经网络的训练；六、多级注意力的分级。本发明构建舒尔特方格的注意力采集范式，量化检验指标，提升数据客观性，采用原始脑波数据，保证数据完整性，训练LSTM深度神经网络分级模型，对注意力进行多级分级，预留注意力测试样本数据集合验证注意力等级分级效果，完全可以表征不同注意力水平，保留脑电信号的时序信号的特征提取，极大提高识别准确率。
一种基于舒尔特方格 lstm 多级注意力分级方法

[发明专利]一种基于全局时空注意力模型的动作识别方法-CN201810675198.1有效
发明人：韩云;吕小英 -专利权人：内江师范学院
申请日： 2018-06-26 - 公布日： 2021-12-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于全局时空注意力模型的动作识别方法，属于动作识别领域；首先，构建全局时空注意力模型，所述全局时空注意力模型包括依次连接的全局空间注意力模型、累加式曲线模型ALC和分类层；再利用人体动作序列对所述全局时空注意力模型依次进行训练、验证和测试；当测试效果最佳的模型精度达到设定的阈值，则完成训练并将测试效果最佳的模型作为最终模型，否则继续进行训练；最后将待检测人体动作序列输入所述最终模型进行动作识别，得出识别结果；将全局空间注意力模型、全局时间注意力模型和主干网融为一体，结构更加简单、训练更加容易、收敛速度更快，直接采用end to end的训练方式即可，无需任何额外的步骤。
一种基于全局时空注意力模型动作识别方法