“网络训练”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1091524个，建议您升级VIP下载更多相关专利

[发明专利]一种单帧图像景深估计方法和网络模型的训练方法、训练装置、计算机设备及存储介质-CN202210358823.6在审
发明人：赵雅茹;史旭龙 -专利权人：昆山市工业技术研究院有限责任公司
申请日： 2022-04-07 - 公布日： 2022-07-12 - 主分类号： G06T7/50 文献下载
摘要：本发明提供了一种单帧图像景深估计方法和网络模型的训练方法、训练装置、计算机设备及存储介质，通过将实时抓取的单帧图像输入到已经训练好的的单目景深估计网络模型中进行特征提取，输出单帧图像的景深估计结果和位姿估计结果本发明提供的单目景深估计网络模型包括离线训练子模型、测试子模型以及在线训练子模型的单目景深估计网络模型，通过离线训练子模型和测试子模型对单目景深估计网络模型的初步训练，并对初步训练获得的网络参数进行在线训练，在减少了单目景深估计网络模型训练所需的数据量、节约的训练成本的同时，增强了鲁棒性，提高景深估计的精度。
一种图像景深估计方法网络模型训练装置计算机设备存储介质

[发明专利]针对信道状态信息的配置考虑-CN202180055534.2在审
发明人： P·K·维瑟兰德弗特;A·马诺拉克斯;T·刘;N·布衫;J·南宫;J·K·森达拉拉扬;K·K·穆卡维里;T·姬 -专利权人：高通股份有限公司
申请日： 2021-08-13 - 公布日： 2023-05-09 - 主分类号： H04W24/04 文献下载
摘要：网络实体可传送对用于UE的无线通信的神经网络训练参数的配置，并且该UE可基于从该网络实体接收的该配置来在该UE处训练神经网络。该网络实体可在无线消息中向该UE传送训练命令，并且该UE可响应于接收到的训练命令而基于接收到的配置来训练神经网络。该配置可包括与训练神经网络相关联的时间段。该时间段可指示供该UE在该时间段期满时执行的动作、和/或指示神经网络训练的周期性。
针对信道状态信息配置考虑

[发明专利]图神经网络训练方法、客户端设备及系统-CN201910998793.3有效
发明人：朱钰森;尚书;胡志鹏 -专利权人：网易(杭州)网络有限公司
申请日： 2019-10-18 - 公布日： 2022-08-05 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种图神经网络训练方法、客户端设备及系统，涉及图神经网络的技术领域，该方法应用于图神经网络训练的客户端设备，首先，响应用户的环境创建操作来创建图神经网络的训练环境，然后响应用户的模型创建操作创建待训练图神经网络，再响应用户的设置操作设置待训练图神经网络的超参数，随后响应用户的训练操作，利用图数据训练集对不同的超参数组合对应的待训练图神经网络进行训练，最终确定出图数据训练集对应的最优超参数组合，本发明在充分利用图数据结构的基础上，快速且自动的得出待训练图神经网络对图数据训练集的最优超参数组合，减少用户调参的工作量，从而缓解了现有技术中的图神经网络训练方法工作效率低的技术问题。
神经网络训练方法客户端设备系统

[发明专利]神经网络训练与图像处理方法及装置-CN202011269792.4在审
发明人：李嘉辉;陈文;黄晓迪;胡志强;张少霆 -专利权人：上海商汤智能科技有限公司
申请日： 2020-11-13 - 公布日： 2021-02-19 - 主分类号： G06N3/08 文献下载
摘要：本公开涉及一种神经网络训练与图像处理方法及装置，该神经网络可以用于对医学影像图像进行标注，比如对心脏、肝脏、肺部以及病理图像进行标注。所述方法包括：根据第一样本图像，对神经网络进行训练，获得第一训练状态的神经网络；根据第二样本图像、第一样本图像，对第一训练状态的神经网络进行训练，获得第二训练状态的神经网络。根据本公开的实施例的神经网络训练方法，可通过具有不同标注的样本图像逐步对神经网络进行训练，以增强神经网络处理具有不同标注的样本图像的能力，提高神经网络的精度和泛化能力。
神经网络训练图像处理方法装置

[发明专利]用于识别神经网络的输入数据中的对抗性干扰的方法-CN202010788600.4在审
发明人： N·卡普尔;P·施利希特;J·S·瓦格斯 -专利权人：大众汽车股份公司
申请日： 2020-08-07 - 公布日： 2021-02-09 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种用于识别神经网络的输入数据中的对抗性干扰的方法，其中在训练阶段期间对条件生成式对抗网络进行训练或已进行了训练，其中在此情况下鉴于生成基于神经网络的输入数据来条件化的对抗性干扰方面来训练或者已训练了条件生成式对抗网络的生成器网络，并且其中至少鉴于识别由生成器网络生成的输入数据中的对抗性干扰方面来训练或已训练了条件生成式对抗网络的鉴别器网络，并且其中在应用阶段期间将经训练的鉴别器网络使用用于识别神经网络的输入数据中的对抗性干扰并提供识别结果
用于识别神经网络输入数据中的对抗性干扰方法

[发明专利]语义分割网络的训练方法、训练装置、服务器和存储介质-CN201910704243.6有效
发明人：王超鹏;林义闽;廉士国 -专利权人：达闼科技（北京）有限公司
申请日： 2019-07-31 - 公布日： 2022-04-08 - 主分类号： G06V10/26 文献下载
摘要：本发明实施例涉及计算机视觉领域，公开了一种语义分割网络的训练方法、训练装置、服务器和存储介质。本发明中语义分割网络的训练方法，包括：获取真实图像以及与真实图像对应的模拟图像，模拟图像是图像生成网络根据真实图像的特征图像和第一语义分割图像确定，第一语义分割图像是第一语义分割网络根据真实图像确定，图像生成网络是根据真实训练图像的特征图像、真实训练图像的语义分割训练图像以及真实训练图像训练获得；根据真实图像和模拟图像之间的差异信息，迭代调整第一语义分割网络的网络参数，得到目标语义分割网络。本实施方式，使得语义分割网络可以准确对图像进行语义分割，提高语义分割网络的预测精度。
语义分割网络训练方法装置服务器存储介质

[发明专利]基于视觉增强的红外与可见光图像融合方法-CN202310530022.8有效
发明人：吕国华;高翔;池强;王西艳;宋文廓;张曾彬;司马超群 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-05-12 - 公布日： 2023-10-10 - 主分类号： G06T5/50 文献下载
摘要：本发明包括以下步骤：步骤1：构建自编码器，并训练自编码器；步骤2：获取增强网络的训练集；步骤3：构建增强网络，训练增强网络，得到训练好的增强网络模型；步骤4：获取融合网络的训练集与测试集；步骤5：构建融合网络，训练融合网络，得到训练好的融合网络模型；步骤6：利用融合网络的测试集中的测试数据对步骤5得到的训练好的融合网络模型进行测试，得融合图像。
基于视觉增强红外可见光图像融合方法

[发明专利]卷积神经网络模型及其训练方法和装置、巡检方法和装置-CN201910542703.X有效
发明人：沙芸;刘学君;甘建旺;李齐飞;晏涌 -专利权人：北京石油化工学院
申请日： 2019-06-21 - 公布日： 2021-08-10 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种卷积神经网络模型及其训练方法和装置、巡检方法和装置，卷积神经网络模型的训练方法，包括：对获取的训练数据集进行卷积处理，得到所述训练数据集对应的特征映射数据；基于预设的边缘卷积规则，提取所述特征映射数据的有效特征数据；将所述有效特征数据输入待训练卷积神经网络模型，进行特征训练，实现了对无用特征数据进行过滤，从而利用有效特征数据对待训练卷积神经网络模型进行训练，使得训练过程能够快速收敛，得到训练后的卷积神经网络模型。采用本发明的技术方案，能够提高卷积神经网络模型的训练速度。
卷积神经网络模型及其训练方法装置巡检

[发明专利]一种信号调制识别方法-CN202210532212.9在审
发明人：许华;庞伊琼;蒋磊;史蕴豪;彭翔 -专利权人：中国人民解放军空军工程大学
申请日： 2022-05-09 - 公布日： 2022-08-16 - 主分类号： G06K9/00 文献下载
摘要：该方法包括：利用卷积神经网络和长短时记忆网络构建特征提取网络，并向特征提取网络中引入卷积注意力机制；采用训练集对引入卷积注意力机制后的特征提取网络进行训练，得到训练好的特征提取网络；通过测试集对训练好的特征提取网络进行测试通过上述信号调制识别方法，通过构建特征提取网络，并向其引入卷积注意力机制，利用训练集对引入卷积注意力机制的特征提取网络进行训练，以使训练好的特征提取网络学习信号分类经验，训练完成的特征提取网络具有很好的泛化性能，在测试集对训练完成的特征提取网络进行测试时，可以实现确定出测试集中待识别信号样本的调制样式。
一种信号调制识别方法

[发明专利]神经网络训练、目标检测的方法及装置、设备及存储介质-CN202210333676.7在审
发明人：高梦雅 -专利权人：北京市商汤科技开发有限公司
申请日： 2022-03-30 - 公布日： 2022-06-21 - 主分类号： G06V10/74 文献下载
摘要：本公开提供了一种神经网络训练、目标检测的方法及装置、设备及存储介质，其中，该方法包括：获取上游任务中采集的第一图像样本、下游任务中待训练的第一神经网络、以及基于第一图像样本训练得到的第二神经网络和图像生成网络；第二神经网络用于进行特征提取，图像生成网络用于生成新图像，且新图像符合第一图像样本的整体分布；分别根据训练得到的第二神经网络和待训练的第一神经网络对基于图像生成网络生成的新图像进行特征提取；基于提取的第一图像特征和第二图像特征对待训练的第一神经网络进行训练，得到训练好的第一神经网络。本公开通过两个图像特征可以更好地指导第一神经网络的训练，从而提升在下游任务的表现性能。
神经网络训练目标检测方法装置设备存储介质

[发明专利]模型训练方法、装置以及网络流量预测方法、装置-CN202211666559.9在审
发明人：刘派;马星粟;杨鑫;杨本艳;双程;赵静;赵煜;高允翔 -专利权人：中国联合网络通信集团有限公司
申请日： 2022-12-23 - 公布日： 2023-06-06 - 主分类号： H04L41/147 文献下载
摘要：本申请涉及通信技术领域，尤其涉及一种模型训练方法、装置以及网络流量预测方法、装置，能够对于未提出请求的地点，进行网络资源的预测调配。该方法包括：确定第一训练参数和第二训练参数；其中，第一训练参数为在第一预设时间段内至少一个小区的网络流量参数，第二训练参数为在第二预设时间段内至少一个小区的网络流量参数；将第一训练参数和第二训练参数输入当前神经网络模型中进行迭代训练，直至当前神经网络模型的损失值满足预设条件；确定当前神经网络模型为网络流量预测模型；网络流量预测模型用于根据输入的目标小区的历史网络流量参数，预测目标小区在目标时间段的网络流量参数。本申请用于模型训练和网络流量预测过程中。
模型训练方法装置以及网络流量预测

[发明专利]脉冲星搜索网络训练方法、脉冲星搜索方法、装置、设备-CN202210226661.0在审
发明人：程小峰;王亚彪;丁玫菲;谢鸣;游善平;甘振业;李昱希;罗泽坤;孙众毅;黄飞跃 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-09 - 公布日： 2023-09-22 - 主分类号： G06N3/09 文献下载
摘要：本发明提供了一种脉冲星搜索网络训练方法，包括：基于训练样本集合和所述候选体的脉冲轮廓图像，对脉冲星搜索网络的主干网络进行第一训练，确定主干网络的初始网络参数；基于训练样本集合和所述和脉冲星标签值，对脉冲星搜索网络的主干网络进行第二训练，得到脉冲星搜索网络的主干网络的目标参数，由此，能够在减少训练数据总量和无需重进行监督训练的前提下，稳定提高脉冲星搜索网络训练训练的准确率，减轻脉冲星搜索网络的过拟合，增强脉冲星搜索网络模型的泛化能力。
脉冲搜索网络训练方法装置设备

[发明专利]用于医学图像数据集的对比学习方法及系统-CN202310894739.0在审
发明人：徐子安;史力伏;王洋;代茵 -专利权人：东北大学;辽宁然辉科技有限公司
申请日： 2023-07-20 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：该方法包括：获取医学图像数据集；搭建以Swin Transformer为骨干网络的对比学习网络；将Swin Transformer在自然图像数据集ImageNet上进行有监督学习得到的有监督模型作为对比学习网络的预训练模型；基于对比学习数据集和对比学习网络的预训练模型训练对比学习网络；输出对比学习模型，并将对比学习模型作为下游任务网络的预训练模型；基于下游任务训练集和下游任务网络的预训练模型训练下游任务网络；输出下游任务模型本发明提供的对比学习方法及系统，使用以Swin Transformer为骨干网络的基于预测任务的对比学习网络，并使用迁移学习方法训练网络，实现了即使在小规模的医学图像数据集上也能大幅度提升下游任务网络的训练精度
用于医学图像数据对比学习方法系统

[发明专利]一种基于循环正则训练的跨模态医学图像配准方法及装置-CN202010667204.6有效
发明人：李秀;徐哲;罗凤;马露凡;严江鹏 -专利权人：清华大学深圳国际研究生院
申请日： 2020-07-13 - 公布日： 2022-09-13 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于循环正则训练的跨模态医学图像配准方法，包括以下步骤：预训练反向单模态配准网络，反向单模态配准网络包括第一变形场预测网络和第一空间变换模块；设置前向跨模态配准网络，前向跨模态配准网络包括第二变形场预测网络和第二空间变换模块；将前向跨模态配准网络与预训练好的反向单模态配准网络进行级联以得到循环正则训练网络，对循环正则训练网络进行训练；将待配准的第一模态的第三浮动图像和第二模态的第三参考图像输入到训练完成的循环正则训练网络中的前向跨模态配准网络本发明提出的基于循环正则训练的跨模态医学图像配准方法及装置，使得配准结果更加准确。
一种基于循环正则训练跨模态医学图像方法装置

[发明专利]一种电子扑克游戏的数据处理方法、装置及存储介质-CN201910994243.4有效
发明人：杨潇;揭指;邱慧宁;温万成;叶永庆 -专利权人：桂林力港网络科技股份有限公司
申请日： 2019-10-18 - 公布日： 2023-08-01 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种电子扑克游戏的数据处理方法、装置及存储介质，方法包括：获取用户历史牌局数据作为样本数据列表；将样本数据列表分为训练集和验证集；构建CNN神经网络，将训练集作为CNN神经网络的输入，对CNN神经网络进行特征训练，得到训练后的CNN神经网络；将验证集作为训练后的CNN神经网络的输入，根据验证集的数量对训练后的CNN神经网络进行多次迭代处理，并统计经迭代处理的CNN神经网络输出的出牌准确率，若出牌准确率符合预设准确率，则停止迭代，得到最优CNN神经网络。本发明通过收集真实历史牌局数据，输入到CNN神经网络中进行神经网络训练，并对神经网络训练进行多次迭代处理进行优化，大幅降低网络参数量，能够提高训练速度和准确性。
一种电子扑克游戏数据处理方法装置存储介质