“损失函数”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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果407075个，建议您升级VIP下载更多相关专利

[发明专利]一种相机参数标定优化方法及电子设备-CN202310429839.6有效
发明人：谢文翰;冀运景;贾秉坤 -专利权人：深圳明锐理想科技有限公司
申请日： 2023-04-21 - 公布日： 2023-07-21 - 主分类号： G06T7/80 文献下载
摘要：首先，基于当前相机参数、当前前进方向和当前前进步长获得未来相机参数，基于未来相机参数和损失函数，获取未来损失函数的梯度，基于未来损失函数的梯度和当前损失函数的梯度，获取未来方向比重，然后，基于当前前进方向、未来损失函数的梯度和未来方向比重获取未来前进方向，基于未来损失函数的梯度和未来前进方向获取未来前进步长，循环执行上述步骤，直至损失函数的梯度收敛，获得损失函数的梯度收敛时的相机参数。
一种相机参数标定优化方法电子设备

[发明专利]基于计算机视觉的智慧城市管理方法-CN202210378370.3在审
发明人：郭华君 -专利权人：郭华君
申请日： 2022-04-12 - 公布日： 2022-08-05 - 主分类号： G06V20/52 文献下载
摘要：本发明涉及一种基于计算机视觉的智慧城市管理方法，其包括对动作分析数据进行动作解算得到动作解算矩阵，并对动作分析数据进行动作估算得到动作估算矩阵，然后根据动作解算矩阵和动作估算矩阵建立动作损失函数。根据行人分析图像的所有动作核心点的第一动作坐标和第二动作坐标建立视觉损失函数；根据动作损失函数、视觉损失函数和动作约束函数得到实时动作数据；根据动作损失函数、视觉损失函数和动作约束函数构建动作预测函数，并根据动作预测函数和实时动作数据得到预测动作数据，然后根据预测动作数据判断是否有闯红灯的行为。
基于计算机视觉智慧城市管理方法

[发明专利]使用损失函数学习检测模型-CN202080020091.9在审
发明人：后藤拓矢;中野宏毅;阪本正治 -专利权人：国际商业机器公司
申请日： 2020-03-13 - 公布日： 2021-11-05 - 主分类号： G06T7/12 文献下载
摘要：提供了一种计算机实现的方法，包括：获取输入图像；获取在输入图像中指定感兴趣区域的注释图像；将所述输入图像输入到检测模型(130)，所述检测模型从所述输入图像生成示出目标区域的输出图像；使用损失函数来计算所述输出图像与所述注释图像之间的误差，损失函数对感兴趣区内的误差的权重比感兴趣区外的误差的权重更大；以及以减小误差的方式更新检测模型。
使用损失函数学习检测模型

[发明专利]多正则化策略图像分类学习方法、装置、设备和介质-CN202210615241.1在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-31 - 公布日： 2022-08-02 - 主分类号： G06N3/08 文献下载
摘要：本申请的多正则化策略图像分类学习方法、装置、设备和介质，其中方法包括：基于LWF正则化和池化知识蒸馏构建卷积神经网络的第一损失函数，使用第一损失函数对卷积神经网络的特征提取层及主分类层进行训练。根据副分类层和标注数据的副分类层交叉熵损失函数，以及副分类层之间的分类层差异损失函数，构建卷积神经网络的第二损失函数。通过第二损失函数对副分类层进行训练。对池化蒸馏函数进行LWF正则化，能够增强对第一损失函数的约束，相比于使用单分类层进行训练，使用多个副分类层计算第二损失函数能够使得卷积神经网络的训练过程更为鲁棒。
正则策略图像分类学习方法装置设备介质

[发明专利]基于生成对抗网络的图像增强系统和图像增强方法-CN202110375243.3在审
发明人：朱宁波;王猛 -专利权人：湖南大学
申请日： 2021-04-07 - 公布日： 2021-06-25 - 主分类号： G06T5/50 文献下载
摘要：所述对抗网络模型包括图像合成模组、图像判别模组及多损失函数。所述图像合成模组输出合成图像，所述图像判别模组输出增强图像，所述多损失函数根据所述图像判别模组的输出结果感知图像损失，并调整所述图像合成模组输出的合成图像，改善增强效果，所述损失函数包括对抗损失函数、循环一致性损失函数、感知损失函数和总损失函数。本发明引入对抗思想、注意力机制、Unet、残差块网络和感知损失，应用多尺度合成模组和图像判别器对原始夜景拍摄图像进行生成和鉴别，增强夜景图像的视觉效果。
基于生成对抗网络图像增强系统方法

[发明专利]对抗型神经网络训练方法、装置、设备和存储介质-CN202210934762.3在审
发明人：郑喜民;王颖妮;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-08-04 - 公布日： 2022-10-21 - 主分类号： G06N3/04 文献下载
摘要：根据扰动样本集构造第一损失函数。通过改变扰动项最大化第一损失函数，得到对抗样本集。根据对抗样本集构造第二损失函数。通过最小化第二损失函数训练对抗型神经网络。判断第二损失函数的损失值是否小于损失阈值，若是，则停止训练对抗型神经网络。通过第一损失函数得到对抗样本集，通过由对抗样本集构造的第二损失函数对对抗型神经网络进行训练，能够增强对抗型神经网络对于对抗样本的鲁棒性，提高输入为对抗样本时图像分类的准确率。
对抗神经网络训练方法装置设备存储介质

[发明专利]基于跨模态知识蒸馏训练三维目标检测模型的方法和装置-CN202211296868.1在审
发明人：杨晓东;王泽宇;罗晨旭 -专利权人：苏州轻棹科技有限公司
申请日： 2022-10-21 - 公布日： 2023-02-03 - 主分类号： G06V20/56 文献下载
摘要：本发明实施例涉及一种基于跨模态知识蒸馏训练三维目标检测模型的方法和装置，所述方法包括：获取教师模型、学生模型、学生模型损失函数；从训练数据集获取训练数据；对教师模型到学生模型进行知识蒸馏的特征损失、注意力损失、相似度损失函数进行确定；并由学生模型损失函数、特征损失函数、注意力损失函数和相似度损失函数组成整体损失函数；对学生模型进行模型自训练；进行师生特征模仿训练；进行师生注意力模仿训练；进行师生相似度训练；
基于跨模态知识蒸馏训练三维目标检测模型方法装置

[发明专利]基于生成对抗性网络的红外和可见光图像融合方法及系统-CN202010751222.2在审
发明人：隋晓丹;王亚茹;冯飞燕;王雪梅;许源;丁维康;赵艳娜 -专利权人：山东师范大学
申请日： 2020-07-30 - 公布日： 2020-11-27 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了基于生成对抗性网络的红外和可见光图像融合方法及系统，包括：获取待融合的红外图像和可见光图像；将待融合的红外图像和可见光图像，同时输入到预先训练好的生成对抗性网络中，输出融合后的图像；作为一个或多个实施例，所述生成对抗性网络，包括：总的损失函数；所述总的损失函数，包括：内容损失函数、细节损失函数、目标边缘增强损失函数和对抗性损失函数。
基于生成对抗性网络红外可见光图像融合方法系统

[发明专利]一种使用色度损失函数训练的深度学习去噪方法-CN202310546033.5在审
发明人：彭丽媛;李文宏 -专利权人：上海宇勘科技有限公司
申请日： 2023-05-15 - 公布日： 2023-08-18 - 主分类号： G06V10/30 文献下载
摘要：本发明提供一种使用色度损失函数训练的深度学习去噪方法，包括：基于色度损失函数和重建损失函数，确定总损失函数；基于总损失函数，对去噪神经网络进行训练，获得去噪器；基于去噪器，对待处理图片进行去噪处理。本发明的使用色度损失函数训练的深度学习去噪方法，解决极低光环境下成像的大噪声图像在经过现有的神经网络去噪后仍包含大量彩色噪声斑块的技术问题。
一种使用色度损失函数训练深度学习方法

[发明专利]一种图像处理方法、装置及电子设备-CN202011519142.0在审
发明人：张恒 -专利权人：深圳市万普拉斯科技有限公司
申请日： 2020-12-21 - 公布日： 2022-06-21 - 主分类号： G06T7/11 文献下载
摘要：该方法包括：对训练图像进行裁切，生成训练图像对应的多张裁切图，并对每一裁切图进行美学打分；对训练图像进行目标识别，确定目标识别结果；对每一裁切图与预设的标准构图结果进行损失函数计算，确定构图损失函数；对目标识别结果与预设的标准识别结果进行损失函数计算，确定目标识别损失函数；确定构图损失函数和目标识别损失函数分别对应的损失权重，构造裁切损失函数；基于裁切损失函数，进行训练以生成图像裁切模型，并基于图像裁切模型进行图像裁切，以输出图像裁切结果。
一种图像处理方法装置电子设备

[发明专利]CT图像与MRI图像的跨模态转换方法和装置-CN202210236033.0在审
发明人：牛田野;童诺;葛昕;罗辰 -专利权人：深圳湾实验室
申请日： 2022-03-11 - 公布日： 2022-06-28 - 主分类号： G06T3/00 文献下载
摘要：图像的跨模态转换方法，包括：获取样本图像对；基于Cycle‑GAN构建学习系统，其中，两个生成网络根据输入图像生成第一结构特征、第一灰度特征以及生成图像，两个判别网络用于判断CT图像和MRI图像的真伪；构建学习系统的损失函数，包括生成网络的损失函数和判别网络的损失函数，其中，生成网络的损失函数包括基于结构特征的结构损失、基于生成图像的重建损失以及基于判别网络的判别结果的对抗损失；判别网络的损失函数包括对CT图像的判别损失和对MRI图像的判别损失；样本图像对和损失函数对学习系统进行参数优化以得到两个生成模型；利用两个生成模型实现CT图像与MRI图像之间转换。
ct 图像 mri 跨模态转换方法装置

[发明专利]任务模型迁移方法及装置、计算机可读存储介质、终端-CN202210752950.4在审
发明人：邵娜;吴倩;刘千顺 -专利权人：北京紫光展锐通信技术有限公司
申请日： 2022-06-29 - 公布日： 2022-10-11 - 主分类号： G06V10/56 文献下载
摘要：一种任务模型迁移方法及装置计算机可读存储介质、终端，所述方法包括：获取采用源域色彩空间图像作为原始训练数据对所述任务模型进行训练时的第一损失函数；确定目标域色彩空间的各个目标域色彩通道的损失函数的目标域权重值，采用第一损失函数的表达式以及所述目标域权重值构建第二损失函数，其中，第一损失函数的表达式包含由源域色彩空间的各个源域色彩通道的损失函数构成所述第一损失函数的一级表达式以及各个源域色彩通道的损失函数的二级表达式；基于第二损失函数，采用目标域色彩空间图像作为新训练数据对所述任务模型进行训练，得到迁移后任务模型。
任务模型迁移方法装置计算机可读存储介质终端

[发明专利]一种卷积神经网络的剪枝处理方法、数据处理方法及设备-CN202110221926.3在审
发明人：唐业辉;许奕星;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2021-02-27 - 公布日： 2021-07-02 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种卷积神经网络的剪枝处理方法、数据处理方法及设备，可应用于人工智能领域，包括：通过构建的目标损失函数对卷积神经网络进行稀疏化训练，该目标损失函数可包括三个子损失函数，第一子损失函数用来衡量输入样本复杂度，第二子损失函数用来衡量处理输入样本的剪枝后的子网络复杂度，第三子损失函数用来衡量不同输入样本之间的相似度。第二子损失函数根据通道重要性函数与动态权重得到，并在第一子损失函数的取值未达到第一阈值的情况下，输入样本复杂度越高，动态权重取值越小(呈反相关)，训练得到的通道重要性函数的稀疏性越小，剪枝越少，从而实现针对每个输入样本的灵活剪枝
一种卷积神经网络剪枝处理方法数据处理设备

[发明专利]一种基于生成对抗网络的微表情判别模型训练方法-CN202210562150.6在审
发明人：付晓峰;周楗波;孙曜;赵伟华;计忠平 -专利权人：杭州电子科技大学
申请日： 2022-05-23 - 公布日： 2022-09-06 - 主分类号： G06V10/774 文献下载
摘要：包括：S1使用生成图像和目标图像的L1范数作为像素重建的第一损失函数，对生成器进行第一预训练；S2使用分类结果的交叉熵损失、增强标签的交叉熵损失的总和作为第二损失函数，对判别器进行第二预训练；S3将经过第一预训练的生成器、第二预训练的判别器进行连接，以生成对抗网络模型；S4基于第一损失函数、第二损失函数，并引入对抗损失函数，对对抗网络模型进行联合训练，以得到训练后的微表情判别模型，在对抗损失函数中，生成器以对抗损失函数最小化为目标，判别器以对抗损失函数最大化为目标。
一种基于生成对抗网络表情判别模型训练方法

[发明专利]类相关性预测改进方法、装置、计算机设备及存储介质-CN202211559865.2有效
发明人：杜杰;王晶;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-06 - 公布日： 2023-08-04 - 主分类号： G06N3/047 文献下载
摘要：所述方法包括：获取待预测图像，以得到样本集；构建预测网络以及损失函数；利用所述样本集对所述预测网络进行训练，对训练所得的结果进行规范化处理，以得到预测概率值；采用所述损失函数结合所述预测概率值对训练后的预测网络进行调整；其中，所述损失函数包括交叉熵损失函数以及类损失函数；所述类损失函数包括用于拉近相似类的网络输出值产生的损失的类内损失函数以及用于拉远不相似类的预测产生的损失的类间损失函数。
相关性预测改进方法装置计算机设备存储介质

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top