“深度模型”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1075939个，建议您升级VIP下载更多相关专利

[发明专利]深度学习模型训练方法、装置及电子设备-CN201910943965.7在审
发明人：章良君 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-09-30 - 公布日： 2021-03-30 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例提供了深度学习模型训练方法、装置及电子设备，应用于计算机视觉技术领域，该方法包括：获取已训练的目标检测模型，目标检测模型包括前景及背景识别结构；利用目标检测模型的背景识别参数，对待训练的初始深度学习模型进行初始化，得到初始化后的初始深度学习模型，其中，初始深度学习模型包括前景及背景识别结构；利用预设样本图片对初始化后的初始深度学习模型进行训练，得到训练后的目标深度学习模型。利用已训练的目标检测模型的背景识别参数对初始深度学习模型进行初始化，初始化后的初始深度学习模型已经具有了较强的背景识别能力，并含有鲁棒的目标特征提取能力，容易训练至收敛，增加深度学习模型目标检测的准确性
深度学习模型训练方法装置电子设备

[发明专利]一种细粒度识别模型的压缩方法和设备-CN202011285432.3有效
发明人：尹继圣 -专利权人：深圳感臻科技有限公司
申请日： 2020-11-17 - 公布日： 2021-07-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种细粒度识别模型的压缩方法和设备，包括：步骤1、获取用于细粒度识别的深度神经网络模型；步骤2、对深度神经网络模型的缩放因子添加L1正则约束后进行训练；步骤3、在完成训练后，根据缩放因子对训练完成后的深度神经网络模型进行逐层剪枝处理；步骤4、对完成剪枝的深度神经网络模型进行调整以减小剪枝对模型带来的精度损失，得到调整后的深度神经网络模型。步骤5、重复执行步骤2‑步骤4，直到得到的深度神经网络模型符合预设模型剪枝阈值的条件，且将符合条件的深度神经网络模型作为最终模型。本方案通过多次根据缩放因子对训练完成后的深度神经网络模型进行逐层剪枝处理的方式，有效压缩了深度神经网络模型。
一种细粒度识别模型压缩方法设备

[发明专利]量化定点模型的训练方法、装置及电子设备-CN202111664630.5在审
发明人：胡建兵;袁涛 -专利权人：湖南国科微电子股份有限公司
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例提供了一种量化定点模型的训练方法、装置及电子设备，其中方法包括：获取标准浮点训练数据和标准定点训练数据；根据深度学习浮点模型、初始深度学习定点模型、标准浮点训练数据、标准定点训练数据、预设构造函数、预设相似度计算函数确定与深度学习浮点模型对应的量化定点模型。这样，可以通过预设构造函数、预设相似度计算函数获取与深度学习浮点模型匹配的深度学习定点模型，能快速实现深度学习浮点模型量化为深度学习定点模型，提高量化的精度。
量化定点模型训练方法装置电子设备

[发明专利]一种用于获取最优深度学习模型的方法和系统-CN202210486649.3在审
发明人：周源;陶星开;刘宇涵;刘宇飞;陈吉红 -专利权人：清华大学;华中科技大学;中国工程院战略咨询中心
申请日： 2022-05-06 - 公布日： 2022-08-05 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种用于获取最优深度学习模型的方法，包括：获取科研人员输入的参数，包括任务、与该任务对应的深度学习模型名称NameModel、实现该深度学习模型对应的深度学习框架名称NameFramework、以及该深度学习模型的结构参数，获取科研人员输入的、与参数相关的数据，对该数据进行预处理，以得到预处理后的数据，对深度学习模型名称NameModel深度学习框架名称NameFramework进行处理，以建立所需的深度学习模型，将预处理后的数据输入建立的深度学习模型中进行训练，以得到最终的最优深度学习模型。本发明能够解决现有深度学习在数控机床领域的应用过程中，深度学习算法代码实现、算法环境配置、模型调试过程费时费力，且成本高昂的技术问题。
一种用于获取最优深度学习模型方法系统

[发明专利]一种基于深度强化学习的物理模型校准方法及系统-CN202310177140.5在审
发明人：李晓瑜;陆超;杨彩琼;周秋宇;钱伟中;郑德生;周永 -专利权人：电子科技大学;中国航发四川燃气涡轮研究院
申请日： 2023-02-28 - 公布日： 2023-05-30 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于深度强化学习的物理模型校准方法及系统，包括：从物理实验中观测到多通道的实验数据，并根据所述实验数据构建物理模型；将所述实验数据输入到深度学习模型中，通过深度学习模型对实验数据进行预测得到预测值；将所述预测值作为物理模型的中间变量参与物理模型的计算，得到仿真值；根据所述仿真值优化所述深度学习模型。本发明中深度学习模型的输出用于优化物理模型，物理模型的输出反馈优化深度学习模型形成嵌入式的融合模型，保证物理模型校准成功。
一种基于深度强化学习物理模型校准方法系统

[发明专利]一种深度强化学习模型的组合方法、装置及计算机设备-CN202010009647.6在审
发明人：温建伟;王宇杰;袁潮;方璐 -专利权人：北京拙河科技有限公司
申请日： 2020-01-06 - 公布日： 2020-06-05 - 主分类号： G06N3/04 文献下载
摘要：本文公开了一种深度强化学习模型的组合方法、装置及计算机设备，涉及深度强化学习技术。本文公开的一种深度强化学习模型的组合方法，包括：确定组合使用的多个深度强化学习模型中每个深度强化学习模型的权重信息，将待处理数据分别传输至组合使用的多个深度强化学习模型，得到多个输出数据；对多个输出数据按照对应的深度强化学习模型的权重信息进行加权平均值计算，计算的结果为组合使用多个深度强化学习模型的输出结果。本申请技术方案基于不同的深度强化学习模型的权重信息，确定组合使用多个深度强化学习模型的输出结果。得到的输出结果更准确更高效。
一种深度强化学习模型组合方法装置计算机设备

[发明专利]人工智能框架的深度学习模型适配方法、装置及电子设备-CN202310001865.9在审
发明人：田二林;程静;李宝珍;张永霞;梁维德;朱增超 -专利权人：郑州轻工业大学
申请日： 2023-01-03 - 公布日： 2023-04-18 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种人工智能框架的深度学习模型适配方法、装置及电子设备，应用于深度学习技术领域，包括：构建并训练人工智能框架的深度学习模型，结合目标硬件的信息，查询转换路径表，得到深度学习模型匹配的目标转换路径；根据目标转换路径，对深度学习模型进行转换，并进行优化与压缩，得到适配目标硬件的目标深度学习模型。本发明通过综合深度学习模型以及需适配的目标硬件的信息，查询转换路径表，得到目标转换路径，并根据每次转换的转换前模型与转换后模型的映射关系生成转换任务，进行连续多次转换，随后进行优化与压缩，得到适配目标硬件的目标深度学习模型，实现了将各种人工智能框架下的深度学习模型与任意人工智能芯片适配。
人工智能框架深度学习模型配方装置电子设备

[发明专利]基于超参优化的深度强化学习模型的训练方法、装置-CN202011621981.3在审
发明人：张玥;尹泽夏;霍雨森;王小波;郑宇 -专利权人：京东城市（北京）数字科技有限公司
申请日： 2020-12-31 - 公布日： 2021-11-30 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于超参优化的深度强化学习模型的训练方法、装置，其中，方法包括：获取多个初始超参数组合，和多个第一深度强化学习模型；采用初始超参数组合中的多个超参数训练多个第一深度强化学习模型，以得到与多个第一深度强化学习模型分别对应的训练评价指标；根据训练评价指标从多个第一深度强化学习模型之中筛选出第二深度强化学习模型；采用与第二深度强化学习模型对应的多个目标超参数对初始超参数组合进行优化处理，以形成目标超参数组合；得到目标深度强化学习模型。由此，将超参数优化与模型训练结合起来实现深度强化学习模型的训练，不仅可训练出性能更高的深度强化学习模型，而且可使训练出的模型适应更广泛的应用场景。
基于优化深度强化学习模型训练方法装置

[发明专利]深度学习模型转换方法、系统及装置-CN201911267114.1有效
发明人：冯仁光;叶挺群;王鹏 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-12-11 - 公布日： 2023-09-26 - 主分类号： G06F8/20 文献下载
摘要：本申请实施例提供一种深度学习模型转换方法、系统及装置，该方法包括：获取第一模型的中间表示格式，所述第一模型为在第一深度学习框架下可识别的模型，所述第一模型中包括公共层和自定义层，所述中间表示格式为多个深度学习框架下进行模型转换的统一表示格式，所述公共层为多个深度学习框架中均包括的层，即开源支持的层，所述自定义层为根据所述第一模型的功能进行配置得到的层，所述多个深度学习框架包括所述第一深度学习框架和第二深度学习框架；根据所述第一模型的中间表示格式和所述第二深度学习框架，得到第二模型，所述第二模型为在所述第二深度学习框架下可识别的模型。本申请实施例能够实现针对包括自定义层的深度学习模型的转换。
深度学习模型转换方法系统装置

[发明专利]一种可消除井震闭合差的速度建模方法及处理终端-CN202010126532.5有效
发明人：薛花;杜民 -专利权人：广州海洋地质调查局;南方海洋科学与工程广东省实验室（广州）
申请日： 2020-02-27 - 公布日： 2021-04-06 - 主分类号： G01V1/30 文献下载
摘要：本发明公开一种可消除井震闭合差的速度建模方法及处理终端，所述方法包括如下步骤：步骤1：获得深度域层速度模型，深度域层速度模型至少包括速度三分量信息，对深度域层速度模型进行叠前深度偏移计算；步骤2：建立构造模型，计算出每个井分层对应的井震闭合差；步骤3：通过保持旅行时层析成像求得井震闭合差更新迭代后的深度域层速度模型；步骤4：重新对步骤3得到的更新迭代后的深度域层速度模型进行叠前深度偏移计算，得到叠前深度偏移剖面；步骤5：重复步骤2‑步骤4进行深度域层速度模型优化迭代，获得最终的成像结果剖面，完成速度建模。本发明建立的速度模型能够有效解决地震深度与井深度误差的问题，提高了速度模型的精度。
一种消除闭合速度建模方法处理终端

[发明专利]一种叠前深度偏移速度质控方法、装置、介质及电子设备-CN202110541352.8有效
发明人：张振波;刘军;张星宇;张志伟;唐晶;全先晋 -专利权人：中海石油（中国）有限公司深圳分公司;京全品质能源技术（北京）有限公司
申请日： 2021-05-18 - 公布日： 2023-10-20 - 主分类号： G01V1/30 文献下载
摘要：本申请实施例公开了一种叠前深度偏移速度质控方法、装置、介质及电子设备。该方法包括：根据地震数据，构建叠前深度偏移速度模型；对所述叠前深度偏移速度模型进行处理，得到叠前时间偏移速度模型；若所述叠前时间偏移速度模型满足预设速度精度约束条件，则获得待处理叠前深度偏移速度模型，并利用所述待处理叠前深度偏移速度模型对目标线进行叠前深度偏移处理，得到叠前深度偏移数据；利用预设质量控制规则对所述叠前深度偏移数据进行质量控制，得到目标叠前深度偏移速度模型。本技术方案，可以将叠前深度偏移速度模型转换到时间域进行处理，减少速度模型更新迭代过程中的叠前深度偏移次数，提高速度建模效率，缩短地震资料处理周期。
一种深度偏移速度方法装置介质电子设备

[发明专利]一种机械车位检测系统及检测方法-CN202111616852.X在审
发明人：段成伟;王卫鑫;段勃勃 -专利权人：上海映驰科技有限公司
申请日： 2021-12-27 - 公布日： 2022-03-01 - 主分类号： H04N5/225 文献下载
摘要：一种机械车位检测系统，包括：深度学习目标检测模型，用于检测机械车位的边缘点和边缘线；深度学习分割模型，用于检测机械车位的可通行区间和机械车位边界处的凸起边缘；深度学习深度预测模型，用于预测单目相机的像素深度值；超声波雷达检测模型，用于检测待泊车辆周围的障碍物；融合模块，基于深度学习目标检测模型、深度学习分割模型、深度学习深度预测模型，及超声波雷达检测模型的感知结果，融合出机械车位和位置坐标并输出。
一种机械车位检测系统方法

[发明专利]对深度学习模型进行加速处理的方法-CN202211397978.7在审
发明人：张洁靖;陈小波;王文特;郑来文;贾平;张羽飞;王雅洁;陈不骄;周伯乐 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-11-09 - 公布日： 2023-02-03 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种对深度学习模型进行加速处理的方法。其中，该方法包括：监测到量化加速指令，触发待执行加速处理的深度学习模型，其中，深度学习模型为预先训练完成的神经网络模型；获取真实环境中采集到的目标数据；基于目标数据对深度学习模型进行动态量化处理，得到深度学习模型的目标量化参数；基于目标量化参数，通过加速处理器对深度学习模型进行加速处理，得到目标数据的目标结果。本申请解决了相关技术中深度学习模型的处理效率较低的技术问题。
深度学习模型进行加速处理方法

[发明专利]一种继承具体应用模型的深度学习模型的训练方法和系统-CN201811317357.7在审
发明人：赵铭;林镇锋;易文峰;杨育;杨正刚;李小芬;徐文娟 -专利权人：深圳市康拓普信息技术有限公司
申请日： 2018-11-07 - 公布日： 2019-03-29 - 主分类号： G06N3/08 文献下载
摘要：一种继承具体应用模型的深度学习模型的训练方法和系统；所述训练方法包括以下步骤：步骤S1、找出与深度学习模型的待训练应用相关的具体应用模型；步骤S2、自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；步骤S3、自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。本发明的继承具体应用模型的深度学习模型的训练方法和系统设计巧妙，实用性强。
应用模型学习训练应用初始化继承系统设计训练数据应用

[发明专利]基于模糊样本分析的深度学习模型去偏方法-CN202211191728.8在审
发明人：陈晋音;李秦峰;郑海斌 -专利权人：浙江工业大学
申请日： 2022-09-28 - 公布日： 2022-12-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于模糊样本分析的深度学习模型去偏方法，包括：选取原始数据集，并对原始数据集中的敏感属性进行one‑hot编码扩充，对其他属性进行保留，构建并训练第一深度学习模型，所述第一深度学习模型记为偏见模型；使用偏见指标函数对偏见模型的偏见程度进行检测；对原始数据集基于模糊样本分析进行数据增强：构建第二深度学习模型，利用数据增强后的数据对第二深度学习模型进行训练，通过偏见指标函数对第二深度学习模型的偏见程度进行检测，直至第二深度学习模型的预测准确率达到预设的阈值，完成深度学习模型去偏。
基于模糊样本分析深度学习模型偏方