“特征模型”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3060451个，建议您升级VIP下载更多相关专利

[发明专利]声学模型训练方法、语音识别方法、装置、设备及介质-CN201710627480.8有效
发明人：梁浩;王健宗;程宁;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2017-07-28 - 公布日： 2021-03-26 - 主分类号： G10L15/02 文献下载
摘要：本发明公开了一种声学模型训练方法、语音识别方法、装置、设备及介质。该声学模型训练方法包括：对训练语音信号进行特征提取，获取音频特征序列；采用音素混合高斯模型‑隐马尔科夫模型对所述音频特征序列进行训练，获取音素特征序列；采用深度神经网络模型‑隐马尔科夫模型‑序列训练模型对所述音素特征序列进行训练，获取目标声学模型。该声学模型训练方法可有效节省声学模型训练所需时间，提高训练效率，并保证识别效率。
声学模型训练方法语音识别装置设备介质

[发明专利]一种基于特征一致性的无监督行人重识别方法-CN202111038158.4在审
发明人：郭继峰 -专利权人：海南智晶科技有限公司
申请日： 2021-09-06 - 公布日： 2021-10-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于特征一致性的无监督行人重识别方法。包括如下步骤：1：基于随机特征掩码设计具有鲁棒性的特征提取模型，之后基于特征提取模型计算时间平均模型；2：将行人图像分别馈送到特征提取模型和时间平均模型两次，得到四个特征，通过一致性损失使四个特征相互逼近；3：对特征提取模型所提取的特征进行聚类，之后依据独立性和紧凑型对聚类结果进行调整，最终基于聚类结果对模型进行微调。本发明设计的基于特征一致性的方法旨在通过随机掩盖图像的部分信息使特征提取模型更加关注图像的高级语义信息，从而提升特征提取模型的鲁棒性。
一种基于特征一致性监督行人识别方法

[发明专利]具有突变特征的复杂曲面模型的快速分割方法-CN201410064522.8有效
发明人：王福吉;马建伟;许强;贾振元;秦纪云;杨彦宇 -专利权人：大连理工大学
申请日： 2014-02-25 - 公布日： 2014-05-07 - 主分类号： G05B19/4099 文献下载
摘要：本发明一种具有突变特征的复杂曲面模型的快速分割方法属于复杂曲面模型的五轴数控机床高精密高效加工领域，特别涉及具有局部突变特征的复杂曲面模型的快速分割方法。该方法将模型上的复杂特征用一组特征长度线段表示，通过对特征长度组的分类提取，实现模型特征的分类提取；先将待加工的CAD模型转换成曲面模型文件；再将模型拆分成独立特征的曲面片，提取这些特征曲面片的特征长度组；对这些特征长度组进行排序并分组，实现基于曲面模型特征的快速分割。该方法实现了在良好保证局部特征的加工质量的同时，降低五轴机床的加工难度，以较低的成本，获得较高的复杂曲面零件的整体加工质量，具有较高的通用性和普适性。
具有突变特征复杂曲面模型快速分割方法

[发明专利]特征选择方法、装置、电子设备及存储介质-CN202210332002.5在审
发明人：赵翔宇;王叶晶;徐童;吴贤;王巨宏;张猛 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-30 - 公布日： 2023-10-24 - 主分类号： G06F18/2113 文献下载
摘要：本申请提供了一种特征选择方法、装置、电子设备、计算机可读存储介质及计算机程序产品；可以应用于车载场景，方法包括：调用特征选择模型从控制器模型读取训练样本的多个特征分别对应的权重，并将权重对应融合至每个特征；基于融合有权重的每个特征，调用特征信息挖掘模型执行测试任务，得到测试结果；基于测试结果与训练样本的标记结果的差异进行反向传播处理，以更新特征信息挖掘模型和控制器模型；调用特征选择模型从控制器模型读取更新的权重，基于更新的权重从多个特征中筛选出部分特征进行组合，得到组合特征。通过本申请，能够准确和高效地从大规模数据集中筛选出用于供模型执行预测任务的组合特征。
特征选择方法装置电子设备存储介质

[发明专利]确定两个或多个模型之间的区别的方法-CN99812190.8无效
发明人：塔德·A德弗勒;亚历山大·科索斯基;萨斯特赖·南杜里 -专利权人：联合想象计算机公司
申请日： 1999-10-15 - 公布日： 2001-12-05 - 主分类号： G06F17/30 文献下载
摘要：一种比较第一模型和第二模型的方法。该方法包括识别第一模型和第二模型中的元数据,针对第一模型的元数据的对象计算第一组特征标记,和针对第二模型的元数据的对象计算第二组特征标记。相互对应的第一模型的对象和第二模型的对象具有相同特征标记。该方法还包括确定第一组特征标记中的哪些特征标记与第二组特征标记中的特征标记匹配。该方法还包括针对匹配的特征标记确定与第一组特征标记中的特征标记相关联的对象是否等同于与第二组特征标记中的特征标记相关联的对象。
确定两个模型之间区别方法

[发明专利]数字人体试衣方法及系统-CN202010739574.6在审
发明人：蒋亚洪;潘永路 -专利权人：杭州优链时代科技有限公司
申请日： 2020-07-28 - 公布日： 2020-10-30 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了数字人体试衣方法及系统，步骤包括：获取人体特征信息；利用所述人体特征信息生成真人数字模型；获取衣物特征信息，所述衣物特征信息包括多个特征点；根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点；利用骨骼绑定技术驱动真人数字模型运动；利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；将所述整合模型显示在屏幕上。
数字人体试衣方法系统

[发明专利]模型更新装置及方法、数据处理装置及方法、程序-CN201310647831.3在审
发明人：夏迎炬;孙健;王云芝;李中华 -专利权人：富士通株式会社
申请日： 2013-12-04 - 公布日： 2015-06-10 - 主分类号： G06F17/30 文献下载
摘要：本申请公开了一种模型更新装置及方法、数据处理装置及方法，用于对多模型系统中的目标模型进行更新，其中，多模型系统中的各个模型是针对训练数据集采用不同方式预先训练得到的模型，该模型更新装置包括：伪标签获取单元，使用校准模型对待测数据集进行处理，并将处理的结果作为伪标签；第一特征分布获取单元，基于伪标签获得待测数据集的特征分布；第二特征分布获取单元，基于目标模型获取训练数据集的特征分布；调整单元，基于训练数据集的特征分布和待测数据集的特征分布来调整目标模型的特征空间划分，以使得训练数据集和待测数据集针对该特征空间划分具有类似的分布；以及更新单元，基于调整后的特征空间划分使用训练数据集来更新目标模型。
模型更新装置方法数据处理程序

[发明专利]一种特征提取模型生成方法、图像检索方法、装置及设备-CN202010777228.7在审
发明人：贾弼然;顾文剑;蔡巍;张霞 -专利权人：沈阳东软智能医疗科技研究院有限公司
申请日： 2020-08-05 - 公布日： 2020-11-24 - 主分类号： G06F16/55 文献下载
摘要：本申请实施例公开了一种特征提取模型生成方法、图像检索方法、装置及设备，该特征提取模型生成方法包括：在获取到训练图像之后，先将该训练图像输入图像分类模型，获取图像分类模型中的特征提取层输出的训练图像的图像特征、以及图像分类模型中的类别预测层输出的训练图像的预测类别，并对训练图像的图像特征进行聚类得到训练图像的当前聚类类别；再根据训练图像的预测类别和训练图像的当前聚类类别，更新图像分类模型的模型参数，并返回执行上述将训练图像输入图像分类模型以及后续步骤，直至达到停止条件，根据图像分类模型中的特征提取层生成特征提取模型，如此使得该特征提取模型能够从图像中提取出用于准确地表征图像携带的信息的图像特征。
一种特征提取模型生成方法图像检索装置设备

[发明专利]一种基于反向注意力模型的语义分割方法-CN202010513903.5在审
发明人：李磊;董卓莉;费选;母亚双;李卫东;王贵财;石帅锋;李铮 -专利权人：河南工业大学
申请日： 2020-06-08 - 公布日： 2020-09-18 - 主分类号： G06K9/34 文献下载
摘要：本发明涉及一种基于反向注意力模型的语义分割方法；其主要是先获取图像数据集，构建训练集和测试集；构建深度语义分割网络模型，所述深度语义分割网络模型包括基础网络模型和反向注意力模型；将基础网络输出的特征输入反向注意力模型计算注意视图，将该注意力视图分别逐步反作用于基础语义分割网络低层输出特征，并和基础网络输出特征及其上采样特征融合得到最终分割结果；该模型仅使用基础语义分割网络输出特征计算注意力视图，指导低层特征融入基础语义分割网络输出特征，从而抑制模型低层特征中的噪声，提升了语义分割模型的鲁棒性和分割精度；同时，为基础语义分割模型的高层输出特征增加基于Gumbel softmax的损失函数，以加快模型训练的速度。
一种基于反向注意力模型语义分割方法

[发明专利]目标检测方法、装置、计算机设备和存储介质-CN201911323451.8在审
发明人：李婷;郑恩;闫亚娣 -专利权人：西安天和防务技术股份有限公司
申请日： 2019-12-20 - 公布日： 2020-05-19 - 主分类号： G06K9/00 文献下载
摘要：所述方法包括：通过预设的检测模型对待检图片进行检测，得到检测目标；其中，检测模型为深度卷积神经网络模型，检测模型包括至少两个识别子模型、和融合子模型，每个识别子模型用于识别得到一种类别的目标特征图；分别采用每个识别子模型，提取待检图片中对应类别的图像特征，得到目标特征图；采用融合子模型，将至少两种目标特征图进行特征融合，得到融合特征图通过融合特征图表征检测目标；其中，融合特征图中包括在待检图片中提取的所有图像特征。采用本方法能够对网络模型进行压缩，简化了网络模型，减少了冗余检测运算过程，降低了实时检测目标的内存占用，提高了目标检测效率。
目标检测方法装置计算机设备存储介质

[发明专利]一种模型的训练方法、装置、设备及其存储介质-CN202011240426.6在审
发明人：沈旭;黄镇;黄建强 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-11-09 - 公布日： 2022-05-13 - 主分类号： G06V10/764 文献下载
摘要：本申请实施例提供了一种模型的训练方法、装置、设备及其存储介质。通过确定规模较小的第一模型在隐含层所产生的第一模型特征向量，以及确定规模较大的第二模型在隐含层所产生的第二模型特征向量，从而将第一模型特征向量和第二模型特征向量映射到相同维度的向量空间，将第二模型特征向量划分为第一子特征向量和第二子特征向量，并使用第一损失值来表征第一子特征向量用于继承第一模型学习到的知识，以及使用第二损失值来表征第二子特征向量探索第一模型没有学到的知识，进而基于第一损失值和第二损失值来训练第二模型。
一种模型训练方法装置设备及其存储介质

[发明专利]人体姿态估计模型、模型训练方法及人体姿态估计方法-CN202210223487.4在审
发明人：陈振鹏;钱贝贝;陈宇 -专利权人：奥比中光科技集团股份有限公司
申请日： 2022-03-07 - 公布日： 2022-07-22 - 主分类号： G06V40/10 文献下载
摘要：本申请公开了一种人体姿态估计模型、模型训练方法及人体姿态估计方法，训练方法包括将当前帧图像的上一帧图像输入预设前序特征模型，通过预设前序特征模型确定上一帧图的前序特征图；将前序特征图及当前帧图像输入待训练人体姿态估计模型，得到预测特征图；基于预测特征图及真值特征图对待训练人体姿态估计模型进行训练，得到人体姿态估计模型。本实施例通过采用基于单帧图像帧训练得到的预设前序特征模型对人体姿态估计进行监督，可以利用单帧图像帧的数据丰富性特点，同时将当前帧图像以及上一帧图像的前序特征图作为人体姿态估计模型的输入项，可以学习到相邻图像帧间的时空信息，提高了训练得到的人体姿态估计模型的模型性能。
人体姿态估计模型训练方法

[发明专利]一种活体检测模型训练方法、装置、存储介质及电子设备-CN202211743671.8在审
发明人：曹佳炯 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-12-28 - 公布日： 2023-06-13 - 主分类号： G06V40/40 文献下载
摘要：本申请公开了一种活体检测模型训练方法、装置、存储介质及电子设备，其中方法包括：获取训练样本集合的特征信息，将特征信息输入时序模型，以确定各训练样本的时序关系，基于时序关系获取特征信息的特征向量，计算时序模型的时序损失函数，基于时序损失函数确定时序模型的第一状态，直至第一状态指示时序模型收敛，得到训练完成的时序模型，将特征向量输入跨域适配模型，获取适配后的适配特征向量以及活体预测结果，基于适配特征向量得到各适配特征向量的适配时序关系以及迁移特征计算跨域适配模型对应的跨域适配损失函数，基于跨域适配损失函数确定跨域适配模型的第二状态，直至第二状态指示跨域适配模型收敛，得到训练完成的跨域适配模型。
一种活体检测模型训练方法装置存储介质电子设备

[发明专利]数据特征处理方法及数据特征处理装置-CN202010998380.8有效
发明人：顾凌云;谢旻旗;段湾;刘辉;陶帅;潘峻;张涛 -专利权人：上海冰鉴信息科技有限公司
申请日： 2020-09-22 - 公布日： 2020-12-04 - 主分类号： G06F16/906 文献下载
摘要：本发明提供的数据特征处理方法及数据特征处理装置，首先对多组业务数据进行排序得到业务数据排序序列并确定出跨时间验证集以及建模样本数据以采用预设分类器建立识别模型。其次根据识别模型及其增益指标计算业务数据的数据特征的特征重要性数值并以建模样本数据为基准计算相关性系数矩阵。然后根据相关性系数矩阵确定模型待选特征。最后将模型待选特征分批次导入预设分类器以确定模型基准性能数据。如此，能够依据特征重要性数值排序剔除高相关特征，能够减少模型建立过程中的运算时间和内存需求，降低模型复杂度以方便模型的实际运用与后期维护，结合特征重要性与模型性能两个维度在保证模型性能的情况下极大降低模型运算的资源消耗
数据特征处理方法装置

[发明专利]一种基于卷积神经网络的3D打印图形识别方法-CN202110969293.4有效
发明人：隋少春;荣鹏;高川云 -专利权人：成都飞机工业（集团）有限责任公司
申请日： 2021-08-23 - 公布日： 2022-01-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的3D打印图形识别方法，将同一对象的两个不同拍摄角度的图片分别输入第一特征提取模型、第二特征提取模型中并提取图像特征，并得到对应的预测标签，将得到的两个预测标签以及图片的原始预设标签分别输入到判别模型中得到识别结果；所述判别模型的损失值包括第一特征提取模型输出的预测标签与原始预设标签、第二特征提取模型输出的预测标签与原始预设标签以及第一特征提取模型输出的预测标签与第二特征提取模型输出的预测标签之间的损失值。本发明通过第一特征提取模型、第二特征提取模型有效提高了判别模型的精度，具有较好的实用性。
一种基于卷积神经网络打印图形识别方法