“解码器模型”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9242740个，建议您升级VIP下载更多相关专利

[发明专利]手写公式识别方法、手写公式识别模型的训练方法及装置-CN202211348132.4在审
发明人：石瑞姣 -专利权人：京东方科技集团股份有限公司
申请日： 2022-10-31 - 公布日： 2023-01-13 - 主分类号： G06V30/18 文献下载
摘要：一种手写公式识别方法、手写公式识别模型的训练方法及装置，该手写公式识别方法包括：获取待识别图像，对所述待识别图像的尺寸进行调整；将调整后的所述待识别图像输入编码器，得到所述待识别图像的降采样特征图；初始化解码器的输入，将所述待识别图像的降采样特征图和所述解码器的输入循环输入所述解码器，直到所述解码器识别结束和/或所述解码器达到预设的最大循环次数，每次循环得到的解码器的输出作为下一次循环时所述解码器的输入；将每次循环得到的所述解码器的输出组合成输出序列
手写公式识别方法模型训练装置

[发明专利]一种基于自解码的特征增强网络优化方法及系统-CN202210624662.0在审
发明人：徐涛;路丘;董吉文 -专利权人：济南大学
申请日： 2022-06-02 - 公布日： 2022-09-06 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于自解码的特征增强网络优化方法及系统，包括以下步骤：S1、构建自解码器模块；S2、将自解码器模块引入到一般的基于卷积神经网络的物体检测模型中，将构建好的自解码器模块引入到物体检测模型的骨干网络；S3、划分物体检测数据集；S4、对数据集中的图像进行预测处理；S5、使用训练数据用物体检测模型和解码器进行协同训练；S6、将自解码器移除；S7、将验证数据送入到检测模型进行检测；S8、得到检测结果，将
一种基于解码特征增强网络优化方法系统

[发明专利]图像识别模型训练方法、装置、计算机设备和存储介质-CN202211487311.6在审
发明人：郑筠;张云翔 -专利权人：深圳供电局有限公司
申请日： 2022-11-25 - 公布日： 2023-03-14 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种图像识别模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取第一训练集和第二训练集；所述第一训练集中包括多张未标注图像，所述第二训练集中包括多张标注图像；基于所述第一训练集中的未标注图像，对初始编码器和第一解码器进行训练，得到所述初始编码器对应的中间编码器；基于所述第二训练集中的标注图像，对所述中间编码器和第二解码器进行训练，得到所述中间编码器对应的目标编码器和所述第二解码器对应的目标解码器；基于所述目标编码器和所述目标解码器，得到目标图像识别模型。采用本方法能提高图像识别模型的准确性。
图像识别模型训练方法装置计算机设备存储介质

[发明专利]基于降噪自编码器的SCMA编解码器模型的建立方法-CN201910746945.0有效
发明人：胡艳军;胡梦钰;蒋芳;王翊;许耀华 -专利权人：安徽大学
申请日： 2019-08-14 - 公布日： 2021-09-14 - 主分类号： H04L1/00 文献下载
摘要：本发明涉及一种基于降噪自编码器的SCMA编解码器模型的建立方法，包括：建立基于降噪自编码器与全连接神经网络的SCMA编码器，将用户的原始输入数据映射为码字；将每个资源块上的所有用户的码字叠加传输，再将每个资源块上的信号叠加信道噪声；在接收端建立基于全连接神经网络的SCMA解码器，解码出所有用户的原始输入数据；训练基于降噪自编码器的SCMA编解码器模型；测试上述基于降噪自编码器的SCMA编解码器模型的BER性能。相比较于传统的SCMA系统，本发明降低了编解码复杂度；相比较于现有的基于深度学习的SCMA系统模型，本发明进一步降低了误码率；相比较于现有的基于深度学习的SCMA系统模型，本发明具有更快的训练收敛速度。
基于编码器 scma 编解码器模型建立方法

[发明专利]翻译模型的生成方法、装置、可读存储介质及电子设备-CN202011613464.1有效
发明人：高体伟;孙伟;李崇岭;魏太云;苏萌;左云鹏;刘译璟;苏海波 -专利权人：北京百分点科技集团股份有限公司
申请日： 2020-12-30 - 公布日： 2022-10-21 - 主分类号： G06F40/42 文献下载
摘要：本公开涉及一种翻译模型的生成方法、装置、可读存储介质及电子设备。所述翻译模型包括编码器和解码器，其中，所述编码器包括多个特征提取层，所述方法包括：获取所述编码器的所述多个特征提取层之间的层间注意力模型；根据所述编码器的层间注意力模型，确定编码器解码器的注意力模型；基于所述层间注意力模型和所述编码器解码器的注意力模型，生成所述翻译模型。如此，通过层间注意力模型，综合考虑编码器的每个特征提取层输出的特征向量，使得编码器最终输出的向量包含源语言文本序列更多维度的特征信息，进而使解码器生成的译文更能准确地表达原文含义，即，提高了翻译模型对原文翻译的准确度
翻译模型生成方法装置可读存储介质电子设备

[发明专利]一种层级门控交叉Transformer红外弱小目标检测方法-CN202310888676.8在审
发明人：穆廷魁;杨获任 -专利权人：西安交通大学
申请日： 2023-07-19 - 公布日： 2023-10-20 - 主分类号： G06V10/82 文献下载
摘要：一种层级门控交叉Transformer红外弱小目标检测方法，检测模型采用单编码器‑多解码器架构的基于交叉注意力机制的层级门控Transformer网络，单编码器为任务驱动门控交叉注意力Transformer编码器级，包含多个编码器层，编码器层之间由下采样卷积层连接；每个编码器层包含多个串联的编码器；多解码器为多个特征门控交叉注意力Transformer解码器级，包含多个解码器层，解码器层之间通过交叉注意力机制连接，每个解码器层包含多个串联的解码器，编码器包含基于窗口的任务驱动交叉注意力编码模块，解码器包含基于窗口的特征交叉注意力解码模块；本发明可解决检测虚警率高、识别率低的问题。
一种层级门控交叉 transformer 红外弱小目标检测方法

[发明专利]一种基于特征金字塔的神经机器翻译方法-CN202210073567.6在审
发明人：毕东;付舒 -专利权人：沈阳雅译网络技术有限公司
申请日： 2022-01-21 - 公布日： 2022-05-24 - 主分类号： G06F40/58 文献下载
摘要：本发明公开一种基于特征金字塔的神经机器翻译方法，步骤为：将预处理后的源语言输入送入翻译模型的编码器端编码成不同维度的上下文向量；编码器的隐层维度在前馈过程中成金字塔型缩放并分为不同子块；在编解码器注意力权重的计算过程中，对不同维度的编码键向量和解码查询向量进行不同尺度的多头分割；将不同维度的编解码注意力计算结果加权平均，得到最终的编解码器注意力输出向量，解码器通过堆叠的解码器层将源语上下文向量解码成目标语译文，并通过交叉熵损失函数进行梯度更新，优化翻译模型的权重。本发明降低了编解码器注意力计算中的冗余计算，解决了编解码注意力计算中维度不一致问题，有效融合不同尺度的源语特征，提高模型的翻译质量。
一种基于特征金字塔神经机器翻译方法

[发明专利]基于编码器-解码器的多功能雷达功能识别方法-CN202210640849.X在审
发明人：余显祥;陈泓宇;冯康桉;易伟;黄宇轩;孔令讲;张立东 -专利权人：电子科技大学
申请日： 2022-06-08 - 公布日： 2022-09-16 - 主分类号： G01S7/40 文献下载
摘要：本发明公开了一种基于编码器‑解码器结构的多功能雷达功能识别方法，首先构建多功能雷达功能的训练和测试数据集，随后对多功能雷达功能的训练数据集和测试数据集进行预处理，将多功能雷达功能脉冲序列的脉冲重复频率和脉冲宽度量化后分别转换成词向量矩阵；构建编码器‑解码器模型，利用两个1D‑CNN网络作为编码器部分，利用GRU网络作为解码器部分；接着，数据预处理后的训练集数据对编码器‑解码器模型进行训练；最后，利用训练结束的模型实现对多功能雷达功能的准确识别本发明的方法训练完成后的编码器‑解码器模型能够适应电磁环境的变化，在恶劣的非理想电磁环境下仍能通过多功能雷达功能脉冲序列完成对功能的准确识别。
基于编码器解码器多功能雷达功能识别方法

[发明专利]一种基于半监督学习的心肌梗死图像分割方法及系统-CN202211297190.9在审
发明人：徐晨初;王怡菲;段磊;陈洁;张贺晔;高智凡;余成进;赵姝;张燕平 -专利权人：安徽大学
申请日： 2022-10-21 - 公布日： 2023-01-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于半监督学习的心肌梗死图像分割方法及系统，所述方法包括：收集轧增强的心肌梗死磁共振图像数据集进行数据处理得到数据增强的训练数据集；构建编码器，将经过数据增强的训练数据集输入到编码器；构建主解码器和两个辅助解码器；构建鉴别器；将上述编码器的输出端分别与主解码器以及两个辅助解码器连接，鉴别器与主解码器的输出端连接，从而构建半监督心肌梗死神经网络分割模型，训练模型，总损失最小时得到训练好的模型；将实时采集的轧增强的心肌梗死磁共振图像输入到上述训练好的模型中
一种基于监督学习心肌梗死图像分割方法系统

[发明专利]一种基于编码器解码器结构的前列腺超高b值DWI图像生成方法-CN202211473780.2在审
发明人：王伟;冯锐;吴小玲;李修寒;曹达;王晓冬;王传兵;许玥 -专利权人：南京医科大学
申请日： 2022-11-22 - 公布日： 2023-03-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于编码器解码器结构的前列腺超高b值DWI图像生成方法，其包括：步骤一，采集图像并进行预处理；步骤二，搭建深度学习网络，该深度学习网络由三组编码器解码器构成，并且编码器解码器结构以U型结构为基础设计，其中，两侧编码器解码器网络作为特征提取层，中间一层的编码器解码器网络作为特征融合层；步骤三，选取网络的损失函数，优化网络模型参数；步骤四，对网络模型进行训练优化；步骤五，将待处理的较低b值的前列腺弥散加权图像输入优化后网络模型
一种基于编码器解码器结构前列腺超高 dwi 图像生成方法

[发明专利]图像以及视频数据中编码单元的熵解码-CN201980041946.3在审
发明人：向时达 -专利权人：联发科技股份有限公司
申请日： 2019-07-05 - 公布日： 2021-02-12 - 主分类号： H04N19/176 文献下载
摘要：提供了视频编解码器，执行用于分割像素块的语法元素的熵编解码。所述视频编解码器接收图像的当前像素块。所述视频编解码器通过根据分割指示符分割所述当前像素块来编码或解码所述当前像素块。所述分割指示符通过使用上下文模型被熵编解码为比特流的语法元素，所述上下文模型基于所述当前像素块的分割结构或所述当前像素块的相邻像素块的分割结构来选择。
图像以及视频数据编码单元解码

[发明专利]一种Slice级编解码端联合时间最小化方法-CN201210360206.6有效
发明人：张昊;朱小玉;檀丰锋;龙军 -专利权人：中南大学
申请日： 2012-09-25 - 公布日： 2012-12-19 - 主分类号： H04N7/26 文献下载
摘要：本发明公开了一种Slice级编解码端联合时间最小化方法，包括Slice级编解码端联合时间最小化模型，所述Slice级编解码端联合时间最小化模型包括编码器端和若干个解码器端，所述解码器端与编码器端连接，本发明提出了Slice级编解码端联合时间最小化模型来描述使得编码时间和解码时间总和最小的联合最优值，同时在符合H.264国际视频编码标准的编码器和解码器上使用Slice级并行算法，以达到编码端和解码端的联合最优化，使得编解码端负载均衡、所需的总时间最小，更好地满足了视频通信系统对实时性的要求。
一种 slice 解码联合时间最小化方法

[发明专利]一种采用核化听觉模型的单通道声源分离方法-CN202110120284.8在审
发明人：胡琦;国雁萌;颜永红 -专利权人：中国科学院声学研究所
申请日： 2021-01-28 - 公布日： 2022-07-29 - 主分类号： G10L21/0272 文献下载
摘要：本发明公开了一种采用核化听觉模型的单通道声源分离方法，所述方法包括：将混合声源信号输入编码器，输出隐藏空间矩阵；将隐藏空间矩阵输入声源分离器，输出待分离声源信号的掩蔽矩阵；将隐藏空间矩阵和掩蔽矩阵进行点乘，得到待分离声源信号在隐藏空间的估计值；将估计值输入解码器，输出分离后的目标信号波形；其中，所述编码器和解码器均采用核化听觉模型；所述声源分离器采用基于一维时域卷积的源分离模型，所述编码器和解码器的训练过程和所述声源分离器的训练过程是独立的本发明的方法在编码器和解码器中引入了模型偏置，有效减少了模型参数，极大降低了模型复杂度。
一种采用听觉模型通道声源分离方法

[发明专利]一种基于注意力共享Transformer的语法改错模型-CN202010482641.0在审
发明人：徐书尧;陈进;秦龙 -专利权人：北京先声智能科技有限公司
申请日： 2020-06-01 - 公布日： 2020-10-30 - 主分类号： G06F40/253 文献下载
摘要：本发明涉及神经翻译的语法改错模型技术领域，尤其是一种基于注意力共享Transformer的语法改错模型，包括编码器与解码器，所述编码器由多层结构组成，每层结构均包含自注意力层与前馈神经网络，数据输入自注意力层，自注意力层进行计算后输出处理数据至前馈神经网络，前馈神经网络输出处理结果至解码器；所述解码器由自注意力层、编码器解码器注意力层与前馈神经网络构成，解码器的前馈神经网络输出计算数据，并通过Softmax映射到词汇表上的概率分布，本发明的语法改错模型，注意力共享机制下，语法改错模型的效果(F0.5)几乎与基线系统相同，但却可以减少计算量，加快推理速度。
一种基于注意力共享 transformer 语法改错模型

[发明专利]一种改写模型的构建方法及装置-CN201811161824.1在审
发明人：王浩;庞旭林;张晨 -专利权人：北京奇虎科技有限公司
申请日： 2018-09-30 - 公布日： 2020-04-10 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种改写模型的构建方法及装置，所述方法包括：构建编码器和解码器，通过解码器分别基于生成式改写模式和抽取式改写模式获得多个关键词；计算调节各关键词在生成式改写模式和抽取式改写模式下的权重比例的第一调节因子，以基于第一调节因子计算各关键词的综合权重；结合所述编码器和解码器，并在解码器中设置第一调节因子，完成基于编码器‑解码器结构的改写模型的构建，由改写模型依据各关键词的综合权重在多个关键词中选取至少一个关键词作为与初始语句的语义相似的查询关键词后输出基于本发明实施例提供的改写模型可以在不改变查询语句语义的前提下对查询语句进行简化，使得得到的查询结果更加满足用户期望。
一种改写模型构建方法装置