“训练步骤”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2135533个，建议您升级VIP下载更多相关专利

[发明专利]一种基于元学习的图像识别方法-CN202111149647.7有效
发明人：张鸿杰;盛谦;蒋斌;郭延文 -专利权人：南京览众智能科技有限公司
申请日： 2021-09-29 - 公布日： 2022-12-27 - 主分类号： G06V10/82 文献下载
摘要：本发明提供了一种基于元学习的图像识别方法，包括以下步骤：步骤1，增强训练数据：基于生成对抗网络为每个训练集中的图像生成虚拟开集样例；步骤2，划分训练数据：结合生成的开集样例，将训练数据按域分布不同划分为元训练集和元测试集；步骤3，元训练：在元训练集上计算模型参数的梯度并修改参数；步骤4，元测试：在元测试集上评估步骤3学习的最佳模型；步骤5，元优化：联合步骤3和步骤4的损失函数优化模型；步骤6，元迭代：重复步骤2至步骤5相较于现有技术，本发明能够在多个不同域分布的训练集上提升模型应对域分布变化的泛化能力。
一种基于学习图像识别方法

[发明专利]一种康复训练系统中训练动作分类与完成度评分方法-CN202211110704.5在审
发明人：张明;凌天杰;徐维艳;刘晓健;汪雷;肖黎;吴健康;束鑫;李文强;侯孝平;龚超 -专利权人：江苏科技大学
申请日： 2022-09-13 - 公布日： 2023-01-20 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种康复训练系统中训练动作分类与完成度评分方法，应用于康复训练医患交互系统，该方法包括：步骤一，病患根据预设于系统中的引导指令和标准训练动作引导视频完成康复训练动作，并采集动作数据信息；步骤二，根据预设的训练动作分类准则，将步骤一采集到的训练动作进行分类，并针对不同分类采用不同的完成度评分方法；步骤三，根据步骤一采集到的训练动作，提取合适的动作特征，结合步骤二对应的完成度评分方法，计算当前训练动作的完成度评分本发明能够得到一个更符合康复训练情况的训练评分，该评分可以帮助康复医师更为直观地了解病患的康复训练情况；同时，也方便病患知晓自身的训练动作是否标准，以便及时纠正。
一种康复训练系统训练动作分类完成评分方法

[发明专利]一种基于深度迁移学习的素描人脸识别方法-CN201811084907.5在审
发明人：宋建新;王欣欣 -专利权人：南京邮电大学
申请日： 2018-09-17 - 公布日： 2019-02-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度迁移学习的素描人脸识别方法，包括以下步骤：步骤一：建立深度卷积神经网络模型；步骤二：对CUFSF素描图像库中图像进行预处理；步骤三：对包含大规模自然人脸照片的LFW图像库进行预处理，将其作为初始训练样本训练网络，得到训练模型；步骤四：将训练模型迁移到用于素描画人脸照片的网络，得到预训练模型；步骤五：建立由参考图像、正样本图像、负样本图像构成的三元组图像；步骤六：将三元组图像组作为预训练模型的输入，利用反向传播算法最小化损失函数，训练得到最终的目标训练模型；步骤七：用测试集测试步骤六得到的目标训练模型，进行素描图像的人脸识别。
素描训练模型人脸识别预处理目标训练人脸照片迁移三元组图像库图像初始训练样本卷积神经网络负样本图像正样本图像参考图像测试步骤反向传播人脸图像损失函数训练网络测试集图像组最小化准确率算法学习网络

[发明专利]一种基于深度学习的病理图像自动识别系统及其训练方法-CN201910749853.8有效
发明人：卢云;苏柯帆;王子杰 -专利权人：青岛大学附属医院
申请日： 2019-08-14 - 公布日： 2022-03-25 - 主分类号： G06V10/25 文献下载
摘要：本发明提出了一种基于深度学习的病理图像自动识别系统训练方法，其特征在于，包括以下步骤：步骤(a)，图像分割；步骤(b)，获取肿瘤感兴趣区域和淋巴结感兴趣区域；步骤(c)，提取肿瘤感兴趣区域和淋巴结感兴趣区域中的影像组学特征；步骤(d)，消除冗余的影像组学特征；步骤(e)，确定肿瘤感兴趣区域和淋巴结感兴趣区域中的最优影像组学特征；步骤(f)，以最优影像组学特征构建训练集，预测淋巴结转移；步骤(g)，构建独立验证集对训练集进行验证；步骤(h)，当训练集的预测有效性达到预设值，则训练结束；当训练集的预测有效性低于预设值，重新构建训练集进行训练。本发明的训练方法可以提高预测胃癌淋巴结转移的有效性。
一种基于深度学习病理图像自动识别系统及其训练方法

[发明专利]一种支持向量回归机的训练方法-CN201110102550.0无效
发明人：郎荣玲;邓小乐;许喆平 -专利权人：北京航空航天大学
申请日： 2011-04-22 - 公布日： 2011-09-14 - 主分类号： G06K9/66 文献下载
摘要：本发明提出一种支持向量回归机的训练方法，具体包括：步骤一：设定训练样本集合；步骤二：计算核函数矩阵并初始化；步骤三：计算第一个训练点；步骤四：计算第二个训练点；步骤五：解析拉格朗日乘子；步骤六：更新中间变量；步骤七：判断训练样本集的所有样本是否满足最优条件：步骤八：计算回归决策函数。本发明中中间变量的更新利用了前一次训练的值，减少计算量；且在求目标函数的偏导以及目标函数下降值中，充分利用中间变量，从而减少了大量的计算，实现了快速选取训练点，提高训练的收敛速度。
一种支持向量回归训练方法

[发明专利]基于桥接编码器-解码器的腹部多器官分割方法-CN202310261940.5在审
发明人：石争浩;王茹;尤珍臻;葛飞航 -专利权人：西安理工大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基桥接编码器‑解码器的腹部多器官分割方法，具体按照如下步骤实施：步骤1、对图像进行预处理；步骤2、搭建由粗到细两阶段分割方法框架，粗分割阶段选择SegNet网络，细分割阶段构建BridgeNet网络；步骤3、用预处理好的训练数据训练SegNet网络；步骤4、用训练好的SegNet分割预训练好的训练数据后得到粗分割结果，再将其与预训练好的训练数据点乘得到细分割阶段的训练数据，训练BridgeNet网络；步骤5、用训练好的SegNet和BridgeNet分割测试集得到初步分割结果，再对初步分割的结果应用联通分量分析，获得精确的腹部CT多器官分割图。
基于编码器解码器腹部器官分割方法

[发明专利]一种cos-attack人脸识别攻击算法-CN201910810141.2在审
发明人：李慧斌;刘宁 -专利权人：河南中原大数据研究院有限公司
申请日： 2019-08-29 - 公布日： 2019-11-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种cos‑attack人脸识别攻击算法，包括以下步骤：步骤1：收集训练数据集；步骤2：根据训练目标对训练数据集进行预处理；步骤3：根据训练目标，构造人脸识别网络模型；步骤4：在训练数据集上对人脸识别网络模型进行训练，得到人脸识别模型；步骤5：使用训练得到的人脸识别模型确定cos‑attack攻击的超参数；步骤6：使用cos‑attack攻击确定的人脸识别模型。
人脸识别训练数据集攻击网络模型训练目标算法预处理模型确定填补对抗研究

[发明专利]一种基于知识蒸馏的端到端语音合成训练方法及系统-CN202010718085.2在审
发明人：贺来朋 -专利权人：云知声智能科技股份有限公司;厦门云知芯智能科技有限公司
申请日： 2020-07-23 - 公布日： 2020-11-27 - 主分类号： G10L13/04 文献下载
摘要：本发明提供了一种基于知识蒸馏的端到端语音合成训练方法及系统，所述方法执行以下步骤：步骤1：获取原始训练数据；步骤2：利用所述原始训练数据对老师模型进行训练；步骤3：将利用所述老师模型预测的声学特征参数作为训练数据，对学生模型进行训练；步骤4：利用训练好的所述学生模型进行端到端语音合成。根据本发明的方法，采用知识蒸馏方法，先训练老师模型，再由老师模型预测的声学特征参数作为输入，训练学生模型，最后利用训练好的学生模型进行端到端语音合成，可以有效解决训练与测试不匹配导致的集外合成语音听感变差的问题
一种基于知识蒸馏端到端语音合成训练方法系统

[发明专利]一种用于小样本意图识别的文本数据优化方法-CN202210198697.2在审
发明人：张建兵;刘书豪;黄书剑;戴新宇;陈家骏 -专利权人：南京大学
申请日： 2022-03-02 - 公布日： 2022-05-31 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种用于小样本意图识别的文本数据优化方法，包括以下步骤：步骤1，构建训练文本数据集；步骤2，对训练任务按照具有的意图数阶梯式地划分级别；步骤3，采样一个批次的小样本意图识别训练样本；步骤4，在基于度量学习的元学习模型上使用采样出的同一批次的两个以上的任务做并行训练；步骤5，判断训练是否终止；步骤6，结束模型训练。本发明可以将并行化训练元学习模型应用在现实场景中小样本意图识别的训练任务意图数不一致的情况。
一种用于样本意图识别文本数据优化方法

[发明专利]一种可对方案优化的训练流程管理方法-CN202210146732.6在审
发明人：王哲;方登建;董海迪;王斌 -专利权人：中国人民解放军海军工程大学
申请日： 2022-02-17 - 公布日： 2022-07-05 - 主分类号： G06Q10/10 文献下载
摘要：本发明涉及训练流程管理技术领域，且公开了一种可对方案优化的训练流程管理方法，包括以下步骤：步骤一：智能终端通过工作流程设计器生成可视化流程图；步骤二：将可视化流程图通过文件的形式发送给后台服务处理器；通过设置训练信息收集模块、训练信息采集模块、训练信息存储模块、训练信息管理模块，通过使用训练信息收集模块、训练信息采集模块对训练信息的收集、采集，用于获取用户输入的目标步骤名称，以及各目标步骤名称之间的关联关系，通过使用训练信息存储模块，对收集、采集到的训练信息进行存储，通过使用训练信息管理模块，对存储的训练信息进行合理化管理，达到了便于使用的效果。
一种方案优化训练流程管理方法

[发明专利]定制人工智能在线服务的方法、系统和存储介质-CN201810866825.X有效
发明人：宋翔;范融 -专利权人：优刻得科技股份有限公司
申请日： 2018-08-01 - 公布日： 2021-01-05 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：算法存储步骤，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并进行存储；数据存储步骤，从算法需求方获取多个训练数据，并进行存储；取出步骤，从多个训练数据中取出第一训练数据，并从多个训练算法容器镜像和多个在线服务算法容器镜像中取出与第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练步骤，用第一训练算法容器镜像来训练第一训练数据，得到训练结果；组合步骤，将第一在线服务算法容器镜像和训练结果进行组合，得到定制的人工智能在线服务。
定制人工智能在线服务方法系统存储介质

[发明专利]一种基于卷积回归的航空正射影像去雾算法-CN201810953418.2在审
发明人：李青山 -专利权人：李青山
申请日： 2018-08-21 - 公布日： 2019-01-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于卷积回归的航空正射影像去雾算法，包括模型训练与去雾过程两部分，模型训练部分：步骤101，无雾影像的数据准备；步骤102，训练数据生成，包括白平衡→合成有雾影像序列→裁剪成回归网络输入大小影像块，得到训练数据；步骤103，将步骤102得到的训练数据训练卷积回归网络。去雾过程部分：步骤201，输入待去雾影像；步骤202，白平衡；步骤203，利用回归网络估计透射率图，利用步骤103训练完成的卷积回归网络，遍历步骤202处理后的待去雾影像，生成待去雾影像的透射率估计图；步骤204，引导滤波优化透射率图；步骤205，恢复无雾影像，基于去雾模型恢复无雾影像。
去雾影像卷积回归训练数据透射率模型训练正射影像白平衡算法模型恢复数据准备网络估计影像序列网络航空遍历裁剪滤波合成优化恢复

[发明专利]一种智能视力训练方法-CN201711011356.5在审
发明人：茆雷 -专利权人：浙江通耀科技有限公司
申请日： 2017-10-25 - 公布日： 2018-01-09 - 主分类号： A61H5/00 文献下载
摘要：一种智能视力训练方法，包括a、检测视力步骤；b、基础训练步骤；c、提升训练步骤；d、放松训练步骤。本发明通过多个训练步骤并配合VR眼镜，以提高大脑成像处理能力为核心，全方位多角度视觉拓展调动眼部睫状肌运动为重点，全面优化视觉调节和接收能力，不仅能获得安全有效的视觉训练，达到轻松清晰的视觉状态，每日训练一次，坚持训练一个月及以上就可以实现矫正视力与裸眼视力的提升，满足视觉健康需求。
一种智能视力训练方法

[发明专利]一种基于卷积神经网络的μ-CT图像重构方法-CN201910159076.1在审
发明人：王玉柱 -专利权人：科新（杭州）能源环境科技有限公司
申请日： 2019-03-04 - 公布日： 2019-06-18 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于卷积神经网络的μ‑CT图像重构方法，包括步骤：步骤一、训练图像预处理，即将三维的μ‑CT图像和二维的扫描电镜图像进行图像配准，再对低分辨率的μ‑CT图像进行图像插值，获得训练图像；步骤二、获取训练数据集，根据步骤一获取多个训练图像作为训练样本，将所述训练样本组成一个训练数据集；步骤三、训练图像，将所述训练数据集中的训练图像输入预设的卷积神经网络模型进行训练，获取相应的模型参数；步骤四、图像重构，即将需要重构的低分辨率μ‑CT图像的所有体素点，利用经过训练的所述卷积神经网络模型逐个评价，获取其对应的相类型，通过所述相类型重构一个高分辨率图像。
训练图像卷积神经网络重构训练数据集低分辨率训练样本预处理高分辨率图像扫描电镜图像模型参数图像配准图像重构训练数据重构的二维体素预设三维图像

[发明专利]一种手肢体康复训练数据分析方法及康复训练设备-CN202110053454.5在审
发明人：史红斐;鲍雪斐;杨其华;马高宏 -专利权人：浙江大学医学院附属第四医院
申请日： 2021-01-15 - 公布日： 2021-06-18 - 主分类号： A63B23/16 文献下载
摘要：本发明公开一种手肢体康复训练数据分析方法，包括：步骤1：以健康人操作训练设备的标准构建第一康复分级评估标准曲线；步骤2：以病人当前健康状态建立起符合该训练者的第二康复分级评估标准曲线；步骤3：将第一康复分级评估标准曲线和第二康复分级评估标准曲线上相同横轴的纵轴值进行加权平均计算，得出该关节的目标训练曲线；步骤4：将实际训练产生的实际训练曲线与目标训练曲线进行对比，计算两者的重合度，当重合度大于设定值时，判定实现训练目标；步骤5：制作新的目标训练曲线，重复步骤4。本发明实时采集康复训练中的物理数据，以数据综合评估康复训练效果，对发挥康复器械的作用和提升康复训练效果都具有十分重要的意义。
一种肢体康复训练数据分析方法设备