专利名称
主分类
A 农业
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
G 物理
H 电学
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
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
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
清华大学
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
更多 »
钻瓜专利网为您找到相关结果917个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于VAE的人脑损伤检测方法及装置-CN202110882090.1在审
  • 朱州 - 上海影谱科技有限公司
  • 2021-08-02 - 2021-11-16 - G06T7/00
  • 本申请公开了一种基于VAE的人脑损伤检测方法及装置。所述方法包括:建立VAE模型,所述VAE模型依次包括三个连续的卷积层、一个批处理归一化层、一个整流线性单元激活函数、两个完全连接层、以及反卷积层;对所述VAE模型进行预训练,得到RVAE模型;重新训练VAE和RVAE模型;对VAE和RVAE模型进行迁移学习实验;计算重建图像与原始图像的绝对误差图,对损伤部位进行分割并滤波;用滤波后的病变误差图绘制ROC曲线,并根据所述ROC曲线计算AUC;选择一个β值来防止所述装置包括VAE模型建立模块、预训练模块、训练模块、迁移学习模块、第一计算模块、第二计算模块和选择模块。
  • 一种基于vae人脑损伤检测方法装置
  • [发明专利]基于VAE-ACGAN的人脸姿态虚拟视图生成方法-CN201910549376.0有效
  • 于力;肖芳;邹见效;徐红兵;杨瞻远 - 电子科技大学
  • 2019-06-24 - 2022-06-14 - G06V10/774
  • 本发明公开了一种基于VAE‑ACGAN的人脸姿态虚拟视图生成方法,构建VAE‑ACGAN网络,包括编码器E、生成器G和判别器D,其中编码器E和生成器G构成变分自编码器VAE,生成器G和判别器D构成辅助分类‑生成对抗网络ACGAN,然后分别获取ACGAN训练样本集和VAE训练样本集,采用ACGAN训练样本集对生成器G和判别器D进行训练,然后固定生成器G和判别器D的参数,采用VAE训练样本集对编码器E进行训练,得到训练好的VAE‑ACGAN网络,将需要生成目标姿态角度虚拟视图的人脸图像输入训练好的VAE‑ACGAN网络,生成器G生成的人脸图像即为目标姿态角度虚拟视图。本发明所构建的VAE‑ACGAN网络,对输入图像的姿态变化具有较好的鲁棒性,可以有效提高生成的虚拟视图质量。
  • 基于vaeacgan姿态虚拟视图生成方法
  • [发明专利]一种基于VAE的信道信息反馈重构方法及系统-CN202310473700.1在审
  • 邵华;张晓;张海君;张文宇 - 北京科技大学
  • 2023-04-27 - 2023-08-22 - H04B7/06
  • 本发明提供一种基于VAE的信道信息反馈重构方法及系统,涉及无线通信技术领域。包括:通过用户终端反馈信道稀疏度参数,基站设备接收稀疏度参数;通过基站对变分自编码器VAE模型进行训练;基站将训练好的变分自编码器VAE模型通过下行信道发送给用户设备;用户设备获取基站下发的变分自编码器VAE模型,根据变分自编码器VAE模型对信道状态信息CSI进行压缩;用户设备将压缩完成后的信道状态信息CSI通过上行信道反馈给基站;基站根据Decoder模型对信道状态信息CSI进行重构,完成基于VAE本发明通过将VAE模型的隐变量采用Bernoulli‑Gaussian分布的形式,以及Loss的设计,改善了CSI的压缩率,解决了恢复率不高的问题。可应用于任何有数据压缩和反馈需求的场景中。
  • 一种基于vae信道信息反馈方法系统
  • [发明专利]一种基于VAE-GAN的对抗样本防御方法及系统-CN202010402772.3在审
  • 何永庆;王海卫;王荣耀;王珂 - 华中科技大学
  • 2020-05-13 - 2020-08-28 - G06T5/00
  • 本发明属于对抗样本防御技术领域,公开了一种基于VAE‑GAN的对抗样本防御方法及系统,使用变分自动编码器VAE和生成对抗网络GAN对对抗样本进行去噪,VAE作为分类器的预处理模型对对抗样本进行去噪处理,GAN用于辅助VAE的训练,使得VAE输出的图像结果更加接近于原始无噪声的图像。本发明提供的基于VAE‑GAN的对抗样本防御方法属于输入预处理,可在不同分类模型之间学习迁移;无需重新训练原有分类网络,训练成本较低;几乎不影响原始无噪声样本分类精度;不需要使用对抗样本,所以无需而外的训练对抗样本
  • 一种基于vaegan对抗样本防御方法系统

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

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top