“冯尊磊”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果31个，建议您升级VIP下载更多相关专利

[发明专利]基于视觉大模型的移动端定向分割方法-CN202310908027.X在审
发明人： 冯尊磊;陈天浩;宋杰;宋明黎 -专利权人：浙江大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06V10/26 文献下载
摘要：基于视觉大模型的移动端定向分割方法，首先利用现有遥感数据集标注正样本点标注数据集；其次，利用梯度寻优技术，以正样本点和语义特征向量为输入，目标遮罩为输出，获取特定类别语义特征；再次，经过关联模块筛选和位置语义融合再优化后，得到一个精简的定向分割大模型；最后，任选若干张遥感影像，输入模型得到指定类别的遮罩。通过上述4个步骤，可以识别出任意一种遮罩。
基于视觉模型移动定向分割方法

[发明专利]基于时序二分图神经网络的用户缺失属性补全方法与系统-CN202310851553.7在审
发明人：宋杰;许可;郑铜亚;冯尊磊;宋明黎 -专利权人：浙江大学
申请日： 2023-07-12 - 公布日： 2023-10-13 - 主分类号： G06F18/214 文献下载
摘要：基于时序二分图神经网络的用户缺失属性补全方法，首先，对时序用户属性矩阵进行预处理，进行数据归一化，并记录分类变量和连续变量。然后将时序用户属性矩转化为时序二分图结构，并采用图卷积神经网络来聚合提取图中节点嵌入向量和边嵌入向量，并使用LSTM融合不同时间步的节点特征；将时序二分图中预测边的两端节点的图特征拼接作为用户节点‑属性节点的边预测模型的输入；采用多个线性层构建边预测模型，引入多任务学习框架同时学习分类任务和回归任务，从而灵活处理分类变量和连续变量。最后，通过该框架来对用户缺失属性进行补全，并将结果写回原数据中。本发明还包括基于时序二分图神经网络的用户缺失属性补全方法的系统。
基于时序二分神经网络用户缺失属性方法系统

[发明专利]基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统-CN202310841509.8在审
发明人：宋明黎;徐文祥;陈琳;贾志杰;冯尊磊 -专利权人：浙江大学
申请日： 2023-07-11 - 公布日： 2023-10-03 - 主分类号： G06N3/084 文献下载
摘要：基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统，其方法包括：1)预训练卷积神经网络模型；2)计算卷积核产生的激活值的重要程度；3)正则化处理卷积核产生的激活值，产生新的激活值，使用新的激活值代替原先的激活值；4)基于正则化处理之后的卷积神经网络模型对图像进行分类。本发明找到卷积神经网络预训练模型中每个卷积核产生的激活值的重要程度，基于激活值的重要程度对卷积核激活值进行正则化处理。根据分类结果计算损失函数，利用损失函数对卷积神经网络的参数进行更新，提升预训练卷积神经网络的图像分类性能。
基于卷积神经网络训练模型激活正则方法系统

[发明专利]一种基于正则化的在线指数凹优化方法-CN202310718754.X在审
发明人： 冯尊磊;杨旭;宛袁玉;宋杰;宋明黎 -专利权人：浙江大学
申请日： 2023-06-16 - 公布日： 2023-10-03 - 主分类号： G06F30/20 文献下载
摘要：一种基于正则化的在线指数凹优化方法，包含：步骤1.收集公开数据集，对数据集进行数据清洗和分析；步骤2.对参数进行初始化设置；分别对四个参数进行初始化设置；步骤3.对获得的在线数据，根据学习到的模型给出决策，然后获得本轮基于真实标签与决策差异的损失；步骤4.根据损失函数信息做决策更新；决策更新主要分成两个部分：对每个损失函数中的指数凹部分执行ONS迭代、对正则化部分使用近端映射；步骤5.记录本轮学习到的参数，基于此得到一个模型，该模型用于步骤3中，然后重复步骤3和步骤4，对参数不断进行学习和更新，直至完成T轮博弈。本发明有能力利用的指数凹性来实现与ONS相同的遗憾界并达到正则化的效果。
一种基于正则在线指数优化方法

[发明专利]基于卷积神经网络的急性主动脉综合征CT图像分类方法-CN202211453096.8有效
发明人： 冯尊磊;张圣旭明;胡凯文;俞晓天;宋明黎 -专利权人：浙江大学
申请日： 2022-11-21 - 公布日： 2023-10-03 - 主分类号： G06V10/764 文献下载
摘要：基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。
基于卷积神经网络急性主动脉综合征 ct 图像分类方法

[发明专利]基于Frank-Wolfe的图像对抗样本防御方法和系统-CN202310841505.X在审
发明人： 冯尊磊;陈凯隆;宛袁玉;宋明黎 -专利权人：浙江大学
申请日： 2023-07-11 - 公布日： 2023-09-26 - 主分类号： G06V10/774 文献下载
摘要：基于Frank‑Wolfe的图像对抗样本防御方法和系统，其方法包括以下步骤：(1)数据收集和清洗；(2)构建神经网络模型；(3)基于原始图像，使用Frank‑Wolfe和二分算法生成初始对抗样本；(4)使用Frank‑Wolfe算法精细搜索对抗样本边界；(5)将生成的对抗样本给模型训练，提高模型的鲁棒性。本发明设计了一种基于Frank‑Wolfe的图像对抗样本防御方法。该技术的核心思想是通过二分算法和Frank‑Wolfe算法减少需要初始化一个较小的对抗样本的迭代次数，并基于Frank‑Wolfe算法对已经生成的对抗样本进行更进一步的搜索，以达到缩小对抗样本范数的效果，从而优化生成对抗样本的次数和效率。本发明生成对抗样本范数小，生成效率高，从而为构建更加鲁棒的图像分类系统打好基础。
基于 frank wolfe 图像对抗样本防御方法系统

[发明专利]基于状态关系主动提问的存储电路智能化设计方法和系统-CN202310841499.8在审
发明人： 冯尊磊;魏耀全;陈霞;宋杰;宋明黎;梁栋;禚俊杰;刘珅岐 -专利权人：浙江大学;国网山东省电力公司济南供电公司
申请日： 2023-07-11 - 公布日： 2023-09-22 - 主分类号： G06F30/398 文献下载
摘要：基于状态关系主动提问的存储电路智能化设计方法和系统，其方法包括：首先将存储电路数据的节点特征进行对齐从而构建存储电路结构状态的一条高维向量表示。然后利用随机采样的存储电路结构数据训练特征提取器，之后构建强化学习模型。在训练强化学习模型时，将每一步遇到的存储电路结构状态特征提取出来，并放入特征池中。然后依据每一步当前存储电路结构状态特征与特征池的距离，判断是否向专家进行提问。若向专家提问，专家会给予具体动作建议让模型去执行。最后，为了保证模型能够快速学习专家知识，为每一条专家建议的样本设置额外的内置奖励。
基于状态关系主动提问存储电路智能化设计方法系统

[发明专利]基于生命周期预测的视觉Transformer模型加速算法-CN202310317221.0在审
发明人： 冯尊磊;陈佳伟;陈琳;宋明黎 -专利权人：浙江大学
申请日： 2023-03-29 - 公布日： 2023-09-01 - 主分类号： G06N3/045 文献下载
摘要：本发明公开了基于生命周期预测的视觉Transformer模型加速算法，包括：1)使Transformer模型进行前半部分的正向传播；2)光滑化生命周期函数并构建视觉Transformer权重转换模块；3)构建视觉Transformer权重转换模块；4)模型推理；5)训练模型。本发明使用生命周期预测模块为视觉Transformer模型的每个输入的图片块预测生命周期。在进行模型推理时，本发明依据预测出的生命周期适时丢弃图片块，从而减少不必要的推理计算，实现模型的推理加速的效果。在模型训练时，本发明通过权重转换模块，将不可微分的图片块生命周期转化为可微的权重函数，实现方便的模型端到端训练。
基于生命周期预测视觉 transformer 模型加速算法

[发明专利]一种基于区块链的深度神经网络模型联邦重组方法及系统-CN202310378980.8在审
发明人：宋明黎;王毅;宋杰;冯尊磊;陈刚 -专利权人：浙江大学
申请日： 2023-04-11 - 公布日： 2023-07-18 - 主分类号： G06F16/27 文献下载
摘要：基于区块链的深度神经网络模型联邦重组方法，包括：构建模型联邦重组的联盟链；设置模型联邦重组的智能合约；存储模型联邦重组过程中的数据；训练模型训练方的源模型，交由模型重组验证方进行联邦重组；模型联邦重组，模型重组验证方对源模型进行联邦重组，进而得到目标模型；计算模型训练方的贡献值。本发明还包括基于区块链的深度神经网络模型联邦重组的系统。本发明考虑到深度神经网络模型的可复用性已经单节点用户模型重组时的算力和数据的有限性，则进行多节点模型联邦重组。同时考虑联邦过程中的数据安全性及私密性，以及联邦中多节点之间合作的互不信任，建立基于Hyperledger Fabric的联盟链及智能合约，提供一种多节点安全与可信合作的方法。
一种基于区块深度神经网络模型联邦重组方法系统

[发明专利]一种训练分类模型的方法、装置、存储介质及电子设备-CN202310240413.6在审
发明人： 冯尊磊;胡佳聪;王一张;程乐超;贾志杰;宋明黎 -专利权人：之江实验室;浙江大学
申请日： 2023-03-06 - 公布日： 2023-06-30 - 主分类号： G06V10/764 文献下载
摘要：本说明书公开了一种训练分类模型的方法、装置、存储介质及电子设备。本方法通过确定各子网络层对应的输入维度中的无效维度，确定了对分类模型的输出结果无效的各子网络层对应的无效维度上各计算节点输出的结果，根据这些输出的结果确定第一损失，根据基于训练样本标注确定的第二损失以及该第一损失，确定总损失，以总损失最小训练分类模型，减少了各子网络层对应的无效维度上各计算节点输出的结果对分类模型的输出结果的影响，提高了分类模型的分类准确性。
一种训练分类模型方法装置存储介质电子设备

[发明专利]面向卷积神经分类网络的缺陷自动诊断与修复方法及装置-CN202211580737.6有效
发明人：程乐超;冯尊磊;胡佳聪;胡凯文;李睿杰;宋明黎 -专利权人：之江实验室
申请日： 2022-12-09 - 公布日： 2023-06-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明面向卷积神经分类网络的缺陷自动诊断与修复方法及装置，包括下列步骤：1）卷积神经分类网络预测重要性归一化；2）激活图重要性得分计算；3）正常样本激活图规律统计；4）分类错误样本激活图筛选；5）卷积神经分类网络自动化缺陷修复。本发明设计的是一种面向卷积神经分类网络的全自动缺陷诊断与修复方法，用于已经预训练的卷积神经分类网络模型缺陷检测与自动修复，能够有效提升深度卷积神经分类网络模型的分类性能。
面向卷积神经分类网络缺陷自动诊断修复方法装置

[发明专利]基于卷积神经网络的多模态显微图像细胞分割方法-CN202310111030.9在审
发明人： 冯尊磊;胡凯文;张圣旭明;俞晓天;宋明黎 -专利权人：浙江大学
申请日： 2023-02-13 - 公布日： 2023-06-06 - 主分类号： G06V20/69 文献下载
摘要：一种基于卷积神经网络的多模态显微图像细胞分割方法，包括下列步骤：1)收集及标注多模态显微镜细胞图像数据集；2)生成细胞分割数据集中间监督目标；3)构建启发式模态分析器；4)构建基于检测框的深度卷积网络细胞分割分支；5)优化基于检测框的深度卷积网络细胞分割分支；6)处理难样本及构建分割质量估计模块；7)基于两步骤分水岭分割算法生成掩膜；8)自动选取分割结果。本发明可以对多模态细胞显微镜图像数据进行细胞分割。本发明采用多分支方法，启发式识别输入图像模态并调用对应模型，并使用两步骤分水岭分割方法增加细胞识别能力，并利用质量估计模块智能调用备用分支并选取较优结果，具有较强的实用性。
基于卷积神经网络多模态显微图像细胞分割方法

[发明专利]一种适用于灰度颜色空间图像相关色域映射方法-CN201910598505.5有效
发明人：盛楠;陈刚;宋明黎;冯尊磊 -专利权人：浙江大学滨海产业技术研究院
申请日： 2019-07-04 - 公布日： 2023-06-02 - 主分类号： G06T7/90 文献下载
摘要：本发明提供了一种适用于灰度颜色空间图像相关色域映射方法，包括以下步骤：S1：小色域边界上下阈值获取；S2：将灰度图像的二维平面结合灰度值构建为三维颜色曲面；S3：灰度颜色曲面待映射范围边界设置；S4：基于颜色准确度与纹理保持权衡构建待求解优化模型；S5：利用迭代求解的方法获得模型的次优解。本发明所述的一种适用于灰度颜色空间图像相关色域映射方法，通过设置参数来动态调整颜色映射的精准度与灰度图像层次纹理信息的保持程度，实现灰度图像保持颜色纹理的同时实现颜色的精准映射。
一种适用于灰度颜色空间图像相关映射方法

[发明专利]一种基于深度哈希编码和多任务预测的逃费车辆相似图片检索方法-CN202211327218.9在审
发明人：谢谨蔓;高杨;冯尊磊;庄永真;罗进开;宋明黎 -专利权人：浙江大学
申请日： 2022-10-27 - 公布日： 2023-05-12 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于深度哈希编码和多任务预测的逃费车辆相似图片检索方法。其特征在于，以resnet50作为特征提取器，分别输入到车辆id、车型、颜色预测模块和哈希码生成模块四个分支同时训练。哈希码生成模块可以生成不同长度的哈希编码，车型和颜色预测模块分别对车型和颜色进行预测。该方法同时对车型预测、颜色预测、哈希编码生成模块进行优化，可以实现基于属性的粗粒度检索和基于不同层次哈希码的细粒度检索。针对逃费车辆，首先可以从数据库中针对粗粒度属性特征筛选出匹配的图片，再根据由短到长的哈希码不断进行更加精细化的检索。由粗到精的检索方法和哈希编码的方式大大提高检索速度和检索效率。
一种基于深度编码任务预测车辆相似图片检索方法

[发明专利]基于动态偏差图神经网络的颜色色域映射方法-CN202111620261.X有效
发明人：宋明黎;金小团;何增良;伍赛;冯尊磊 -专利权人：浙江大学
申请日： 2021-12-28 - 公布日： 2022-12-09 - 主分类号： H04N1/60 文献下载
摘要：基于动态偏差图神经网络的颜色色域映射方法，包括下列步骤：1)印染打印机颜色样本采集；2)从XYZ到CMKY颜色空间偏差映射图神经网络构建与训练；3)基于掩码的粗粒度局部映射强化；4)针对特定机器的图神经映射网络调整优化；5)基于掩码的特定机器局部映射强化；6)从CMYK到XYZ颜色空间的映射；7)基于局部范围匹配的颜色色域映射。通过上述步骤建立的基于动态偏差图神经网络的颜色色域映射方法，通过将动态偏差引入神经网络，从大量采集的印染样本中学习出印染打印机颜色空间到标准颜色空间间颜色映射的同时，实现印染打印机颜色空间到标准颜色空间间颜色的精准映射。
基于动态偏差神经网络颜色映射方法

1
2
3
下一页»
尾页
共 31 条