“林婉怡”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14个，建议您升级VIP下载更多相关专利

[发明专利]用随机化和样本拒绝改进预训练系统鲁棒性的系统和方法-CN202310272606.X在审
发明人： F·谢赫勒斯拉米;林婉怡;J·H·梅岑;张欢;J·柯尔特 -专利权人：罗伯特·博世有限公司;卡内基梅隆大学
申请日： 2023-03-20 - 公布日： 2023-09-22 - 主分类号： G06F18/2415 文献下载
摘要：用随机化和样本拒绝改进预训练系统鲁棒性的系统和方法。一种系统包括机器学习网络。该网络包括被配置为从传感器接收输入数据的输入接口。处理器被编程为接收输入数据，利用输入数据生成扰动输入数据集，其中扰动输入数据集包括输入数据的扰动，利用去噪器对扰动输入数据集进行去噪，其中去噪器被配置为生成去噪数据集，将去噪数据集发送到预训练的分类器和拒绝器两者，其中预训练的分类器被配置为对去噪数据集进行分类，并且拒绝器被配置为拒绝去噪数据集的分类，利用去噪输入数据集训练拒绝器以实现经训练的拒绝器，并且响应于获得经训练的拒绝器，输出与输入数据相关联的放弃分类，其中放弃分类对于分类而言被忽略。
随机化样本拒绝改进训练系统鲁棒性方法

[发明专利]用于扩充视觉转换器的系统和方法-CN202211536578.X在审
发明人： A·乌玛坎塔;S·A·戈勒斯塔内;J·塞梅多;林婉怡 -专利权人：罗伯特·博世有限公司
申请日： 2022-12-02 - 公布日： 2023-06-06 - 主分类号： G06V10/774 文献下载
摘要：提供了用于扩充视觉转换器的系统和方法。一种计算机实现的系统和方法向机器学习系统（诸如视觉转换器）提供改进的训练。该系统和方法包括至少使用内容图像、第一样式图像和第二样式图像来执行神经样式迁移扩充。至少基于内容图像的内容和第一样式图像的第一样式生成第一扩充图像。至少基于内容图像的内容和第二样式图像的第二样式生成第二扩充图像。用至少包括内容图像、第一扩充图像和第二扩充图像的训练数据来训练机器学习系统。为机器学习系统计算损失输出。损失输出至少包括一致性损失，该一致性损失计及由机器学习系统提供的关于内容图像、第一扩充图像和第二扩充图像中的每一个的预测标签。基于该损失更新机器学习系统的至少一个参数。
用于扩充视觉转换器系统方法

[外观设计]包装袋（新会陈皮）-CN202230380688.6有效
发明人： 林婉怡;傅静微;刘美霞;陈唯唯;李纪君;刘敏妮;傅运春;陈子君;黄杰 -专利权人：广东白云学院
申请日： 2022-06-21 - 公布日： 2023-01-20 - 主分类号： 09-05 文献下载
摘要：1.本外观设计产品的名称：包装袋（新会陈皮）。2.本外观设计产品的用途：用于包装。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：设计1主视图。5.本外观设计产品为薄型产品，省略设计1到设计5其他视图。6.指定设计1为基本设计。
装袋陈皮

[发明专利]针对对抗性攻击为预训练模型预置鲁棒器的系统和方法-CN202210680575.7在审
发明人： 林婉怡;L·博伊特索夫;A·诺鲁扎德;J·柯尔特;F·J·卡布里塔孔德萨 -专利权人：罗伯特·博世有限公司
申请日： 2022-06-16 - 公布日： 2022-12-16 - 主分类号： G06V10/774 文献下载
摘要：提供了针对对抗性攻击为预训练模型预置鲁棒器的系统和方法。一种用于训练机器学习网络的计算机实现的方法。所述方法包括：从传感器接收输入数据，其中输入数据指示图像、雷达、声纳或声音信息；利用输入数据生成输入数据集，其中输入数据集包括扰动数据；将输入数据集发送给鲁棒器，其中鲁棒器被配置为通过移除与输入数据集相关联的扰动来清理输入数据集，以创建修改的输入数据集；将修改的输入数据集发送到预训练机器学习任务；利用修改的输入数据集训练鲁棒器以获得经训练的鲁棒器；以及响应于经训练的鲁棒器收敛到第一阈值，输出经训练的鲁棒器。
针对对抗性攻击训练模型预置鲁棒器系统方法

[发明专利]多模态融合模型对单源对抗的防御-CN202210681146.1在审
发明人： K·杨;林婉怡;M·普拉提姆;F·J·卡布里塔孔德萨;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2022-06-16 - 公布日： 2022-12-16 - 主分类号： G06V10/80 文献下载
摘要：一种用于自主车辆的多模态感知系统包括第一传感器和控制器，所述第一传感器是视频、RADAR、LIDAR或超声传感器中的一种。该控制器可以被配置为：从第一传感器接收第一信号，从第二传感器接收第二信号，并且从第三传感器接收第三信号，从第一信号提取第一特征向量，从第二信号提取第二特征向量，从第三信号提取第三特征向量，基于不一致的模态预测经由机器学习网络的剔除异常项网络从第一、第二和第三特征向量确定剔除异常项向量，将第一、第二和第三特征向量以及剔除异常项向量融合成融合特征向量，输出融合特征向量，并且基于融合特征向量控制自主车辆。
多模态融合模型对抗防御

[发明专利]具有针对补丁攻击进行防御的鲁棒分类器的系统和方法-CN202111135019.3在审
发明人： 林婉怡;M·S·诺鲁扎德;J·Z·柯尔特;施靖豪 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-27 - 公布日： 2022-04-15 - 主分类号： G06V10/764 文献下载
摘要：一种系统和方法涉及提供具有针对补丁攻击的防御的机器学习预测。所述系统和方法包括：获得数字图像，并且经由随机过程来生成位置数据集合。所述位置数据集合包括数字图像上的随机选择的位置，这些位置为创建用于裁剪的区域提供了可行的基础。基于所述位置数据集合来生成随机裁剪物集合。每个裁剪物包括数字图像的不同区域，如关于其对应位置数据所定义的那样。所述机器学习系统被配置成：提供针对所述随机裁剪物集合中的每个裁剪物的预测，并且输出预测集合。集体地评估所述预测集合，以确定所述预测集合当中的多数预测。基于所述多数预测来针对数字图像生成输出标签。所述输出标签包括所述多数预测作为所述数字图像的标识符。
具有针对补丁攻击进行防御分类系统方法

[发明专利]学习联合潜在对抗训练的方法和系统-CN202111127403.9在审
发明人： L·莱斯;J·柯尔特;林婉怡 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-26 - 公布日： 2022-04-12 - 主分类号： G06V10/774 文献下载
摘要：学习联合潜在对抗训练的方法和系统。一种用于训练机器学习网络的计算机实现的方法。该机器学习网络方法包括从传感器接收输入数据，其中输入数据包括成对的清洁扰动数据，其中输入数据指示图像、雷达、声纳或声音信息，生成输入数据的扰动版本，响应于输入数据，利用生成器利用来自输入数据的数据和利用输入数据的扰动版本的扰动图像创建成对的训练数据集，响应于成对的训练数据集，联合训练生成器和分类器，确定用于生成扰动的潜在向量，该扰动被配置为最大化分类器的分类损失并最小化生成器的生成损失，并且在收敛到第一阈值时输出训练的生成器和训练的分类器。
学习联合潜在对抗训练方法系统

[发明专利]在多模态环境中利用扰动的系统和方法-CN202111098350.2在审
发明人： F·J·卡布里塔孔德萨;林婉怡;K·杨;M·普拉蒂姆 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-18 - 公布日： 2022-03-29 - 主分类号： G06N3/04 文献下载
摘要：在多模态环境中利用扰动的系统和方法。一种用于训练机器学习网络的计算机实现的方法。该方法可以包括接收输入数据，从输入数据选择一个或多个批次样本，将扰动对象应用到一个或多个批次样本上以创建扰动样本，运行扰动样本通过机器学习网络，响应于运行扰动样本响应于函数更新扰动对象，以及响应于超过收敛阈值输出扰动对象。
多模态环境利用扰动系统方法

[发明专利]用于利用知识图和机器学习进行道路标志基准真值构建的系统和方法-CN202110987652.9在审
发明人： J·E·金;林婉怡;C·亨森;A·T·陈;K·H·黄 -专利权人：罗伯特·博世有限公司
申请日： 2021-08-26 - 公布日： 2022-03-18 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及机器学习和道路标志识别。一种利用知识图进行道路标志分类的方法，包括跨多个帧检测和选择标志的表示，输出发起对与标志表示相关联的分类的请求的提示，对包括标志的一个或多个图像进行分类，查询知识图以获得具有至少一个与标志相同的属性的多个道路标志类，以及响应于超过阈值的置信水平，跨所述多个帧对标志进行分类。
用于利用知识机器学习进行道路标志基准真值构建系统方法

[发明专利]使用基于批次的主动学习方案训练机器学习模型-CN202011017744.6在审
发明人： G·古普塔;A·K·萨胡;林婉怡;J·C·舒利 -专利权人：罗伯特·博世有限公司
申请日： 2020-09-24 - 公布日： 2021-03-26 - 主分类号： G06N20/00 文献下载
摘要：提供了使用基于批次的主动学习方案训练机器学习模型。用于使用基于批次的主动学习方案来训练机器学习模型的系统。所述系统包括信息源和电子处理器。电子处理器被配置为接收要训练的机器学习模型、未标注训练数据集、经标注训练数据集和信息源的标识符。电子处理器还被配置为从未标注训练数据集中选择训练示例批次，并且针对所述批次中包括的每个训练示例，向信息源发送针对所述训练示例的标注的请求。电子处理器进一步被配置为，针对所述批次中包括的每个训练示例：接收标注，将所述训练示例与所述标注相关联，并且将所述训练示例添加到经标注训练数据集。电子处理器还被配置为使用经标注训练数据来训练机器学习模型。
使用基于批次主动学习方案训练机器模型

[发明专利]图像序列上对象检测和跟踪的人工智能驱动基准真值生成-CN202010788097.2在审
发明人： J·E·金;林婉怡;于丽秀;G·拉索尔 -专利权人：罗伯特·博世有限公司
申请日： 2020-08-07 - 公布日： 2021-02-09 - 主分类号： G06T7/246 文献下载
摘要：提供了图像序列上对象检测和跟踪的人工智能驱动基准真值生成。存储装置维护包括具有帧序列的视频的原始图像数据，以及指示在相应帧中标识的对象方面的帧注释。处理器针对原始图像数据的关键帧的注释，确定关键帧的任务类型和关键帧的代理类型；根据关键帧任务类型和关键帧代理类型，接收在原始图像数据的关键帧中标识的对象的注释；基于关键帧的注释的置信水平，选择审查关键帧；针对原始图像数据的中间帧的注释，确定中间帧的任务类型和中间帧的代理类型；以及根据中间帧任务类型和中间帧代理类型，接收在原始图像数据的中间帧中标识的对象的注释。
图像序列对象检测跟踪人工智能驱动基准真值生成

[发明专利]用于将机器学习和大众外包数据标注进行集成的系统和方法-CN202010475759.0在审
发明人：于丽秀;林婉怡;J.E.金 -专利权人：罗伯特·博世有限公司
申请日： 2020-05-29 - 公布日： 2020-12-01 - 主分类号： G06K9/62 文献下载
摘要：一种用于机器学习系统的数据标注系统包括计算系统，该计算系统被配置成执行用于生成输入数据的数据标注的机器学习算法。该计算系统进一步被配置成：执行用于将机器学习算法的结果和预测传达给非专家工作者以供审查的接口。该接口使用可视化和自然语言与非专家工作者进行通信以引出反馈，从而改进机器学习算法的性能。
用于机器学习大众外包数据标注进行集成系统方法

[发明专利]抗共谋的水印生成方法-CN200880132124.8有效
发明人：何杉;林婉怡;杰弗里.A.布卢姆 -专利权人：汤姆森特许公司
申请日： 2008-09-26 - 公布日： 2011-12-28 - 主分类号： G06T1/00 文献下载
摘要：一种检测进行共谋攻击的共谋者的方法与系统，所述共谋攻击包括在数字产品上的少数类型共谋攻击，所述方法与系统包括生成在数字产品中用作水印的码字。使用Hadamard矩阵中行的置换以及将它们级联在一起来生成码字的内部码。码字的典型外部码为Reed Solomon码。自适应检测器能够精确地检测少数类型攻击的三个或更多共谋者之一。使用具有内部码的基于纠错码的水印加注机制的现有技术方案未能检测利用包括三个共谋者的少数类型共谋攻击的共谋者。
共谋水印生成方法

[发明专利]对水印加注的数字内容的反共谋鉴别码构建内部码的方法-CN200880132105.5有效
发明人： 林婉怡;何杉;杰弗里.A.布卢姆 -专利权人：汤姆森特许公司
申请日： 2008-09-26 - 公布日： 2011-10-26 - 主分类号： G06T1/00 文献下载
摘要：描述了一种方法以及装置，其包括：使用多个码元为多个用户中的每个生成唯一码，生成表示所述多个码元的多个码，为所述多个用户中的每个替换所述多个码至所述唯一码，置换由所述替换导致的码以便为所述多个用户中的每个产生码字以及嵌入所述码字至数字内容。第二生成动作还包括：生成第一码元和之后的第二码元的串，其中所述第一码元全部为一并且所述第二码元全部为负一，其中第一码元的数目等于所述第二码元的数目，并且其中如果所述第一码元和之后的所述第二码元的长度小于所述码的长度，则重复所述第一码元和之后的所述第二码元直至填充到所述码的长度。
水印加注数字内容共谋鉴别构建内部方法

1
共 14 条