“程乐超”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40个，建议您升级VIP下载更多相关专利

[发明专利]基于有向图信息交互的在线动作检测算法、系统、设备-CN202310403357.3在审
发明人：张鼎文;高源远;杨乐;程乐超;孙佳欣;韩军伟;彭春蕾 -专利权人：西北工业大学
申请日： 2023-04-17 - 公布日： 2023-10-13 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于有向图信息交互的在线动作检测算法，用于建模时序信息，完成时序动作定位任务。其针对一个动作类别，首先，收集此类所有动作实例的每个特征并进行聚类，选取有代表性的特征作为典型动作片段。其次，将典型动作片段划分为三个阶段并按照时间顺序嵌入到一个有向图中，从类别层面全局地构建典型动作网络。再次，在典型动作网络中设计四种信息交互步骤：阶段内部交互、相邻阶段传递、典型信息聚合和视频帧广播，按顺序处理时序信息，调整典型动作网络中每个典型动作片段的特征，为所处理的每帧视频提供恰当的时序信息引导。最终，该基于有向图信息交互的在线动作检测算法与已有的时序动作定位方法相结合，在有监督的情况下取得性能增益。
基于信息交互在线动作检测算法系统设备

[发明专利]基于图变换网络的弱监督视频动作检测方法、系统、设备-CN202310417858.7在审
发明人：张鼎文;孙佳欣;杨乐;程乐超;高源远;韩军伟;彭春蕾 -专利权人：西北工业大学
申请日： 2023-04-19 - 公布日： 2023-09-29 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于图变换网络的弱监督视频动作检测方法，其从动作背景判别性特征学习的角度研究弱监督视频动作检测，构建了一个新颖的图变换网络模块。该模块从每类动作中选择有代表性的典型特征，按照时空结构嵌入有向图中，并设计阶段内部交互、相邻阶段传递、典型信息聚合和视频帧广播四种信息传播机制。通过本发明方法能在视频帧和图变换网络之间进行有效的信息交互，为弱监督视频动作检测任务提供动作结构信息引导。并且本发明的图变换网络模块能够有效地建模动作结构，可以作为即插即用模块部署到已有的弱监督视频动作检测框架中，显著地提升其在相关任务上的性能。
基于变换网络监督视频动作检测方法系统设备

[发明专利]一种基于迁移性图谱的图像分类方法、装置、设备和介质-CN202310773223.0有效
发明人：叶玥;苏慧;王瑾;程乐超 -专利权人：之江实验室
申请日： 2023-06-28 - 公布日： 2023-09-05 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种基于迁移性图谱的图像分类方法、装置、设备和介质，其中，基于迁移性图谱的图像分类方法包括：基于至少一个源域模型以及至少一个源域数据集，获得目标域模型在各所述源域数据集下与各所述源域模型的迁移性强度；基于所述至少一个源域模型、所述目标域模型以及所述迁移性强度，生成迁移性图谱；确定各所述源域数据集对应的至少一个可选的源域模型；基于用户选择的源域数据集和源域模型对目标域模型进行优化；将待分类图像输入到所述优化后的目标域模型，获得分类结果。可在海量源域数据集和源域模型中快速在不同源域数据集下选择合适的源域模型进行迁移学习，提高迁移学习效果，提高图像分类的精度。
一种基于迁移性图谱图像分类方法装置设备介质

[发明专利]一种层级聚类约束的多标签细粒度术后并发症预测装置-CN202310699832.6有效
发明人：胡丹青;吴楠;程乐超;刘冰 -专利权人：之江实验室;北京肿瘤医院
申请日： 2023-06-14 - 公布日： 2023-08-25 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种层级聚类约束的多标签细粒度术后并发症预测装置，属于医疗数据挖掘领域，包括：根据医学先验知识将多种细粒度术后并发症分类成不同系统并发症，并构建每个系统并发症的层次聚类图；构建预测模型，包括底层网络、次层网络、中间网络、预测网络；构建损失函数，包括基于次层隐藏特征预测的整体并发症概率和各细粒度术后并发症概率构建的预测损失、自下而上的层级约束损失和自上而下的层级约束损失；基于损失函数对预测模型进行参数优化；利用优化的预测模型进行术后并发症预测。该装置通过引入层级聚类图构建网络架构，进而预测精准度。
一种层级约束标签细粒度术后并发症预测装置

[发明专利]基于梯度和区域亲和力优化的弱监督语义分割方法及装置-CN202211395308.1有效
发明人：张鼎文;薛文灏;张晓;程乐超;方超伟;韩军伟 -专利权人：之江实验室
申请日： 2022-11-09 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于梯度和区域亲和力优化的弱监督语义分割方法及装置，本方法提出的基于视觉Transformer的弱监督语义分割框架，可以保留精确的图像结构信息，反映像素间长距离语义关联。本发明从自注意力模块中提取梯度加权的类相关物体定位图和区域亲和度关联图，用于优化通过Transformer分类网络生成的类激活图，可以有效扩大激活区域，并使用显著性约束提高激活区域的边界质量，缓解边界被错误划分现象，为分割模型提供高质量的物体定位图；在类激活图中广泛使用的二值交叉熵(BCE)损失使CAM中每个像素可以响应于同一感受野中出现的多个类别，是造成像素标注错误的重要原因。
基于梯度区域亲和力优化监督语义分割方法装置

[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]基于梯度蒸馏的少样本学习的鸟类分类系统、方法与装置-CN202310202396.7有效
发明人：苏慧;鲍虎军;杨非;程乐超;宋明黎 -专利权人：之江实验室
申请日： 2023-03-06 - 公布日： 2023-06-20 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于梯度蒸馏的少样本学习的鸟类分类系统、方法与装置，通过构建鸟类图像分类数据集；在训练阶段，从鸟类图像分类数据集抽取支撑集s和预测集q，经教师网络后，分别输出的特征向量进行匹配，得到预测集q的类别预测结果，并利用所述预测结果与预测集q的类别真值构建教师网络交叉熵损失函数，训练教师网络；获取鸟类图像经过教师网络、学生网络各个网络层的特征，并利用各层特征的和，作为损失值反向传播，得到输入的鸟类图像基于损失值的梯度信息，构建梯度损失函数，使教师网络和学生网络输入的鸟类图像的梯度信息相匹配；梯度损失函数叠加学生网络交叉熵损失函数，训练学生网络，用于鸟类图像分类。
基于梯度蒸馏样本学习鸟类分类系统方法装置

[外观设计]带AI开放资产图形用户界面的显示屏幕面板-CN202230760681.7有效
发明人：郭蕊;王瑾;胡丹青;程乐超 -专利权人：之江实验室
申请日： 2022-11-15 - 公布日： 2023-05-05 - 主分类号： 14-04 文献下载
摘要：1.本外观设计产品的名称：带AI开放资产图形用户界面的显示屏幕面板。2.本外观设计产品的用途：用于显示信息。3.本外观设计产品的设计要点：在于显示屏幕面板中图形用户界面的界面内容。4.最能表明设计要点的图片或照片：主视图。5.无设计要点，省略后视图、左视图、右视图、俯视图和仰视图。6.图形用户界面的用途：用于对AI开放资产进行管理、数据集库搜索查看、算法库地址查询、模型部署等，该显示屏幕面板用于计算机、平板电脑和笔记本电脑。7.图形用户界面的人机交互方式：通过鼠标点击或手指触摸。8.图形用户界面的变化状态说明：产品的图形用户界面的默认状态如主视图所示，即AI开放资产的首页，包含系统左侧一级导航栏，数据集列表以及筛选器显示；点击主视图列表中“查看详情”进入变化状态图1，变化状态图1为对应数据集的详情页面，上方为该数据集的内容介绍以及官网链接地址，中部为该数据集任务类型、应用场景、模态的展示，下方是数据集下载地址；主视图筛选器点击“查询”，当结果为空时，跳转至变化状态图2；变化状态图2内容里，顶部面包屑文字前有菜单icon，点击该icon，页面跳转至变化状态图3，收缩左侧导航栏；主视图左侧导航内点击AI开放资产的二级菜单“算法库”，页面跳转至变化状态图4，显示算法列表内容；主视图左侧导航内点击AI开放资产的二级菜单 “模型库”，页面跳转至变化状态图5，显示模型列表内容，以及模型下载和部署入口。
ai 开放资产图形用户界面显示屏幕面板

[发明专利]一种计算机视觉深度学习模型的优化部署方法与装置-CN202310098795.3在审
发明人：王瑾;莫瞰涯;叶玥;程乐超 -专利权人：之江实验室
申请日： 2023-02-11 - 公布日： 2023-05-02 - 主分类号： G06F8/60 文献下载
摘要：本发明公开了一种计算机视觉深度学习模型的优化部署方法与装置，所述方法和装置核心为模型优化服务和模型部署服务两个模块。模型优化服务模块可将训练好的模型通过IR中间表示)转换为适配目标推理引擎及硬件设备的框架格式，提升推理性能。模型部署服务模块支持本地部署和在线部署两种方式，其中本地部署是指将待部署模型文件封装为SDK，下载至本地设备进行端侧推理；在线部署是指将待部署模型文件在云端服务器部署，开放接口供用户调用推理服务，本发明通过构建完整的模型优化和部署服务流程与装置，降低深度学习模型部署的复杂度，对多种模型网络架构、推理引擎的扩充兼容，使本公开实施例更具灵活性和可拓展性。
一种计算机视觉深度学习模型优化部署方法装置

[发明专利]一种多码率的行人识别视觉特征编码压缩方法和装置-CN202211341654.1有效
发明人： 程乐超;郭恒康;宋杰 -专利权人：之江实验室
申请日： 2022-10-31 - 公布日： 2023-03-03 - 主分类号： G06V40/10 文献下载
摘要：本发明一种多码率的行人识别视觉特征编码压缩方法和装置，所述方法包括下列步骤：1）行人视觉特征提取；2）行人视觉特征压缩编码；3）视觉特征编码解压重建；4）行人重识别。通过在智能安保系统的终端设备部署步骤1）、2），在智能安保服务的中心设备部署步骤3）、4），同时利用网络作为传输媒介从终端设备传输特定码率的内容到服务的中心设备，可以实现智能安保系统中的行人重识别任务，提高安保工作的效率，提高识别精度，减少人工需求。
一种多码率行人识别视觉特征编码压缩方法装置

[发明专利]一种多模态图森林的肺癌淋巴结转移辅助诊断系统-CN202211375015.7有效
发明人：胡丹青;程乐超 -专利权人：之江实验室
申请日： 2022-11-04 - 公布日： 2023-01-24 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种多模态图森林的肺癌淋巴结转移辅助诊断系统，包括：CT深度特征获取模块：获取CT深度特征；多模态数据异构图构建模块：用于根据多模态特征类型定义表示不同特征类型的多模态节点；并根据医学先验知识，定义节点与节点之间的关系构建多模态数据异构图；异构图森林构建模块：构建异构图森林；淋巴转移诊断结果模块：获取所述异构图森林中每个子图的图表征，将每个子图的图表征通过全连接层的输出得到对应的患者淋巴转移概率，对每个子图对应的患者淋巴转移概率进行平均得到最终的患者淋巴转移预测结果。本发明可有效考虑不同种类特征之间的相关关系，提取的深度特征在预测淋巴结转移时有更好的泛化能力。
一种多模态图森林肺癌淋巴结转移辅助诊断系统

[发明专利]左心室射血分数预测设备-CN202210933954.2在审
发明人：黄正行;程乐超;毛一恒;胡丹青 -专利权人：之江实验室
申请日： 2022-08-04 - 公布日： 2023-01-17 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种左心室射血分数预测设备，包含：包括：数据输入单元、超声影像特征表示单元、基于多切面二维超声心动图的对比学习单元和左心室射血分数结果预测单元；对比学习单元包括：影像表征模块、对比影像表征模块、负样本队列存储模块、特征对比模块；左心室射血分数结果预测单元用于对影像表征模块输出的患者表示hk进行组合并回归拟合得到预测结果。本发明的左心室射血分数预测设备，结合超声心动图拍摄的临床实践，能够从患者二维超声心动图的多个不同切面提取左心室相关特征，从而提高在临床环境下的射血分数预测和应用性能，减轻专业数据标注的工作量，有助于更好地开展相应的临床研究，帮助患者得到更好的诊断、治疗和预后护理。
左心室分数预测设备

[发明专利]基于混合批归一化的长尾学习图像分类、训练方法及装置-CN202210794485.0有效
发明人： 程乐超;方超伟;李根 -专利权人：之江实验室
申请日： 2022-07-07 - 公布日： 2022-12-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于混合批归一化的长尾学习图像分类、训练方法及装置，训练方法通过构建混合标准化分支和分裂标准化分支，得到对应标准化后的特征向量，再通过双分支学习框架，将经强增强和弱增强的样本图像输入标准化分支后，进行图像分类，通过分类结果计算两个分支分类预测的相似性最大化损失以及用平衡交叉熵损失来计算分类损失，优化双分支框架对应的网络参数。混合标准化分支能够更全面地对特征空间进行建模，减轻头部类的主导地位，分裂标准化分支能够多样化估计高斯分布，使高斯分布更全面地拟合尾部类别的训练样本，图像分类方法及装置则是利用训练好的混合标准化分支进行图像分类。
基于混合归一化长尾学习图像分类训练方法装置

[发明专利]基于二阶段物体检测器的半监督物检测及训练方法、装置-CN202210812617.8有效
发明人： 程乐超;李冠彬;王阔 -专利权人：之江实验室
申请日： 2022-07-12 - 公布日： 2022-12-02 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了基于二阶段物体检测器的半监督物检测及训练方法、装置，在半监督物体检测中，IoU匹配在训练阶段起到了筛选候选框和标注候选框的作用。由于伪标签无法囊括所有的前景物体，导致筛选候选框时，仅能选取到较为简单的前景物体。被错误分类为背景的前景物体，难以参与到训练中。此外，由于伪标签也存在着错误，导致IoU匹配对候选框进行错误标注，而错误的伪标签，将导致所有与其重合度较高的候选框产生标注错误问题。本发明通过构建合理选择机制和动态阈值化机制，分别解决了IoU匹配中的筛选和错误标注问题。本发明实现方法简便，手段灵活，在匹配方面具有优势，因此提升了半监督物体检测的效果。
基于阶段物体检测器监督检测训练方法装置

1
2
3
下一页»
尾页
共 40 条