“郭锴凌”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36个，建议您升级VIP下载更多相关专利

[发明专利]一种视觉Transformer的动态剪枝方法-CN202310697926.X在审
发明人： 郭锴凌;陈灿阳;徐向民 -专利权人：华南理工大学;人工智能与数字经济广东省实验室（广州）
申请日： 2023-06-13 - 公布日： 2023-10-24 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种视觉Transformer的动态剪枝方法，涉及深度学习领域，针对现有技术中模型冗余剪枝问题提出本方案，包括以下步骤：在建立模型结构后，对视觉Transformer网络模型进行训练，优化视觉Transformer网络模型中的权重和结构参数，并在训练过程中对模型冗余进行剪枝；本发明采用令牌剪枝和特征稀疏联合工作的方式同时修剪模型中的冗余令牌和冗余通道，可以更加有效地降低模型的浮点计算量，节省模型所需的计算资源，同时，本发明的令牌矩阵的计算仅依赖于的当前层的输入特征，在浅层编码器模块中被误丢弃的令牌可以在后续编码器模块中被重新恢复。
一种视觉 transformer 动态剪枝方法

[发明专利]一种联合多维度的视觉注意方法及其介质和设备-CN202310098214.6在审
发明人：徐向民;周欣欣;郭锴凌 -专利权人：华南理工大学
申请日： 2023-02-10 - 公布日： 2023-07-25 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种联合多维度的视觉注意方法及其介质和设备，涉及深度学习领域，针对现有技术中视觉注意方法对模型特征权重的提取问题提出本方案。在注意力模块中，分别将空间两个维度和通道维度联合，在通道注意中嵌入空间注意，提高不同维度信息的交互性。并通过全局的形式获取空间注意，增强对空间位置关系的建模。其优点在于，多维度的联合有效增强信息交互，并且通过维度压缩，高效地获取空间的全局信息，减少计算开销。该注意方法可以灵活地应用到经典的卷积神经网络中，提高模型特征的提取能力，进而提高图像分类精度。
一种联合多维视觉注意方法及其介质设备

[发明专利]适用于图神经网络分布外泛化的分布鲁棒优化方法及系统-CN202310178341.7在审
发明人：邢晓芬;许轶珂;郭锴凌;徐向民 -专利权人：华南理工大学
申请日： 2023-02-28 - 公布日： 2023-07-25 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供了一种适用于图神经网络分布外泛化的分布鲁棒优化方法及系统，所述方法包括以下步骤：选择任意的图卷积神经网络模型，在图数据中对目标个体的邻居特征进行聚合，并用于更新目标个体的特征；与任务目标相关的损失函数，通过模型得到对个体的最终结果预测，与个体标签计算相应的损失函数，得到每个个体对应的损失值；根据计算出的损失值，通过基于KL散度的分布鲁棒优化算法得到每个个体的权重，该权重分布为当前个体的最差分布；对个体的权重进行平滑操作，使得距离相近或局部结构相似的训练个体权重也相近；通过调整后的权重值以及对应的损失值，计算所有训练个体整体的损失；利用整体训练损失对使用的图卷积神经网络模型进行优化。
适用于神经网络分布泛化优化方法系统

[发明专利]一种基于深度神经网络的视频自动着色方法-CN202210678884.0有效
发明人：晋建秀;杨镒彰;郭锴凌;徐向民 -专利权人：华南理工大学
申请日： 2022-06-15 - 公布日： 2023-06-23 - 主分类号： H04N9/64 文献下载
摘要：本发明公开了一种基于深度神经网络的视频自动着色方法，包括以下步骤：获取原始彩色视频数据集，将彩色视频转化为黑白视频，得到用于网络训练的黑白视频帧序列和彩色视频帧序列；分别计算彩色视频帧序列和黑白视频帧序列中相邻两帧间的正向和反向光流；从数据集中选择相邻的三帧输入至特征提取网络中提取出特征信息图；在目标图像中计算出每个像素点的相邻相似区域；将特征信息图输入初步着色网络得到每一帧图像的多张初步着色图；输入三帧的初步着色图输入光流对齐模块，利用时序损失函数来对初步着色网络进行约束；将初步着色网络的输出和光流对齐模块的输出输入至加强着色网络得到最终输出，并利用L1范数计算最终输出和真实值的误差。
一种基于深度神经网络视频自动着色方法

[发明专利]基于低秩与稀疏分解的轻量化卷积神经网络图像识别方法-CN201911079625.0有效
发明人： 郭锴凌;谢晓娜;徐向民 -专利权人：华南理工大学
申请日： 2019-11-07 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本发明属于图像识别领域，涉及一种基于低秩与稀疏分解的轻量化卷积神经网络图像识别方法。低秩与稀疏分解的轻量化卷积神经网络的构建过程包括：在结构设计阶段，将权重矩阵分解为低秩矩阵和稀疏矩阵的和，并将低秩矩阵根据秩的大小分解为两个小矩阵的乘积；在训练阶段，在损失函数中添加正则化项对稀疏矩阵进行约束；在后处理阶段，根据稀疏矩阵的能量分布删除不重要参数。优选地，还包括：对低秩与稀疏分解的轻量化卷积神经网络进行微调。本发明结合低秩分解和稀疏压缩方法，从头训练一个轻量化的卷积神经网络，在保留图像识别精度的同时，实现了卷积神经网络的压缩和加速。
基于稀疏分解量化卷积神经网络图像识别方法

[发明专利]一种基于知识图谱的抑郁症智能诊断装置及系统-CN202010170779.7有效
发明人：何卷红;邢晓芬;徐向民;郭锴凌;田翔 -专利权人：华南理工大学
申请日： 2020-03-12 - 公布日： 2023-06-20 - 主分类号： G16H10/20 文献下载
摘要：本发明提供了一种基于知识图谱的抑郁症智能诊断装置及系统，其中装置包括：数据采集模块，用于采集用户的人体数据；人体数据包括视频数据、音频数据、脑电数据和心率数据；实体属性值获取模块，用于采用训练好的学习模型从人体数据中获取实体和对应的实体属性值；以及知识图谱模块，用于连接实体和实体属性值构成知识图谱，得到抑郁症诊断结果。本发明可智能化输出抑郁症诊断结果，协助医生诊断抑郁症。
一种基于知识图谱抑郁症智能诊断装置系统

[发明专利]一种剪枝搜索的模型压缩方法-CN202211393470.X在审
发明人： 郭锴凌;李柏鸿;梁德麒;吴卓宸;史天浩 -专利权人：华南理工大学
申请日： 2022-11-08 - 公布日： 2023-03-21 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种剪枝搜索的模型压缩方法，包括以下步骤：S1、输入图像数据，建立卷积神经网络模型，对卷积神经网络模型进行搜索训练，优化卷积神经网络模型的权重参数；S2、对卷积神经网络模型每个块评估块对误差的敏感性，根据敏感性将块进行分组，产生剪枝比例配置候选集；S3、对卷积神经网络模型进行最大剪枝比例、最小剪枝比例和在配置集中随机采样剪枝比例下的优化，训练得出全通道共享参数的网络；S4、根据应用场景的硬件约束在全通道共享参数的网络中选择合适的剪枝比例配置。S5、对剪枝网络中的批标准化层的统计参数进行校准。
一种剪枝搜索模型压缩方法

[发明专利]一种人脸图像属性编辑方法、装置、存储介质及设备-CN202010115542.9有效
发明人：麦锐杰;邢晓芬;徐向民;郭锴凌 -专利权人：华南理工大学
申请日： 2020-02-25 - 公布日： 2023-03-21 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种人脸图像属性编辑方法、装置、存储介质及设备；其中方法使用两个独立的人脸属性编码器和图像背景编码器在特征空间中解离属性和背景，在特征空间对属性向量进行编辑操作，并经由人脸向量解码器生成目标图像。人脸向量解码器在处理时采用跳跃连接的方式，并在跳跃连接操作中对特征图各个通道按照对结果的贡献度权重进行加权，增大贡献度大的特征图通道数值。人脸向量解码器得到的生成图再经过一次人脸属性编码器和图像背景编码器，使用均方误差损失约束编码过程中的属性向量和内容向量的前后一致性。本发明有效地避免了人脸多属性编辑时属性混叠的现象，提升了图像生成质量的清晰度和图像属性编辑时的可控性。
一种图像属性编辑方法装置存储介质设备

[发明专利]时空卷积孪生匹配网络目标跟踪方法、装置、介质及设备-CN202010166240.4有效
发明人：陈汉造;邢晓芬;徐向民;郭锴凌 -专利权人：华南理工大学
申请日： 2020-03-11 - 公布日： 2023-02-10 - 主分类号： G06T7/246 文献下载
摘要：本发明提供了一种时空卷积孪生匹配网络目标跟踪方法、装置、介质及设备；其中方法包括如下步骤：预处理训练数据；训练卷积神经网络模型；分别提取目标跟踪视频的第一帧图像、搜索帧图像以及搜索帧前T帧图像的特征；将第一帧图像的特征和搜索帧图像的特征进行互相关操作，得到第一互相关响应图R1；采用三维卷积方式对搜索帧前T帧图像的特征进行融合生成注意力响应图；将注意力响应图和第一帧图像的特征相乘，得到新的模板帧特征；将新的模板帧特征和搜索帧的特征进行互相关操作，得到第二互相关响应图R2；将R1和R2中APCE系数较大的一项作为最新跟踪对象。本发明能够适应目标的变形和遮挡；在不影响速度的情况下有效提高跟踪精度。
时空卷积孪生匹配网络目标跟踪方法装置介质设备

[发明专利]一种联合比特量化和比特权重搜索的模型压缩方法-CN202210790456.7在审
发明人： 郭锴凌;冯永安;钟研;陈雨楠 -专利权人：华南理工大学
申请日： 2022-07-06 - 公布日： 2022-11-18 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种联合比特量化和比特权重搜索的模型压缩方法，包括以下步骤：S1、加载图像数据并对图像数据进行预处理；S2、建立卷积神经网络模型，设定卷积神经网络模型中对应的比特搜索空间和权重搜索空间；S3、对卷积神经网络模型进行联合搜索训练；S4、选取比特搜索结果中的最大概率位宽，以构建轻量化网络，并保存联合搜索时最后以最大概率位宽得到的权重参数作为轻量化网络的权重参数，再进行权重搜索来进一步优化轻量化网络模型，输出压缩了的优化轻量化网络模型。
一种联合比特量化权重搜索模型压缩方法

[发明专利]基于多尺度局部自注意力的视频超分辨率重建方法及系统-CN202210564009.X在审
发明人： 郭锴凌;黄寅;徐向民 -专利权人：华南理工大学
申请日： 2022-05-23 - 公布日： 2022-09-20 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了基于多尺度局部自注意力的视频超分辨率重建方法和系统。所述方法包括：S1:构建低分辨率视频帧序列数据集；S2:通过光流预测网络预测低分辨率视频帧序列输入中相邻帧之间的双向光流信息；S3:构建视频超分辨率重建网络，视频超分辨率重建网络包括特征提取模块、多尺度深层特征提取模块和上采样重建模块；S4:基于数据集和所述双向光流信息训练视频超分辨率重建网络；S5:将需要超分辨率重建的视频序列输入到训练后得到的视频超分辨率重建网络中，即可得到超分辨率重建后的视频序列。本发明能够减少网络的整体计算量，并通过光流预测网络强化信息融合，具备良好的重建效果。
基于尺度局部注意力视频分辨率重建方法系统

[发明专利]一种跨范围量化的卷积神经网络压缩方法-CN202210260332.8在审
发明人：邢晓芬;杨弈才;郭锴凌;徐向民 -专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院
申请日： 2022-03-16 - 公布日： 2022-08-30 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种跨范围量化的卷积神经网络压缩方法，包括以下步骤：确定量化卷积神经网络的量化比特和该量化比特下的量化范围，以及基于步长量化的量化函数；训练一个全精度卷积神经网络，并使用全精度卷积神经网络初始化量化卷积神经网络以及量化步长；前向传播阶段，对卷积神经网络的权重参数以及激活值进行量化，对于量化阈值范围内的值，采取常规量化方式；对于量化阈值范围外的值，先减去量化阈值，再进行常规量化；反向传播阶段，使用梯度近似让不可导的量化函数变为可导。本发明在常规量化的基础上对量化范围外的值采取了不同的量化方式，在保留图像识别精度的同时，实现了卷积神经网络的压缩和加速。
一种范围量化卷积神经网络压缩方法

[发明专利]一种工业设备剩余寿命预测方法、装置、存储介质及设备-CN202010156709.6有效
发明人：张叙文;邢晓芬;徐向民;郭锴凌;殷瑞祥 -专利权人：华南理工大学
申请日： 2020-03-09 - 公布日： 2022-08-12 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种工业设备剩余寿命预测方法、装置、存储介质及设备；其中方法包括如下步骤：获取工业设备的传感器监测数据，对传感器监测数据进行数据预处理并获取训练样本；注意力循环神经网络的模型构建与训练：使用lstm网络和输出全连接层构建注意力循环神经网络；在训练过程中，通过注意力层和lstm网络对多维传感器时间序列中各类传感器时间序列赋予不同权重，将带不同权重的多维传感器时间序列输入lstm网络获取高维特征，最后通过输出全连接层获取预测结果；通过注意力循环神经网络预测剩余寿命。本发明能够对不同的传感器时间序列赋予不同的权重，使模型更加关注与工业设备剩余寿命相关度高的传感器输入，从而提高预测准确率。
一种工业设备剩余寿命预测方法装置存储介质

[发明专利]基于Transformer的视频时空超分辨率方法-CN202210346886.X在审
发明人：邢晓芬;曹俏钰;徐向民;郭锴凌 -专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院
申请日： 2022-04-02 - 公布日： 2022-07-15 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了基于Transformer的视频时空超分辨率方法。所述方法包括以下步骤：采集视频时空超分辨率的模型训练样本；构建高帧率低分辨率视频序列生成模型，基于Transformer注意力机制的时域特征融合的生成中间帧，生成高帧率低分辨率视频序列；构建高帧率高分辨率视频序列生成模型，基于Transformer注意力机制的时空域特征融合，重建高帧率高分辨率视频序列；构建基于Transformer的视频时空超分辨率模型并训练，根据训练好的基于Transformer的视频时空超分辨率模型对视频序列进行视频时空超分辨率重建。本发明结合了Transformer注意力机制获取了视频序列中的时空联系，实现了视频在时空上的超分辨率增强。
基于 transformer 视频时空分辨率方法

[发明专利]一种基于张量优化空间的正交卷积神经网络图像识别方法-CN202210130608.0在审
发明人：晋建秀;谢晓娜;郭锴凌;徐向民 -专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院
申请日： 2022-02-11 - 公布日： 2022-06-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于张量优化空间的正交卷积神经网络图像识别方法。所述方法包括以下步骤：对原始图像进行预处理，得到预处理后的图像；对卷积神经网络的权重参数施加正交化约束，进行优化训练，得到优化训练后的正交卷积神经网络；优化训练后的正交卷积神经网络对预处理后的图像进行图像识别。本发明使用基于张量结构的正交化方法可以保留了张量的空间结构信息，且优化空间比矩阵正交更小，可以有效地提高图像识别精度。本发明所涉及的优化方法适用于常用的卷积神经网络，不需要修改网络结构，不增加模型参数。
一种基于张量优化空间正交卷积神经网络图像识别方法

1
2
3
下一页»
尾页
共 36 条