“陈祺东”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19个，建议您升级VIP下载更多相关专利

[发明专利]基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法-CN202310489300.X在审
发明人：孙俊;拜力丹;李超;吴豪;吴小俊;方伟;陈祺东;游琪;冒钟杰;陆恒杨 -专利权人：江南大学
申请日： 2023-05-04 - 公布日： 2023-09-05 - 主分类号： G16B5/00 文献下载
摘要：基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法。本发明方法结合了通量平衡分析FBA和改进二进制量子行为粒子群优化EBQPSO算法的优势，以确定所需代谢产物的最佳敲除策略。EBQPSO算法引入邻域概念，增加粒子群的多样性，促进全局最优解的识别。我们在大肠杆菌iAF1260和iJR904两个基因组尺度的代谢模型上测试了我们的算法，结果显示EBQPSO的性能与其他算法相比具有竞争力。此外，我们算法中使用的编码方法在GSMMs的优化问题中很少被使用，这对于该领域的研究是一个重要贡献。我们提出的算法有潜力显著改善微生物细胞工厂的优化，并满足不同行业对微生物制造产品日益增长的需求。
基于二进制子粒子群优化算法通量平衡分析混合代谢产物方法

[发明专利]一种融合多粒度特征的细粒度图像分类方法-CN202110954862.8有效
发明人：孙俊;杨祺;李超;陈祺东;吴豪;方伟;吴小俊 -专利权人：匀熵科技（无锡）有限公司
申请日： 2021-08-19 - 公布日： 2023-08-01 - 主分类号： G06V10/80 文献下载
摘要：本发明提供一种融合多粒度特征的细粒度图像分类方法，属于图像处理领域。本发明首先通过一个局部错位模块选择细粒度图像中的不同粒度，然后引入注意力机制定位它们并提取其多粒度特征，并且通过迭代学习的方式提取多粒度间的互补信息，最后采用可变形卷积融合这些多粒度特征，从而实现细粒度图像分类。本文所提出的方法在CUB‑200‑2011、FGVC‑Aircraft和Stanford Cars三个数据集上准确率分别达到88.6％、93.6％和94.8％，这表明我们的方法能够获得优秀的分类性能。
一种融合粒度特征细粒度图像分类方法

[发明专利]一种图像真伪鉴别方法及其在证照识别中的应用-CN202010222849.9有效
发明人：孙俊;朱昊昱;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2020-03-26 - 公布日： 2023-05-05 - 主分类号： G06T7/00 文献下载
摘要：一种图像真伪鉴别方法及其在证照识别中的应用，属于数字图像处理领域。随着数字图像编辑软件的开发与应用，不法分子可以对身份证、营业执照、经营许可证等图像进行违规编辑，并造成一种以假乱真的效果。因此，图像取证的需求变得日益迫切起来，现有的模型大多只能检测出图像是否经过篡改，而不能很好地分割出篡改区域。本文提出了一种基于卷积神经网络的图像篡改检测方法，通过融合篡改图像的多种特征，可以有效地分割图像中的篡改区域。我们在多个数据集上做了实验，实验结果进一步表明了我们工作的有效性。
一种图像真伪鉴别方法及其证照识别中的应用

[发明专利]一种使用运动信息与时序信息的改进CFNet视频目标追踪方法-CN201910797988.1有效
发明人：孙俊;钱瑞峰;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2019-08-27 - 公布日： 2023-04-25 - 主分类号： G06T7/246 文献下载
摘要：本发明提供一种使用运动信息与时序信息的改进CFNet视频目标追踪方法，属于目标追踪、深度学习领域。为了使模型有更强的鲁棒性，首先，要能够更好的提取视频帧中的图像特征，在CFNet模型的基础上，引入了SE‑ResNext‑50作为本模型的特征提取网络，其次，通过前后帧的信息，计算物体的位移、速度、加速度特征，作为跟踪目标的运动信息特征输入模型中。同时，模型还使用二维ConvLSTM循环神经网络，提取视频帧内的时序信息，两种信息的加入使得模型具有了较强的鲁棒性，在遇到遮挡，形变，目标快速运动等问题时较之前模型有较好的表现。
一种使用运动信息时序改进 cfnet 视频目标追踪方法

[发明专利]基于孪生网络和多头注意力机制的语义相似度匹配方法-CN201910985413.2有效
发明人：孙俊;赵源;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2019-10-17 - 公布日： 2023-04-18 - 主分类号： G06F40/30 文献下载
摘要：基于孪生网络和多头注意力机制的语义相似度匹配方法，属于自然语言处理问答系统领域。本发明提出模型SNMA，它使用双向GRU构建孪生网络分别对两个句子嵌入进行编码，之后对编码信息利用Jaccard距离进行信息聚合；同时，我们利用多头注意力机制将两个句子的信息进行交互，最终将交互信息与孪生网络得到的聚合信息进行融合。本发明我们首次将多头注意力机制用在了语义相似度匹配工作中；在四个中文语义相似度数据集中验证了我们工作的有效性。
基于孪生网络多头注意力机制语义相似匹配方法

[发明专利]基于尾句-上下文双重注意力模型的多轮对话生成方法-CN201910554079.5有效
发明人：孙俊;张国栋;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2019-06-25 - 公布日： 2023-04-07 - 主分类号： G06F16/33 文献下载
摘要：基于尾句‑上下文双重注意力模型的多轮对话生成方法，属于人机对话领域。一个合适的回复应该是符合最后一个句子的语义且能够利用到整个上下文的信息。当前多轮对话生成主要基于层次的编码器‑解码器结构。本发明提出了一个尾句‑上下文双重注意力模型。每句话都通过编码器获取句子的语义表示。对最后一句话中每个词做注意力，同时对每句话的语义表示做注意力。二者拼接作为解码阶段的上下文向量。此外，本发明还引入了多头自注意力机制使得在获取每句话的语义表示时能更关注于关键的词。实验证明本发明方法的模型在自动评价和人工评价两个方面都超出了基准模型。
基于上下文双重注意力模型轮对生成方法

[发明专利]一种基于高斯分布QPSO算法的工程优化求解方法-CN202211404387.8在审
发明人： 陈祺东 -专利权人：无锡学院
申请日： 2022-11-10 - 公布日： 2023-02-03 - 主分类号： G06N3/006 文献下载
摘要：本发明提供了一种基于高斯分布QPSO算法的工程优化求解方法，包括：在可行的搜索空间中初始化粒子群；评估粒子的适应度值并更新其位置，同时更新粒子在迭代中的局部吸引子和迭代时个人最佳位置的平均值；更新迭代的方差、权重序列、加权最佳均值；若满足迭代结束条件，则结束迭代，输出评估的种群粒子的适应度值。本发明针对工程优化问题中出现的种群容易过早收敛以及后期局部搜索能力差的问题，有效提高解决工程优化问题的有效性和鲁棒性。
一种基于分布 qpso 算法工程优化求解方法

[发明专利]一种基于历史信息的QPSO算法和义原的文本对抗攻击方法-CN202211404375.5在审
发明人： 陈祺东 -专利权人：无锡学院
申请日： 2022-11-10 - 公布日： 2023-01-31 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种基于历史信息的QPSO算法和义原的文本对抗攻击方法，首先采用基于义原的方法生成替换词构建搜索词库，形成缩减的搜索空间，再使用基于历史信息的量子行为粒子群算法(HIQPSO)作为优化算法进行对抗攻击样本搜索。本发明提出的HIQPSO算法对原始输入句子进行多次变异操作来获得初始化的群体，将历史信息(即历史个体最佳位置平均值)引入QPSO的当前个体最佳位置平均值以指导搜索，在早期搜索阶段表现出较强的全局搜索能力，在后期搜索阶段表现出较强的局部搜索能力，从攻击成功率、平均修改率、语言模型复杂性、语法性和人工评估等几个方面的实验结果表明本发明具有良好的有效性和鲁棒性。
一种基于历史信息 qpso 算法文本对抗攻击方法

[发明专利]一种端到端中文语音识别方法-CN202210077486.3在审
发明人：孙俊;陈戈;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2022-01-24 - 公布日： 2022-04-19 - 主分类号： G10L15/06 文献下载
摘要：一种端到端中文语音识别方法，属于语音识别领域。首先探索了基于Transformer编码器和LAS解码器的Transformer‑LAS语音识别模型的效果，并针对Transformer不善于捕捉局部信息的问题，使用Conformer代替Transformer，提出Conformer‑LAS模型；其次，由于Attention过于灵活的对齐方式会使其在嘈杂环境中的效果急剧下降，研究中采用连接时序分类(CTC)辅助训练以加快收敛，并加入音素级别的中间CTC损失联合优化，提出效果更好的Conformer‑LAS‑CTC语音识别模型；最后，在开源中文普通话Aishell‑1数据集上对提出来的模型进行验证。
一种端到端中文语音识别方法

[发明专利]基于MobileNet V3的实时人脸检测方法-CN201910796856.7有效
发明人：孙俊;马栋梁;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2019-08-27 - 公布日： 2022-04-05 - 主分类号： G06V40/16 文献下载
摘要：基于MobileNet V3的实时人脸检测方法，属于人脸识别领域。本发明设计一种基于SSD架构的实时人脸检测器。同时这是MobileNet V3卷积神经网络首次应用于实时人脸检测任务。此外，还提出了一个轻量级的特征提高模块，增强MobileNet V3中浅层特征的表示能力，提高极小型人脸的检测精度。最后，为了提高极小型人脸的召回率，使用锚点密度策略，使得不同类型的锚点在图像上具有相同的密度。SSRFD在AFW数据集上能够实现99.43％mAP，同时仅有0.62M的参数；速度方面，采用1024x1024高分辨率图片在一块NVIDIA TITANX卡上进行测试，本方法能够达到34fps的帧速率。
基于 mobilenet v3 实时检测方法

[发明专利]一种基于多尺度特征卷积神经网络的目标定位方法-CN201910148554.9有效
发明人：孙俊;周以鹏;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2019-02-28 - 公布日： 2022-01-04 - 主分类号： G06T7/73 文献下载
摘要：本发明提供一种基于多尺度特征卷积神经网络的目标定位方法，属于计算机视觉领域。本方法针对实际应用中诸多数据集标签部分缺失、无定位标注等问题，提出了基于多尺度特征卷积神经网络的弱监督定位方法，其核心思想利用神经网络分层的特性，在多层卷积层上使用梯度加权类激活映射，生成梯度金字塔模型，并通过均值滤波计算特征质心位置，利用置信强度映射和阈值梯减模块产生连接的像素段，围绕最大边界标注进行弱监督定位。在标准测试集上的实验结果表明，算法能够在存在大量类别、多尺度图像的情况下完成目标定位，具有较高的精确度。
一种基于尺度特征卷积神经网络目标定位方法

[发明专利]基于群表示特征的半监督学习图像分类方法-CN202110784660.3在审
发明人：孙俊;冒钟杰;吴豪;方伟;吴小俊;陈祺东;李超 -专利权人：匀熵科技（无锡）有限公司
申请日： 2021-07-12 - 公布日： 2021-09-17 - 主分类号： G06K9/62 文献下载
摘要：基于群表示特征的半监督学习图像分类方法，在目前的方法中，常见的是通过对大量未标记数据使用一致性约束进行训练，要求模型预测对于输入样本的噪声具有不变性。在本发明中，我们使用协方差矩阵在流形空间中表示样本空间，来增强一致性训练性能。我们发现这样的方法和伪标签方法结合，可以得到更加有效的半监督学习分类模型。虽然本发明提出方法的构造很简便，但是它可以在多个半监督学习分类方法基准实验上获得SOTA的结果。
基于表示特征监督学习图像分类方法

[发明专利]基于多模态数据的动态手势识别方法-CN202110726159.1在审
发明人：孙俊;张艺楠;毛力;吴豪;方伟;吴小俊;陈祺东;李超;冒钟杰 -专利权人：江南大学
申请日： 2021-06-29 - 公布日： 2021-08-13 - 主分类号： G06K9/00 文献下载
摘要：基于多模态数据的动态手势识别方法，属于手势识别领域。本发明以3D卷积神经网络结构为基础，提出了一种多模态数据驱动的深度网络框架。首先，对于不同模态的输入数据，结合并优化多种有效的特征提取机制，大幅度压缩了网络规模，实现从连续图像序列中同时获得动态手势的空间和时域特征。其次，引入了一种新颖的并行分类器结构，能够充分利用所提取的多模态数据特征，从而有效提高模型的鲁棒性和识别准确率。为了验证所提出的网络框架的有效性，在多模态公开数据集SKIG上进行实验，达到了99.40％的识别准确率。结果表明，对于动态手势识别任务，该网络结构在较小的参数规模下实现了较好的识别能力。
基于多模态数据动态手势识别方法

[发明专利]基于改进的量子行为粒子群优化算法的文本对抗攻击方法-CN202110106877.9在审
发明人：孙俊;徐尹翔;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2021-01-27 - 公布日： 2021-05-07 - 主分类号： G06F16/35 文献下载
摘要：基于改进的量子行为粒子群优化算法的文本对抗攻击方法，属于自然语言处理文本对抗攻击领域。本发明对抗攻击能够极大地弱化深度神经网络在自然语言处理任务中的判别能力，研究对抗攻击方法是提升深度神经网络的鲁棒性的重要方法。现有的词级别文本对抗方法在搜索对抗样本时不够有效，搜索到的往往不是最理想的样本。针对这一缺陷，提出了基于改进的量子行为粒子群优化算法的文本对抗方法。通过对量子行为粒子群优化算法进行离散化的适应性改动，结果表明，本方法在多个数据集上取得了更高的攻击成功率，同时保持了更低的改动率，人工评测则表明所提出方法生成的对抗样本相比于其他对抗样本能够更多地保留语法和语义的正确性。
基于改进量子行为粒子优化算法文本对抗攻击方法

[发明专利]一种深度监督下的多尺度边缘检测方法-CN202011445466.4在审
发明人：孙俊;张旺;吴豪;吴小俊;方伟;陈祺东;李超;游琪;冒钟杰 -专利权人：江南大学
申请日： 2020-12-11 - 公布日： 2021-03-30 - 主分类号： G06K9/46 文献下载
摘要：一种深度监督下的多尺度边缘检测方法。该方法可以将局部特征与其对应的全局相关性结合起来，自适应地重新校准通道响应，引导网络忽略无关信息，强调相关特征间的关联。通过在BSDS500数据集和NYUD数据集上对该方法进行一系列的消融实验，证实了多尺度的深度监督自注意模块算法的有效性。与其他最先进的边缘检测网络相比，该算法具有更好的性能，用更少的参数提高了预测精度，在BSDS00数据集上实现了ODS测量值为0.815的得分，比现有的其他算法高出0.9％。
一种深度监督尺度边缘检测方法

1
2
下一页»
尾页
共 19 条