“上海人工智能创新中心”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203个，建议您升级VIP下载更多相关专利

[发明专利]一种生成序列影像的方法、电子设备及介质-CN202211360364.1在审
发明人：李学龙;王栋;李伟创 -专利权人： 上海人工智能创新中心
申请日： 2022-11-02 - 公布日： 2023-01-10 - 主分类号： G06V10/46 文献下载
摘要：本发明公开一种生成序列影像的方法，其首先提取源图像中的人物特征，然后对神经辐射场中的每个点进行矫正后结合相机参数，计算得到神经辐射场的每个点的点特征，并与原始点的点特征拼接，送入神经辐射场进行渲染，得到低分辨率的渲染图像，最后进行表情修正，得到序列图像。该方法将序列影像中的动作变化划分为姿态变化和表情变化并利用神经网络进行隐式建模，从而提升了生成序列影像的保真度。同时，其将图像特征作为神经辐射场的输入，可以使得神经辐射场能够泛化至不同场景。
一种生成序列影像方法电子设备介质

[发明专利]基于最大熵框架的强化学习的交通信号控制方法-CN202210839915.6在审
发明人：阚宇衡;王茂南;谷心洋 -专利权人： 上海人工智能创新中心
申请日： 2022-07-18 - 公布日： 2023-01-10 - 主分类号： G08G1/07 文献下载
摘要：本发明涉及交通信号控制技术领域，提出一种基于最大熵框架的强化学习的交通信号控制方法，包括：构造仿真环境；构造基于最大熵框架的强化学习方法，并且在所述仿真环境中通过所述基于最大熵框架的强化学习方法对智能体进行训练；以及通过训练后的智能体控制交通信号。
基于最大框架强化学习交通信号控制方法

[发明专利]一种地点推荐系统及方法-CN202211232058.X在审
发明人：李学龙;陈穆林;王晓琳 -专利权人： 上海人工智能创新中心
申请日： 2022-10-10 - 公布日： 2023-01-10 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种地点推荐系统，包括编码模块、序列周期特征提取模块、地理特征提取模块以及查询映射模块。其中编码模块用于对原始数据进行编码，形成用户序列。序列周期特征提取模块包括提取用户序列中的间隔规律的时间间隔特征提取模块，提取用户序列中的时间跨度规律的时间跨度特征提取模块，以及将间隔规律及时间跨度规律进行聚合的聚合模块。地理特征提取模块用于学习在不同地理尺度下的地点特征。查询映射模块用于根据序列周期特征以及地点特征进行地点推荐。该系统通过捕捉用户序列中多时间间隔、多时间跨度的周期特征，并延伸拓展到物理地理图上，为地点推荐增加地理特征信息，有效提高了推荐结果的可靠性。
一种地点推荐系统方法

[发明专利]一种轨迹预测系统及方法-CN202211329797.0在审
发明人：李弘扬;贾萧松;陈立;吴鹏浩;曾嘉;严骏驰;乔宇 -专利权人： 上海人工智能创新中心
申请日： 2022-10-27 - 公布日： 2022-12-30 - 主分类号： G08G1/01 文献下载
摘要：本发明公开一种轨迹预测系统及方法，其首先通过粗略轨迹生成模块，根据车辆表征向量粗略估计车辆未来多个时间步的位置，形成粗略轨迹，然后通过包含有具有时间归纳偏差的结构的轨迹优化模块预测粗略轨迹中每个时间步的偏移量，最后通过轨迹生成模块根据每个时间步的偏移量计算得到轨迹。该系统及方法融合了两种利用时间相关性生成未来轨迹的方法，有效提高了模型的性能，使得不同时刻的轨迹有了时间相关性，进而得到更好的预测。
一种轨迹预测系统方法

[发明专利]基于不确定性估计的多任务离线数据共享方法及系统-CN202211307085.9在审
发明人：李学龙;白辰甲;王震 -专利权人： 上海人工智能创新中心
申请日： 2022-10-24 - 公布日： 2022-12-30 - 主分类号： G06N3/08 文献下载
摘要：本发明总的来说涉及强化学习技术领域，提出一种基于不确定性估计的多任务离线数据共享方法及系统。该方法包括：提供多任务离线数据集，所述多任务离线数据集包括多个任务；利用所述多任务离线数据集进行数据共享以生成混合数据集；根据所述混合数据集进行离线策略学习，其中包括：根据所述混合数据集对多个值函数网络进行训练并且生成多个预测结果；使用所述多个预测结果的标准差进行不确定性计算；以及基于所述不确定性计算的结果进行策略学习。本发明大大提升了数据共享的效率、创造性地使用近似贝叶斯后验来衡量数据的不确定性符合离线强化学习的应用场景并且可以用于大规模的机器人任务。
基于不确定性估计任务离线数据共享方法系统

[发明专利]一种局部几何建模的点云数据解算方法-CN202211285950.4在审
发明人：李学龙;王栋;罗健 -专利权人： 上海人工智能创新中心
申请日： 2022-10-20 - 公布日： 2022-12-30 - 主分类号： G06T7/73 文献下载
摘要：本发明涉及一种局部几何建模的点云数据解算方法，包括：由全局特征编码器对多尺度特征映射层输出的特征进行注意力操作得到全局特征；由方向解码器学习点云上的每个采样点的可抓取性以及方向向量，预测可抓取方向；以及由操作解码器预测可抓取方向上的平面旋转以及抓取深度、宽度。该方法能够充分挖掘点数数据的几何结构信息，输出一定范围内的最稳定的抓取，并且该方法的模型采用端到端的编码器解码器结构，可以并行输出预测的抓取参数。
一种局部几何建模数据方法

[发明专利]一种针对超大模型的分布式推理部署系统-CN202211373207.4在审
发明人：李天健;林达华 -专利权人： 上海人工智能创新中心
申请日： 2022-11-03 - 公布日： 2022-12-23 - 主分类号： G06N5/04 文献下载
摘要：本发明涉及一种针对超大模型的分布式推理部署系统，所述系统基于中间表述的通用模型构建计算图，将计算图拆分为计算子图，实现对大多数超大模型支持。通过最快推理速度策略或最大吞吐率策略，实现超大模型需满足的性能需求部署。通过将计算子图与推理引擎执行后端一起打包成Package发送到相应的计算节点，再由运行时模块负责解析运行时Package信息，实现兼容多个推理引擎执行后端。而为了进一步提升通用性，在解析模型时，采用算子等效拆分方式实现算子并行，实现算子并行与后端执行无关，从而实现任务解析与后端执行解耦。在应用分布式推理系统时，通过配置好的动态分组模块，可有效提升推理部署服务的计算资源效率。
一种针对超大模型分布式推理部署系统

[发明专利]基于光电触觉传感器的目标主动探测方法及系统-CN202211141890.9在审
发明人：李学龙;王栋;谢恺怡 -专利权人： 上海人工智能创新中心
申请日： 2022-09-20 - 公布日： 2022-12-23 - 主分类号： G06T7/73 文献下载
摘要：本发明涉及机器人主动探测技术领域，提出一种基于光电触觉传感器的目标主动探测方法及系统，该方法包括下列步骤：模拟光电触觉传感器与物体模型的接触信息图像以生成触觉信息数据集，其中所述触觉信息数据集包括触觉信息及其对应的物体位姿；由第一光电触觉传感器与物体接触以生成第一接触信息图像，其中所述第一接触信息图像包括第一触觉信息；由特征提取模块根据所述第一触觉信息和所述触觉信息数据集生成所述物体与所述第一光电触觉传感器接触处的表面形状点云；重复所述第一光电触觉传感器和所述特征提取模块执行的动作以生成所述物体的局部稠密点云；以及由物体姿态估计模块根据所述局部稠密点云进行点云重建以生成所述物体的6D姿态信息。
基于光电触觉传感器目标主动探测方法系统

[发明专利]一种深度学习模型的选择方法、装置及设备-CN202211025489.9在审
发明人：吕成器;周再达;叶浩晨;张文蔚;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-25 - 公布日： 2022-11-25 - 主分类号： G06N20/00 文献下载
摘要：本发明公开一种深度学习模型的选择方法，其对不同深度学习模型进行训练、验证及测试，对测试结果进行比较，选取符合预设条件的深度学习模型，其中，不同深度学习模型的训练、验证及测试均通过同一个执行器实现：首先通过执行器根据给定的深度学习算法构建所需的模块：模型、数据集、训练循环控制器、验证循环控制器、测试循环控制器以及钩子，然后根据预设的逻辑，调用训练循环控制器、验证循环控制器、或测试循环控制器以进行模型训练、验证或测试。由于无需针对不同深度学习算法开发专门的流程，而是通过调用相应的模块即可方便地实现多种深度学习算法，因此可以方便地比较不同算法的优劣，进而确定最合适的模型。
一种深度学习模型选择方法装置设备

[发明专利]一种深度学习算法可视化方法以及图片可视化方法-CN202211026132.2在审
发明人：黄海安;刘奎坤;张文蔚;杨逸飞;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-25 - 公布日： 2022-11-25 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种深度算法可视化方法，包括：提供包含单个或多个可视化器和可视化后端的可视化模块，其中所述可视化器用于可视化，所述可视化后端用于存储可视化内容，且每个可视化器均与单个或多个可视化后端通信；确定调用的可视化器和可视化后端，并配置可视化器的参数和可视化后端的参数；根据配置参数初始化可视化器和可视化后端；存储并可视化深度学习算法的配置文件；可视化训练数据；可视化深度学习模型结构图；以及确定当前是深度学习模型的训练阶段或训练后，进行相应的可视化。该可视化方法能够以一种统一的调用方式对深度学习算法运行时的各个环节进行可视化分析，帮助快速分析深度学习模型。本发明还涉及一种图片可视化方法。
一种深度学习算法可视化方法以及图片

[发明专利]用于计算机视觉任务中深度学习算法的数据传递方法-CN202211029839.9在审
发明人：刘奎坤;张文蔚;马泽润;郑淼;周再达;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-25 - 公布日： 2022-11-25 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及用于计算机视觉任务中深度学习算法的数据传递方法，包括：将多个计算机视觉任务模块需要的数据整合成总数据结构，其中总数据结构包含数据样本、数据元素和基础数据，总数据结构提供数据样本接口和数据元素接口，其中数据样本接口封装数据样本，并且数据元素接口封装数据元素；将总数据结构传送给每个计算机视觉任务模块；以及每个计算机视觉任务模块根据任务从总数据结构中选择数据。该数据传递方法能够实现在不同任务中深度学习算法的数据传递，提升深度学习算法库中各模块的可复用性和代码的拓展性。
用于计算机视觉任务深度学习算法数据传递方法

[发明专利]一种算法性能评测方法及系统-CN202211037007.1在审
发明人：李亦宁;吕成器;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-26 - 公布日： 2022-11-25 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及计算机技术领域，提出一种算法性能评测方法及方法。该方法包括下列步骤：提供评测指标，所述评测指标包括处理方法以及评测方法；根据所述评测指标构造评测器；确定测试数据以及测试模型的预测结果；由所述评测器根据所述处理方法对所述测试数据以及所述预测结果进行处理；以及由所述评测器根据所述评测方法对测试模型的性能进行评测。本发明将测试数据与评测指标解耦，可以并行高效地对测试数据以及所述预测结果进行计算处理，并且可以灵活地组合使用多个评测指标，因此可以大幅减少下游任务中用于模型评测的冗余代码，同时提高评测的效率以及评测结果的权威性和可靠性。
一种算法性能评测方法系统

[发明专利]一种多后端文件读写方法-CN202211037225.5在审
发明人：周再达;叶浩晨;张文蔚;马泽润;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-26 - 公布日： 2022-11-25 - 主分类号： G06F8/20 文献下载
摘要：本发明涉及一种多后端文件读写方法，包括：提供多后端统一接口和文件后端接口，其中所述多后端统一接口能够获取任意文件后端以及调用相应的文件后端接口，所述文件后端接口能够对相应的文件进行读操作、写操作和删除操作；由多后端统一接口根据文件描述符从多个文件后端中获取指定的文件后端，并确定是否将指定的文件后端实例化；以及由多后端统一接口确定文件后端是否存在，若文件后端不存在，则多后端统一接口打印文件不存在错误并退出，若文件后端存在，则多后端统一接口调用文件后端接口来对文件进行读操作和/或写操作和/或删除操作。该方法能够实现多后端文件的读、写、删除操作。
一种后端文件读写方法

[发明专利]一种用于深度学习框架的数据处理方法及系统-CN202211037656.1在审
发明人：马泽润;李亦宁;杨逸飞;柳源;刘奎坤;张文蔚;吕成器;郑淼;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-26 - 公布日： 2022-11-25 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及计算机技术领域，提出一种用于深度学习框架的数据处理方法及系统，其中由多个数据变换模块执行数据变换操作，所述数据变换操作包括：读取输入数据中的数据字典；对所述数据字典中具有操作字段的数据进行数据变换；以及返回具有数据变换后的数据的数据字典。本发明为数据变换模块提供统一的接口使得数据变换模块通过统一的方式执行数据变换操作，使得任意两个数据变换模块之间均可以首尾相连，组成数据处理流程，而不必针对每一种数据类型组织单独的数据处理流程。
一种用于深度学习框架数据处理方法系统

[发明专利]深度学习优化器封装方法-CN202211019033.1在审
发明人：叶浩晨;吕成器;张文蔚;陈恺 -专利权人： 上海人工智能创新中心
申请日： 2022-08-24 - 公布日： 2022-11-22 - 主分类号： G06F8/30 文献下载
摘要：本发明提供了一种深度学习优化器封装方法，包括：进行优化器封装；通过优化器封装将不同深度学习后端、不同硬件的优化器封装成通用的接口，以降低使用者的学习成本；根据不同深度学习后端的特性，通过优化器封装选择最优优化器功能，以降低使用特定优化功能的学习成本。
深度学习优化封装方法