“苗书宇”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12个，建议您升级VIP下载更多相关专利

[发明专利]一种模型训练的方法、装置、存储介质及电子设备-CN202211320460.3有效
发明人：赵闻飙;苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-10-26 - 公布日： 2023-10-24 - 主分类号： G06N20/00 文献下载
摘要：本说明书公开了一种模型训练的方法、装置、存储介质及电子设备。该模型训练的方法包括：获取样本数据，将所述样本数据输入待训练的数据处理模型中，得到各候选处理结果，以及每个候选处理结果对应的概率，从所述各候选处理结果中确定与所述样本数据对应的标签信息不匹配的目标结果，根据每个目标结果对应的概率，确定每个目标结果对应的权重，根据每个候选处理结果对应的概率以及所述权重，确定损失值，并根据所述损失值，对所述数据处理模型进行训练。
一种模型训练方法装置存储介质电子设备

[发明专利]风控模型的训练方法和装置、风险识别方法及装置-CN202310867742.3在审
发明人： 苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-07-13 - 公布日： 2023-10-03 - 主分类号： G06Q40/04 文献下载
摘要：本说明书实施例提供了一种风控模型的训练方法和装置以及风险识别方法和装置。该训练方法包括：得到一个预训练模型包括各种第一参数；在该预训练模型的基础上使用对应原有风险类别的训练样本继续训练，得到风控初始模型，该风控初始模型包括各种第一参数以及对应原有风险类别的第二参数；使用新增风险类别的训练样本继续训练所述风控初始模型，并且在训练过程中保持第一参数以及第二参数不变，从而训练出风控模型；该风控模型由第一子网络以及第二子网络组成，其中，第一子网络用于利用第一参数及第二参数对原有风险类别进行识别，第二子网络用于利用第一参数及第三参数对新增风险类别进行识别。本说明书实施例能够更为有效地训练风控模型以及更为准确地识别风险类别。
模型训练方法装置风险识别

[发明专利]一种模型训练的方法、装置、存储介质及电子设备-CN202310264180.3在审
发明人： 苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-03-10 - 公布日： 2023-07-07 - 主分类号： G06F18/214 文献下载
摘要：本说明书公开了一种模型训练的方法、装置、存储介质和电子设备，将获取的样本业务数据输入第一模型，获得第一模型输出的第一风控结果，将该样本业务数据分别输入各第二模型，确定该样本业务数据的特征，将该特征输入适应层，确定每个第二模型分别对应的权重，并获得每个第二模型输出的第二风控结果，利用该权重及该第二风控结果确定伪标签，根据该伪标签以及该第一风控结果，对该适应层及该第一模型进行训练，训练后的第一模型用于对待风控业务数据进行风险判断。本方法通过适应层确定各第二模型的权重，根据权重及第二风控结果确定伪标签，根据伪标签及第一风控结果，训练适应层及第一模型，提高了第一模型输出结果的准确性。
一种模型训练方法装置存储介质电子设备

[发明专利]一种数据处理的方法、装置、存储介质及电子设备-CN202211508343.X有效
发明人：赵闻飙;苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-11-29 - 公布日： 2023-05-16 - 主分类号： G06F18/25 文献下载
摘要：本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。该数据处理的方法包括：获取待处理数据，其中，所述待处理数据中包含有至少一种类型的数据，针对所述待处理数据中包含的每种类型的数据，确定该类型的数据对应的数据特征，并按照预设的特征尺度，从所述数据特征中提取出各子特征，作为该类型的子特征，针对每个子特征，通过预设的识别模型识别该子特征得到的识别结果，将识别结果之间满足预设关联程度的不同类型的子特征进行融合，得到各融合子特征，根据各融合子特征，对所述待处理数据进行处理。
一种数据处理方法装置存储介质电子设备

[发明专利]面向均匀分布超高分图像局部稀疏加速处理方法及应用-CN201910561585.7有效
发明人： 苗书宇;李华宇;冯瑞 -专利权人：复旦大学
申请日： 2019-06-26 - 公布日： 2023-02-24 - 主分类号： G06T1/20 文献下载
摘要：本发明提供一种面向均匀分布的超高分辨率图像局部稀疏加速处理方法，用于进行局部采样的加速处理从而显著增加对超高分辨率图像的处理速度，其特征在于，包括如下步骤：步骤S1，通过对超高分辨率图像Fgl进行全局处理，得到全局适用的处理参数Wgl；步骤S2，将超高分辨率图像Fgl均匀切分为N份，对图像信息进行局部稀疏采样得到局部采样图Flo；步骤S3，将处理参数Wgl应用于局部采样图Flo，进行图像处理得到局部采样图Flo的局部处理结果Rlo；步骤S4，将局部处理结果Rlo与切分个数N进行协同推理，得到全局处理结果Rgl。
面向均匀分布高分图像局部稀疏加速处理方法应用

[发明专利]拍屏图像识别及其模型的训练方法、装置和电子设备-CN202210406287.2在审
发明人： 苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-04-18 - 公布日： 2022-07-29 - 主分类号： G06N3/08 文献下载
摘要：本说明书实施例公开了一种拍屏图像识别及其模型的训练方法、装置和电子设备，该方法包括：对原始图像进行特征解耦以得到原始图像的拍屏特征，所述拍屏特征至少包括边框特征、摩尔纹特征、反光特征和其他拍屏特征；基于原始图像的拍屏特征进行特征融合得到原始图像的融合特征；基于多个不同原始图像对应的融合特征和所述多个不同原始图像对应的拍屏标签，对拍屏图像识别模型进行训练，得到所述拍屏图像识别模型。
图像识别及其模型训练方法装置电子设备

[发明专利]基于注意力机制深度学习网络的目标检测方法及装置-CN201911100964.2有效
发明人： 苗书宇;李华宇;刘天弼;冯瑞 -专利权人：复旦大学
申请日： 2019-11-12 - 公布日： 2022-06-14 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于注意力机制深度学习网络的目标检测方法，其特征在于，通过含有注意力机制模块的目标检测模型对待检测图像进行特征图提取并从中检测出目标的位置和类别，注意力机制模块包括：至少一个注意力模块M1，用于根据特征图生成相同大小注意力权重矩阵并作用于该特征图；至少一个注意力感受野模块M2，用于对特征图进行特征提取；以及至少一个注意力特征融合模块M3，用于对网络不同层次的特征进行融合。该目标检测方法在具有高检测准确率的基础上还保证了高检测速度，同时模型的结构简洁且计算量小。
基于注意力机制深度学习网络目标检测方法装置

[发明专利]一种模型训练方法、装置及电子设备-CN202210114117.7在审
发明人： 苗书宇;郑霖;金宏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-01-30 - 公布日： 2022-05-10 - 主分类号： G06K9/62 文献下载
摘要：本说明书公开了一种模型训练方法、装置及电子设备。其中，方法包括：将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的。基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注。基于不同于所述第三样本集的标注方式，对所述第一样本集中的第四样本集进行标注。基于标注的第三样本集和标注的第四样本集，对目标模型进行训练。
一种模型训练方法装置电子设备

[发明专利]一种目标检测方法及装置-CN202111081576.1在审
发明人： 苗书宇;郑霖;宫明明;陈虹 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2021-09-15 - 公布日： 2021-12-24 - 主分类号： G06K9/62 文献下载
摘要：本说明书一个或多个实施例提供一种目标检测模型的训练方法以及目标检测方法，目标检测时，不仅是基于图像本身，还将图像的描述文本同样作为目标检测时的考虑因素。在训练目标检测模型时，先获取训练样本集，任一训练样本包括：一张图像、该图像的描述文本、目标物体在图像中的位置信息、目标物体的类别信息，其中，任一图像中包含至少一种目标物体、对应的描述文本中包含对该至少一种目标物体的描述。确定初始目标检测模型，其中，目标检测模型以图像及其描述文本为输入、以目标物体在图像中的位置信息及目标物体的类别信息为输出。然后利用训练样本集合对所述目标检测模型进行迭代更新，直到满足预设条件。
一种目标检测方法装置

[发明专利]一种基于FPGA的超高分辨率视频图像实时校准方法-CN201910276412.0有效
发明人：李华宇;苗书宇;范锡添;冯瑞;刘妍 -专利权人：复旦大学
申请日： 2019-04-08 - 公布日： 2021-12-03 - 主分类号： H04N5/14 文献下载
摘要：本发明提供了一种基于FPGA的超高清视频图像实时校准方法，用于通过FPGA对超高清视频图像进行实时校准，其特征在于，包括如下步骤：步骤S1，建立原始图像数据接收通道，直接将超高清视频图像的原始图像数据输送至FPGA；步骤S2，对原始图像数据进行校准处理，得到结果校准数据；步骤S3，建立校准结果输出通道，将结果校准数据从FPGA返回，其中，步骤S2包括如下子步骤：步骤S2‑1，建立图像数据帧缓存区，并对原始图像数据进行预处理得到预处理图像数据；步骤S2‑2，通过图像校准算法对预处理图像数据进行处理并得到ΔX,ΔY,Δθ；步骤S2‑3，建立结果内存缓存区，将得到的ΔX,ΔY,Δθ进行整理，得到最终的校准结果数据。
一种基于 fpga 超高分辨率视频图像实时校准方法

[发明专利]面向超高分辨率图像分析的高精度量化加速方法-CN201910509308.1有效
发明人： 苗书宇;李华宇;刘天弼;冯瑞 -专利权人：复旦大学
申请日： 2019-06-13 - 公布日： 2021-05-11 - 主分类号： H04N19/124 文献下载
摘要：本发明提供一种面向超高分辨率图像分析的高精度量化加速方法，用于通过量化对超高分辨率图像分析过程中大量的中间数据计算过程进行改善，其特征在于，包括如下步骤：步骤S1，获取最终结果需要的精确度α，得到中间计算需要保留的精确度β；步骤S2，取得中间变量X，通过当前计算的进制γ将中间变量X按照中间计算需要保留的精确度β进行量化得到偏移变量X1；步骤S3，基于偏移变量X1进行计算运算，得到计算结果Y1，并且在计算过程中保留计算过程队列Q；步骤S4，由计算结果Y1、中间计算需要保留的精确度β以及计算过程队列Q得到最终进制的最终结果Y。
面向超高分辨率图像分析高精度量化加速方法

[发明专利]一种信息处理方法、装置及计算机可读存储介质-CN202010840896.X有效
发明人： 苗书宇;杜俊珑;彭湃;孙星;郭晓威;黄飞跃;吴永坚;黄小明 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-08-20 - 公布日： 2020-11-20 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种信息处理方法、装置及计算机可读存储介质，通过将目标训练样本分别输入第一目标检测模型和第二目标检测模型，得到第一目标特征图信息和第二目标特征图信息；分别对第一目标特征图信息和第二目标特征图信息进行图卷积计算，获取目标物体之间的第一关系特征向量和第二关系特征向量；构建第一关系特征向量和第二关系特征向量对应的蒸馏损失函数；将蒸馏损失函数加入至第二目标检测模型的损失函数进行联合训练，得到联合训练后的第二目标检测模型；基于联合训练后的第二目标检测模型对待识别图像进行物体识别。以此，将第一目标检测模型对于目标物体标识框之间关系的学习能力迁移到第二目标检测模型中，提升信息处理效率。
一种信息处理方法装置计算机可读存储介质

1
共 12 条