“损失 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果256462个，建议您升级VIP下载更多相关专利

[发明专利]基于最优动力损失控制策略的动态滞后评估方法-CN201010126285.5有效
发明人： J·M·王;E·M·拉斯克;C·林 -专利权人：通用汽车环球科技运作公司
申请日： 2010-02-24 - 公布日： 2010-12-15 - 主分类号： B60K6/20 文献下载
摘要：本发明涉及基于最优动力损失控制策略的动态滞后评估方法。具体公开了一种混合动力控制系统，其包括动力损失确定模块、滞后估计模块、和模式确定模块。所述动力损失确定模块基于发动机速度、电动机速度、和车辆速度确定混合动力传动系的动力损失。滞后估计模块基于所述动力损失确定混合动力传动系的平均动力损失并且基于所述平均动力损失确定混合动力传动系的滞后动力损失。所述模式确定模块基于所述滞后动力损失选择混合动力传动系的操作模式。
基于最优动力损失控制策略动态滞后评估方法

[发明专利]人体建模模型获取方法、装置、电子设备及存储介质-CN201911329481.X有效
发明人：刘思阳 -专利权人：北京奇艺世纪科技有限公司
申请日： 2019-12-20 - 公布日： 2023-06-02 - 主分类号： G06T17/00 文献下载
摘要：本发明实施例提供了人体建模模型获取方法、装置、电子设备及存储介质，计算真值关键点信息与预测关键点信息的关键点损失，并结合关键点损失及人体蒙版损失计算得到深度学习模型的损失，从而根据深度学习模型的损失反向调节深度学习模型的参数在计算深度学习模型的损失时，加入关键点损失，能够有效提高关键点对参数调整的影响，从而提高深度学习模型的性能。在计算深度学习模型的损失时，加入了人体蒙版损失，能够对人体所在区域及人体形状等进行约束。
人体建模模型获取方法装置电子设备存储介质

[发明专利]用于确定二次电池的总容量损失的方法-CN201380023709.7有效
发明人： D.莫斯特;W.韦丹兹;H.沃尔夫施米特 -专利权人：西门子公司
申请日： 2013-05-08 - 公布日： 2017-06-23 - 主分类号： G01R31/36 文献下载
摘要：本发明涉及一种用于确定由老化过程导致的二次电池、例如蓄电池的总容量损失的方法。由部分容量损失相加来确定总容量损失，借助来自于不同函数的不同参数确定该部分容量损失。在恒定的边界条件下确定部分容量损失。如果边界条件改变，则部分容量损失直接(即在相同的容量损失的情况下)彼此连接。在此移动各个电荷通过量的区间。可以将一个二次电池的总容量损失扩展到多个二次电池的电池组的总容量损失。
用于确定二次电池容量损失方法

[发明专利]一种基于宠物检测的双层标注计算二级损失的方法-CN202010400197.3有效
发明人：田凤彬;于晓静 -专利权人：北京君正集成电路股份有限公司
申请日： 2020-05-13 - 公布日： 2023-04-28 - 主分类号： G06V40/10 文献下载
摘要：本发明提供一种基于宠物检测的双层标注计算二级损失的方法，包括：S1设计网络结构，采用二级级联检测方法：S1.1第一级网络；S1.2第二级网络；S2基于网络结构计算二级损失：S2.1在第一级网络用交叉熵计算第一级、第二级损失分类损失值；用2‑范数计算坐标微调损失值；总损失值为loss1：loss1＝0.6×(0.6×cls1_loss_1+0.4×cls1_loss_2)+0.4×land1_loss；S2.2在第二级网络用交叉熵计算第一级、第二级损失分类损失值；用2‑范数计算坐标微调损失值；总损失值为loss2：loss2＝0.6×(0.4×cls2_loss_1+0.6×cls2_loss_2)+0.4×land2_loss；分类损失值权重为0.6，坐标微调损失值权重0.4；第一级分类损失值权重是0.4，第二级分类损失值权重是0.6；权重系数是经验值。
一种基于宠物检测双层标注计算二级损失方法

[发明专利]基于损失值的抠图模型训练方法、装置、设备及介质-CN202111559144.7在审
发明人：焦小珍 -专利权人：深圳万兴软件有限公司
申请日： 2021-12-20 - 公布日： 2022-03-29 - 主分类号： G06V10/774 文献下载
摘要：本发明实施例公开了一种基于损失值的抠图模型训练方法、装置、设备及介质。本申请应用于视频抠图的技术领域，其包括：将从预设图库中获取的RGB三通道图输入抠图模型以得到第一特征图、第二特征图以及第三特征图；根据预设三分图采用第一复合损失函数计算第一特征图与标注掩膜图之间的损失以得到第一损失值；采用第二复合损失函数计算第二特征图与标注掩膜图之间的损失以得到第二损失值；根据预设三分图采用第三复合损失函数计算第三特征图与标注掩膜图之间的损失以得到第三损失值；根据第一损失值、第二损失值以及第三损失值对抠图模型中的抠图参数进行优化
基于损失模型训练方法装置设备介质

[发明专利]一种水害损失通用模型构建方法-CN201410313085.9在审
发明人：陈敏建;马静;李锦秀;周飞;朱寿峰;曾向辉;陈根发;胡雅杰 -专利权人：中国水利水电科学研究院
申请日： 2014-07-02 - 公布日： 2014-10-08 - 主分类号： G06F17/50 文献下载
摘要：本发明提供了一种水害损失通用模型构建方法，根据调查数据，以横坐标代表致灾因子，以纵坐标表示水害损失，建立具有物理机制的水害损失S型曲线函数关系；用数学手段定量化描述所述S型曲线函数关系，建立水害损失S型曲线的替代函数；根据水害损失函数数学表达和S型曲线特征，确定水害损失函数参数。本发明通过构建具有物理机制的水害损失通用函数及其相应的参数系统，形成了简单、规范的水害损失计算方法，简化了水害损失的计算程序，结果更加准确可信。函数中相应的参数在具有相似特征的区域或预测未来灾害损失时可以推广使用，实现了区域的扩展和时间上的更新。
一种水害损失通用模型构建方法

[发明专利]一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法-CN202211610172.1在审
发明人：郭睿;赵小鹏;王辉;徐瑞琦;左冠中 -专利权人：西北工业大学
申请日： 2022-12-12 - 公布日： 2023-05-02 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于LOVASZ损失和轻量化双边网络的SAR图像实时分割方法，对BiSeNet网络依次进行预训练和微调训练；其中，在预训练过程中BiSeNet网络的损失函数采用交叉熵损失函数，在微调训练过程中BiSeNet网络的损失函数采用联合损失函数，联合损失函数包括Lovasz损失函数和交叉熵损失函数；基于微调训练后的BiSeNet网络对极化SAR图像进行分割；本发明在BiSeNet网络的基础上，将语义分割中的常用的指标联合交集(Intersection Over Union，IOU)作为优化目标，引入了对其进行扩展的Lovasz损失，实现了基于Lovasz损失的轻量化双边网络的实时语义分割，获得了更高的分类精度。
一种基于 lovasz 损失量化双边网络 sar 图像实时分割方法

[发明专利]模型确定方法及设备-CN202110955165.4在审
发明人：李啸 -专利权人：北京字跳网络技术有限公司
申请日： 2021-08-19 - 公布日： 2023-02-24 - 主分类号： G06F18/214 文献下载
摘要：本公开实施例提供一种模型确定方法及设备，该方法包括：根据计算机视觉模型和损失函数，确定多个训练样本分别对应的损失值，训练样本为图像样本或视频样本；对多个训练样本分别对应的损失值进行筛选处理，得到目标损失值，目标损失值为多个训练样本分别对应的损失值中位于中间部分的损失值；基于目标损失值，对计算机视觉模型进行参数调整。从而，通过损失值筛选，降低脏数据对模型训练的影响，并避免数值过小的损失值降低计算机视觉模型的收敛速度，提高了计算机视觉模型的模型质量和收敛速度。
模型确定方法设备

[发明专利]一种视频画质增强方法、系统及设备-CN201910892284.2有效
发明人：张霞;唐阳阳 -专利权人：网宿科技股份有限公司
申请日： 2019-09-20 - 公布日： 2022-08-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种视频画质增强方法、系统及设备，其中，所述方法包括：识别目标视频中的各个场景片段，并确定所述场景片段的候选损失类型；针对任一所述候选损失类型，选用与所述候选损失类型相匹配的损失估计模型，并利用所述损失估计模型，预测所述场景片段针对所述候选损失类型的实际损失参数；分别选用与各个所述候选损失类型相匹配的画质增强模型，并利用各个所述画质增强模型，对所述场景片段中的视频帧依次进行画质增强；其中，所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定
一种视频画质增强方法系统设备

[发明专利]输电塔杆件表面受风沙冲蚀磨损失重量的计算方法及装置-CN201610977711.3在审
发明人：王欣欣;王旭明;李文胜;张宏杰;何成;杨风利;赵建平;黄耀;游溢;艾红;徐凯;刘阳;陈东娃 -专利权人：国网新疆电力公司电力科学研究院;中国电力科学研究院;国家电网公司
申请日： 2016-11-07 - 公布日： 2017-04-26 - 主分类号： G06F19/00 文献下载
摘要：本发明提供了一种输电塔杆件表面受风沙冲蚀磨损失重量的计算方法及装置。其中，该方法包括如下步骤对被测试件进行风沙试验；计算被测试件进行风沙试验的切削冲蚀磨损失重量；计算被测试件进行风沙试验的变形冲蚀磨损失重量；根据切削冲蚀磨损失重量和变形冲蚀磨损失重量确定被测试件的总冲蚀磨损失重量本发明提供的方法分别计算切削冲蚀磨损失重量和变形冲蚀磨损失重量，并根据切削冲蚀磨损失重量和变形冲蚀磨损失重量确定被测试件的总冲蚀磨损失重量，合理地计算了被测试件受风沙冲蚀磨损失重量的理论值，为输电塔杆件等钢结构的镀层和涂层的设计
输电塔杆件表面风沙冲蚀磨损失重计算方法装置

[发明专利]一种人脸检测器训练方法及装置-CN201910834138.4在审
发明人：王浩;李志锋;季兴;王一同 -专利权人：腾讯科技(深圳)有限公司
申请日： 2017-06-02 - 公布日： 2019-11-22 - 主分类号： G06K9/00 文献下载
摘要：本申请提供一种人脸检测器训练方法及装置，该方法包括：获取当前次迭代的批数据训练样本；确定各训练样本对应的中心损失值；根据各训练样本对应的中心损失值，通过中心损失函数Center Loss确定批数据训练样本对应的中心损失值；并通过分类损失函数Softmax Loss确定出批数据训练样本对应的分类损失值；以及通过SmoothL1 Loss函数确定出批数据训练样本对应的人脸框坐标回归损失值；根据中心损失值、分类损失值以及人脸框坐标回归损失值，确定人脸检测器的目标损失值；通过目标损失值更新CNN模型中的网络参数，进入下一次迭代或输出人脸检测器。
人脸人脸检测器数据训练样本损失函数训练样本分类函数确定类内差异人脸检测网络参数一次迭代不变性鲁棒性回归迭代输出检测更新申请保证

[发明专利]操作风险内部损失数据的收集方法、装置、电子设备-CN201911321132.3在审
发明人：刘焱军;林雪能;屈华;左继新 -专利权人：中国建设银行股份有限公司;建信金融科技有限责任公司
申请日： 2019-12-20 - 公布日： 2020-05-19 - 主分类号： G06Q10/06 文献下载
摘要：本申请实施例提供了一种操作风险内部损失数据的收集方法、装置、电子设备。该方法包括：获取至少一个数据接口上传的初始操作风险内部损失数据，基于预设置的校验规则对初始操作风险内部损失数据进行校验，并基于校验结果对初始操作风险内部损失数据进行处理；当会计报表中存在未与操作风险内部损失事件相关联的操作风险内部损失费用时，发出对操作风险内部损失事件的补录提示信息；在操作风险内部损失事件被补录完成后，基于操作风险内部损失事件以及操作风险内部损失费用，确定目标操作风险内部损失数据。基于本方案收集的操作风险内部损失数据准确性高、完整性好，有利于高级计量法的计量结果的准确性。
操作风险内部损失数据收集方法装置电子设备

[发明专利]一种电化学储能电池容量衰减确定方法及系统-CN202211585687.0在审
发明人：宋寅;郭婷婷;曹蕃;李同辉;吕训邦;焦洋;马康 -专利权人：中国大唐集团科学技术研究总院有限公司
申请日： 2022-12-09 - 公布日： 2023-06-09 - 主分类号： G01R31/367 文献下载
摘要：本发明公开一种电化学储能电池容量衰减确定方法，包括：S1，基于电池基本参数和老化条件建立第一损耗模型，并基于第一损耗模型计算第一电池容量损失系数；其中所述第一损耗模型与电池的容量损失第一机制对应；S2，基于电池的负极位置以及周期容量损失率建立第二损耗模型，并基于第二损耗模型计算第二电池容量损失系数；其中所述第二损耗模型与电池的容量损失第二机制对应；S3，基于第一电池容量损失系数和第二电池容量损失系数的大小确定电池的实际容量损失系数，包括：比较第一电池容量损失系数和第二电池容量损失系数的大小，将较大的电池容量损失系数作为电池的实际容量损失系数。
一种电化学电池容量衰减确定方法系统

[发明专利]一种网络模型的训练方法及图像处理方法-CN202211533659.4在审
发明人：邸德宁;朱婷;庄瑞格;郝敬松;朱树磊;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2022-12-01 - 公布日： 2023-03-28 - 主分类号： G06V40/16 文献下载
摘要：网络模型训练方法包括：将第一训练样本集包括的N个图像分别输入待训练的网络模型，通过待训练的网络模型对N个图像进行人脸属性识别，得到N个预测年龄值和N个预测性别值；根据N个预测年龄值与年龄标签值确定第一损失值和第一标准差损失值，并根据第一损失值和第一标准差损失值确定第一总损失值；根据N个预测性别值与性别标签值确定第二损失值和第二标准差损失值，并根据第二损失值和第二标准差损失值确定第二总损失值；根据第一总损失值和第二总损失值对待训练的网络模型的网络参数进行调整
一种网络模型训练方法图像处理

[发明专利]基于适应标注的物件侦测模型的训练方法及系统-CN201911425125.8在审
发明人：吴柏佾;邓名杉 -专利权人：财团法人工业技术研究院
申请日： 2019-12-31 - 公布日： 2021-07-16 - 主分类号： G06K9/62 文献下载
摘要：训练系统包括一物件侦测模型及一损失计算模块。物件侦测模型用以根据一输入影像产生一输出影像。损失计算模块耦接至物件侦测模型，用以根据输出影像及一解答影像计算一分类损失总和，根据分类损失总和计算一损失值，并将损失值传送至物件侦测模型。分类损失总和根据对应于多个物件类别的多个分类损失计算得到。对应于各物件类别的各分类损失根据一第一参数、一第二参数及一第三参数计算得到。
基于适应标注物件侦测模型训练方法系统