“无监督”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1238152个，建议您升级VIP下载更多相关专利

[发明专利]一种基于注意力机制的无监督图像语义分割方法-CN202210504797.3在审
发明人：钱丽萍;王寅生;钱江;王晨熙;王倩 -专利权人：浙江工业大学
申请日： 2022-05-10 - 公布日： 2022-07-15 - 主分类号： G06V10/26 文献下载
摘要：一种基于注意力机制的无监督图像语义分割方法，通过对RGB图像经注意力模块去除部分冗余背景信息；利用无监督图像语义分割网络提取图像语义信息，并给图像中属于相同类别的像素打上相同的标签，以实现图像语义信息的提取本发明可以用于解决在无监督图像语义分割中因存在大量荣誉背景信息导致算力浪费以及分割精度下降等问题。
一种基于注意力机制监督图像语义分割方法

[发明专利]一种基于融合注意力机制的半监督图像去模糊方法-CN202110851387.1在审
发明人：张笑钦;曹少丽;徐曰旺;王涛 -专利权人：温州大学
申请日： 2021-07-27 - 公布日： 2021-11-02 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于融合注意力机制的半监督图像去模糊方法，包括：步骤Step1:获取图像训练数据集，并将所述图像训练数据集划分为两个训练子集；步骤Step2:构建基于全监督和无监督的图像模糊还原模型，所述图像模糊还原模型包括全监督网络和无监督网络；步骤Step3:将所述一个子集输入待训练的全监督网络进行学习，将所述另一子集输入待训练的无监督网络；步骤Step4:利用上述网络中的注意力机制筛选图像特征，对网络提取的特征信息分配相应的权重，获取重要的图像信息
一种基于融合注意力机制监督图像模糊方法

[发明专利]文字识别模型的训练方法、文字识别方法和设备、电子设备及介质-CN202111633893.X在审
发明人：孟闯;熊剑平 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-29 - 公布日： 2022-05-10 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种文字识别模型的训练方法、文字识别方法和设备、电子设备和介质，该方法包括：获取有标签数据、无标签数据以及有标签数据和无标签数据的反馈联合损失，反馈联合损失基于所述有标签数据、所述无标签数据和损失函数计算得到；对无标签数据进行随机字符扰动增强，得到扰动后的无标签数据；使用有标签数据、反馈联合损失以及扰动后的无标签数据对训练中的文字识别模型进行有监督联合半监督训练，直至损失函数收敛时，得到训练后的文字识别模型通过上述方式，本申请使用有标签数据、反馈联合损失以及扰动后的无标签数据对训练中的文字识别模型实现有监督联合半监督训练，从而提高了文字识别模型在通用场景下的文字识别能力。
文字识别模型训练方法设备电子设备介质

[发明专利]一种基于直方图均衡化先验的无监督低光增强方法-CN202310320053.0在审
发明人：张开华;孙子正;丁鑫兰;王玉琛 -专利权人：南京信息工程大学
申请日： 2023-03-29 - 公布日： 2023-06-23 - 主分类号： G06T5/40 文献下载
摘要：本发明公开了一种基于直方图均衡化先验的无监督低光增强方法，包括如下步骤：获取待增强的低光图像；将待增强的低光图像输入至预构建并训练好的无监督低光增强模型中；基于无监督低光增强模型的光照增强模块，对待增强的低光图像进行频域特征提取和级联特征学习，得到反射图像；基于无监督低光增强模型的噪声去除模块，对反射图像进行内容编码和去噪处理，得到增强后的低光图像。
一种基于直方图均衡先验监督增强方法

[发明专利]一种基于无监督超分辨率的三维指纹方法-CN202310687724.7在审
发明人：王海霞;姚永波;张怡龙;庞巧玲;梁荣华;陈朋 -专利权人：浙江工业大学
申请日： 2023-06-12 - 公布日： 2023-09-08 - 主分类号： G06T17/00 文献下载
摘要：一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1)设计无监督超分辨率网络模型；2)使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。
一种基于监督分辨率三维指纹方法

[发明专利]一种基于无监督神经网络的NMR弛豫时间反演方法-CN202111292003.3有效
发明人：陈黎;申胜;陈俊飞;陈方;刘朝阳 -专利权人：中国科学院精密测量科学与技术创新研究院
申请日： 2021-11-03 - 公布日： 2022-02-18 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于无监督神经网络的NMR弛豫时间反演方法，模拟反演核矩阵，模拟连续的NMR弛豫时间谱，模拟噪声，计算NMR弛豫信号作为样本，各个样本构成样本集，构建无监督神经网络模型，定义无监督神经网络模型的损失函数；将训练样本集中的样本作为无监督神经网络模型的输入，依据损失函数最小，获得NMR弛豫信号与NMR弛豫时间谱的最佳映射关系。
一种基于监督神经网络 nmr 弛豫时间反演方法

[发明专利]一种空间结构性特征相关的无监督分类与有监督修正融合的语音分离方法-CN202010966976.X在审
发明人：赵振;刘扬;焦美凤;姜明顺;张雷;张法业;杜泽厚 -专利权人：青岛科技大学;日照市人防智能科技有限公司
申请日： 2020-09-15 - 公布日： 2020-12-25 - 主分类号： G10L21/0272 文献下载
摘要：本发明公开一种空间结构性特征相关的无监督分类与有监督修正融合的语音分离方法，包括：基于时滞细胞神经网络的语音片段特征提取、基于动态增长自组织映射神经网络的语音片段无监督自适应分类；基于粒子群优化算法语音分离模型自适应修正和基于二值掩蔽的语音重构本方案结合无监督分类和有监督修正，更有利于提高说话人数目未知的混合语音分离的泛化性和准确性，为单信道多说话人语音分离这样一个迫切需要解决的实际问题，提供一个理论支撑而且实际可行的方案。
一种空间结构性特征相关监督分类修正融合语音分离方法

[发明专利]一种基于神经集群的无监督学习方法-CN201911416730.9在审
发明人：黄文涛;葛建军;袁森 -专利权人：中国电子科技集团公司信息科学研究院
申请日： 2019-12-31 - 公布日： 2020-05-12 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于神经集群的无监督学习方法，利用互信息的渐近公式，发展出基于互信息最大化原理的神经集群网络模型与学习理论应用于无监督表征学习，发展新型的基于互信息最大化的无监督学习目标函数，并提出高效鲁棒求解优化目标函数的方法，解决目前图像处理等领域无监督表征学习中难于训练、收敛速度慢等诸多问题，可极大提高图像处理等领域无监督表征学习的性能、效率及鲁棒性。
一种基于神经集群监督学习方法

[发明专利]一种用于多模态图像的无监督配准方法-CN202111410183.0在审
发明人：江文隽;吴计;邸江磊;钟丽云;秦玉文 -专利权人：广东工业大学
申请日： 2021-11-23 - 公布日： 2022-03-01 - 主分类号： G06T7/33 文献下载
摘要：本发明属于图像处理领域，公开了一种用于多模态图像的无监督配准方法，用于解决现有的无监督图像配准由于多模态图像的外观差异很大，直接通过多模态图像之间的相似度损失去训练会导致误差大的难题，本发明的图像配准方法首先将浮动图像B放入一个将颜色、纹理等特征与固定图像A变得相似的卷积神经网络中，得到图像B转换后的图像C；其次将图像C和固定图像A放入无监督配准网络，输出变换参数，对图像C进行重采样后与图像A进行相似性度量，并将其作为损失函数对网络进行更新本发明的方法可以实现对多模态图像进行无监督配准，大大提升无监督配准的精度。
一种用于多模态图像监督方法

[发明专利]基于对抗蒸馏的鲁棒无监督域自适应图像分类方法及装置-CN202210733867.2在审
发明人：肖遥;罗彬;陈宇恒;魏朋旭;林倞 -专利权人：中山大学
申请日： 2022-06-27 - 公布日： 2022-09-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于对抗蒸馏的鲁棒无监督域自适应图像分类方法及装置，方法包括下述步骤：获取无监督目标域自然样本集；构建鲁棒无监督域自适应图像分类框架，包括非鲁棒目标域教师模型和鲁棒目标域学生模型；使用预训练的非鲁棒源域模型对非鲁棒目标域教师模型的参数进行初始化，在无监督目标域自然样本集上进行端到端的迭代训练；构造鲁棒目标域学生模型，在无监督目标域自然样本集上进行对抗蒸馏训练，输出图像分类结果。
基于对抗蒸馏鲁棒无监督自适应图像分类方法装置

[发明专利]一种基于神经网络的无监督学习粒子图像建模与测速方法-CN202210476896.5在审
发明人：许超;种奕玮 -专利权人：浙江大学
申请日： 2022-04-30 - 公布日： 2022-08-05 - 主分类号： G06T7/269 文献下载
摘要：本发明公开一种基于神经网络的无监督学习粒子图像建模与测速方法，包括：采用互相关算法获取粗略速度场；将粒子图像序列中相邻两帧粒子图像和经互相关算法获取的粗略速度场分别作为输入层，将两个输入层经收缩网络结构进行收缩操作后的结果合并；将合并结果作为神经网络的输入进行无监督学习，采用光流估计测评神经网络训练结果，无监督学习损失函数包括光度损失、流动平滑度损失、无散约束；生成PIV数据集进行神经网络训练。本发明通过输入粒子图像与粗略初始速度场的融合数据使神经网络相较无监督学习PIV在训练时距离目标更近，损失函数初始值较小，粒子计算速度较传统PIV更快，速度提升约30％，分辨率大幅提升，且较监督学习PIV
一种基于神经网络监督学习粒子图像建模测速方法

[发明专利]一种基于半监督学习的矿业项目评价方法-CN202310531667.3在审
发明人：张艳;向杰;朱清;邢凯;温鹏飞;严煦;陈志勇;成少博;陈洋 -专利权人：中国矿业报社
申请日： 2023-05-11 - 公布日： 2023-08-11 - 主分类号： G06Q10/0639 文献下载
摘要：本发明公开了一种基于半监督学习的矿业项目评价方法，包括以下步骤：分析矿业项目评价的影响因素确定出矿业项目的评价指标，依据历史矿业项目评价库抽取多种类历史矿业项目作为有标记训练样本和无标记训练样本，并将有标记训练样本的评价指标和评价结果进行逐一项目对应构建出有标记训练数据集，将无标记训练样本的评价指标构建出无标记训练数据集；采用半监督支持向量机基于有标记训练数据集和无标记训练数据集对有标记训练样本和无标记训练样本进行模型训练构建出矿业项目评价模型。本发明基于有限的矿业项目的评价结果，半监督方法解决了标签数据不足的情况，改善了无监督学习过程盲目性、监督学习在训练样本不足导致的学习效果不佳的问题。
一种基于监督学习矿业项目评价方法

[发明专利]一种基于视觉因果干预的无监督元学习方法-CN202310100194.1在审
发明人：于慧敏;齐国栋;卢朝晖;王润发;顾建波 -专利权人：浙江大学
申请日： 2023-02-06 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于视觉因果干预的无监督元学习方法，该方法包含无监督的元训练阶段和有监督的元测试阶段。具体而言，在元训练阶段中，该方法使用无标签的支撑集样本，学习输入数据、先验知识与预测输出三者之间的因果关系和先验知识中隐含变量之间的因果关系，消除输入数据中的上下文偏差所带来的负面影响，最终获得无偏的元知识在元测试阶段，该方法利用上述得到的元知识作为模型的初始化参数，在给定少量有标签的支撑集样本的情况下，结合有监督和无监督学习，进一步消除数据偏差的影响，能够准确的预测查询集样本的标签。
一种基于视觉因果干预监督学习方法

[发明专利]一种高质量蒙汉无监督神经机器翻译方法-CN202011570925.1有效
发明人：苏依拉;王昊;贺玉玺;仁庆道尔吉;李雷孝;石宝 -专利权人：内蒙古工业大学
申请日： 2020-12-26 - 公布日： 2023-06-27 - 主分类号： G06F40/58 文献下载
摘要：一种高质量蒙汉无监督神经机器翻译方法，对大规模蒙汉单语语料预切分处理，使用Bert对切分语料进行单语语言模型预训练得到蒙语、汉语语言模型，并结合融合子词‑片段的相关矩阵生成方法训练无监督蒙汉分词器，对待分词蒙汉句子中任意两个子词的相关性打分以完成分词，经分词的蒙汉双语嵌入到一个共享的潜在空间，使用无监督对抗自主学习方法最优对齐蒙汉双语词向量空间，对空间中已切分的蒙汉单语语料训练蒙汉语言模型，使用CSLS方法进行最近邻查找得到基于GAS框架的蒙汉双语词典，结合预训练模型生成的蒙汉语言模型训练初始蒙汉翻译模型，并使用无监督回译方法结合对偶学习策略共同训练一个高质量蒙汉、汉蒙双向对偶无监督翻译模型。
一种质量蒙汉无监督神经机器翻译方法

[发明专利]欺诈社群发现方法、装置、设备及存储介质-CN202010834549.6在审
发明人：张科;郑邦祺;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2020-08-18 - 公布日： 2022-02-22 - 主分类号： G06F16/9536 文献下载
摘要：本申请涉及一种欺诈社群发现方法、装置、设备及存储介质，其中，方法包括：首先根据多个网络结点的拓扑关系生成初始异构图，将结点参数输入到有监督模型中得到欺诈社群评判依据，然后对初始异构图进行剪枝，从而获取到预设数量的可疑异构图其中得到初始异构图及获得可疑异构图的过程属于无监督算法，而欺诈社群评判依据则是利用网络结点自身的结点参数得到，本申请既可以利用无监督算法侧重的拓扑关系，又可以利用有监督模型侧重的结点参数，弥补了单一使用无监督算法或有监督模型带来的不足
欺诈社群发现方法装置设备存储介质

首页
«上一页
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
下一页»
尾页
共 100000 条