“特征提取模型”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3487887个，建议您升级VIP下载更多相关专利

[发明专利]一种优化特征提取的GNN小样本分类算法-CN202211611208.8在审
发明人：魏倩茹;周翔宇 -专利权人：西北工业大学
申请日： 2022-12-15 - 公布日： 2023-03-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种优化特征提取的GNN小样本分类算法，包括：设计特征提取模型；预训练特征提取器；GNN结点准备；GNN模型分类。本发明通过预训练嵌入模型，可以改进基于GNN的小样本分类算法的局部最优问题。
一种优化特征提取 gnn 样本分类算法

[发明专利]一种基于毫米波和神经网络的动脉硬化检测装置-CN202010751557.4在审
发明人：沈皓哲;李文钧;岳克强;李宇航;王超;陈石;张汝林 -专利权人：杭州电子科技大学
申请日： 2020-07-30 - 公布日： 2020-11-06 - 主分类号： A61B5/02 文献下载
摘要：本发明公开了一种基于毫米波和神经网络的动脉硬化检测装置，包括：毫米波检测装置、预处理模块、特征提取模块、CNN神经网络模型，预处理模块分别连接毫米波检测装置和特征提取模块，特征提取模块与CNN神经网络模型连接；所述毫米波检测装置用于采集用户的脉搏波；所述预处理模块用于对脉搏波进行预处理；特征提取模块包括特征点提取模块和特征参数计算模块，用于对预处理后的脉搏波进行特征提取；CNN神经网络模型用于根据提取到的特征参数进行训练和分类
一种基于毫米波神经网络动脉硬化检测装置

[发明专利]音乐情感分类方法-CN201910672832.0在审
发明人：侯亚辉;赵庄言;沈向辉 -专利权人：中国传媒大学
申请日： 2019-07-24 - 公布日： 2019-10-25 - 主分类号： G06F16/65 文献下载
摘要：本申请涉及一种音乐情感分类方法，包括获取待情感分类的音乐；对音乐的结构进行片段切分；对切分的片段进行特征提取；建立情感分类模型，根据情感分类模型对特征提取后的结果进行情感分类。本申请不需将完整音乐作为训练数据，可以提高模型的训练速度；通过对切分的片段进行特征提取，建立情感分类模型，根据情感分类模型对特征提取后的结果进行情感分类，可以提高模型的分类速度和分类的准确性。
情感分类模型特征提取情感分类分类音乐情感完整音乐训练数据音乐申请

[发明专利]跨媒体科研资源特征提取模型训练、特征提取方法及装置-CN202210754761.0在审
发明人：杜军平;王本直;李文玲;梁美玉;邵蓥侠;寇菲菲 -专利权人：北京邮电大学
申请日： 2022-06-30 - 公布日： 2022-07-29 - 主分类号： G06F40/211 文献下载
摘要：本申请提供一种跨媒体科研资源特征提取模型训练方法、特征提取方法及装置，训练方法包括：基于跨媒体科研资源数据实时采集系统获取不同媒体来源的科研资源数据并进行数据结构化处理；根据其中的科研资源文本数据对第一深度学习模型进行模型训练及优化，以形成科研资源文本语义特征提取模型；并根据科研资源图像数据对第二深度学习模型进行模型训练及优化，以形成科研资源图像语义特征提取模型。本申请能够专门适用于科研资源数据的语义特征学习，提高跨媒体科研资源数据提取的可靠性、便捷性及有效性，能够提高采用科研资源数据训练后的深度学习模型面向科研资源数据进行特征提取时的表征能力，提高提取结果的全面性
媒体科研资源特征提取模型训练方法装置

[发明专利]一种象形文字识别方法、装置、设备和介质-CN202210986564.1在审
发明人：毕晓君;骆彦龙;赵悦 -专利权人：中央民族大学
申请日： 2022-08-17 - 公布日： 2022-10-11 - 主分类号： G06V30/19 文献下载
摘要：该方法包括：将文字图片输入至识别模型中；通过所述识别模型的串接的至少两个特征提取单元对文字图片进行特征提取，得到目标特征；其中，所述特征提取单元包括混合感知映射单元和/或空间感知聚合单元；混合感知映射单元用于获取全局有效特征和全局关键位置特征；空间感知聚合单元用于获取局部关键细节特征；不同特征提取单元用于提取不同尺寸的特征；通过所述识别模型的分类层，对所述目标特征进行分类，确定所述文字图片对应的文字识别结果。通过本发明实施例能够在对文字图片进行特征提取后，提高特征提取结果的丰富性，从而提高识别模型对文字图片进行识别的准确率。
一种象形文字识别方法装置设备介质

[发明专利]视觉任务的处理方法、装置和电子系统-CN202010422194.X在审
发明人：夏春龙 -专利权人：北京迈格威科技有限公司
申请日： 2020-05-18 - 公布日： 2020-10-23 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种视觉任务的处理方法、装置和电子系统；其中，该方法包括：将待处理图像输入至预设的网络模型中，输出特征数据；基于特征数据，完成预设的视觉任务；网络模型包括至少一个特征提取模块；特征提取模块包括第一分支和第二分支；第一分支用于提取输入至特征提取模块的目标数据的局部特征；第二分支用于提取目标数据的全局特征。该方式中，网络模型的每一个特征提取模块中均包含有待处理图像的全局特征和局部特征，避免了逐层累计提取全局特征造成特征损失的问题，有利于提高完成视觉任务的精确度；同时，网络模型也无需设置较多层数的特征提取模块，模型简单、参数少，运算速度快，也有利于模型在训练过程中快速收敛。
视觉任务处理方法装置电子系统

[发明专利]视觉特征提取模型的训练方法、应用方法、装置及设备-CN202310681444.5在审
发明人：郭太安;何肃南;谯睿智 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-06-08 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例公开了一种视觉特征提取模型的训练方法、应用方法、装置及设备，用于提高模型训练效果。该方法包括：将图像训练样本分别输入视觉特征提取模型以及动量模型中，通过视觉特征提取模型输出第一视觉提取特征，以及通过动量模型输出第二视觉提取特征；基于可见标签集中的标签的特征和第一视觉提取特征，确定图像训练样本的标签预测结果；基于对可见标签集的标签标注结果和标签预测结果，得到排序损失值；基于第二视觉提取特征以及标签的特征间的第一相似度，从可见标签集中确定预测伪标签集；基于预测伪标签集和标签预测结果，得到动量蒸馏排序损失值；基于排序损失值以及动量蒸馏排序损失值，更新视觉特征提取模型的模型参数。
视觉特征提取模型训练方法应用装置设备

[发明专利]一种调制识别模型及其训练方法、信号调制处理方法-CN202310056757.1在审
发明人：杨静雅;王尚权;齐彦丽;周一青;石晶林 -专利权人：中国科学院计算技术研究所
申请日： 2023-01-16 - 公布日： 2023-05-02 - 主分类号： H04L27/00 文献下载
摘要：本发明提出一种调制识别模型，用于识别输入无线通信信号的调制类型，所述模型包括卷积模块、倒金字塔特征提取网络以及分类器，其中：所述卷积模块用于对输入无线通信信号进行特征提取以获取其对应的第一特征图；所述倒金字塔特征提取网络用于对所述第一特征图按照倒金字塔的规则进行特征提取，其中，所述倒金字塔特征提取网络包括多阶段的特征提取模块，相邻阶段的特征提取模块之间设置有尺度变换卷积层；所述分类器用于基于所述倒金字塔特征提取网络输出的特征图进行输入无线通信信号对应的调制类型的分类。
一种调制识别模型及其训练方法信号处理

[发明专利]基于深度学习的通用标志识别方法、系统、设备及存储介质-CN202110753300.7在审
发明人：陈文晶;王坚;张朝;游强;李兵;余昊楠 -专利权人：人民中科（济南）智能技术有限公司
申请日： 2021-07-02 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：方法包括：根据标志区域集构建检测模型训练集和特征提取模型训练集；根据检测模型训练集训练标志检测网络，以及根据特征提取模型训练集训练标志特征提取网络并生成标志特征库；识别标志时，利用标志检测网络检测待识别图片中的标志区域；通过标志特征提取网络对检测后的标志区域进行特征提取，并将提取的特征与标志特征库中的特征进行比对，以及输出识别结果。能够对图片中未知类别的一般性标志进行识别，提高了模型识别的正确率。
基于深度学习通用标志识别方法系统设备存储介质

[发明专利]图像特征的监督学习方法、装置、设备及存储介质-CN202110831737.8在审
发明人：文庆福;杜悦熙;杨森;杨鹏;张军;韩骁 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-07-22 - 公布日： 2021-12-21 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种图像特征的监督学习方法、装置、设备及存储介质，涉及人工智能领域。方法包括：对原始医学图像进行数据增强，得到第一增强图像和第二增强图像，第一增强图像和第二增强图像互为正样本；通过特征提取模型对第一增强图像和第二增强图像进行特征提取，得到第一增强图像的第一图像特征以及第二增强图像的第二图像特征；基于第一图像特征、第二图像特征以及负样本图像特征，确定特征提取模型的模型损失，负样本图像特征为其他原始医学图像对应增强图像的图像特征；基于模型损失训练特征提取模型。本申请实施例中，采用自监督学习方式使特征提取模型学习到医学图像的图像特征，无需人工进行图像标注，提高了模型训练效率。
图像特征监督学习方法装置设备存储介质

[发明专利]一种基于复合卷积神经网络的化石图像分类模型的构建方法-CN202110219351.1在审
发明人：张蕾;王晓宇;罗杰;卜起荣;冯筠 -专利权人：西北大学
申请日： 2021-02-26 - 公布日： 2021-05-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于复合卷积神经网络的化石图像分类模型的构建方法，包括如下步骤：S1：对原始化石图像处理得到梯度图像，构建化石图像特征提取模型；S2：化石图像特征提取模型对原始化石图像进行特征提取得到深度特征图，化石图像特征提取模型对梯度图像进行特征提取得到初级视觉特征图，深度特征图与初级视觉特征图融合后依次通过全局平均池化层和全连接层处理得到图像类别概率值，依据图像类别概率值构建初级化石图像分类模型；S3：训练初级化石图像分类模型。本发明分别提取了原始化石图像的深度特征与对应梯度图像的初级视觉特征，通过特征融合，进一步提高了化石图像分类任务的准确性。
一种基于复合卷积神经网络化石图像分类模型构建方法

[发明专利]基于图卷积神经网络的中草药多标签识别模型-CN202211122204.3在审
发明人：钮立强;杨柳;阮灿光 -专利权人：河北金叶子药业有限公司;天津大学
申请日： 2022-09-15 - 公布日： 2022-12-09 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于图卷积神经网络的中草药多标签识别模型，包括图像特征提取器、节点特征提取器、特征融合器、分类器；构建中草药多标签数据集，随机划分测试集和训练集；采用卷积神经网络模型构造图像特征提取器，训练集图片输入图像特征提取器获取图像特征矩阵；处理中草药样本数据中标签，统计训练集标签邻接矩阵；提取中草药词向量；以词向量和邻接矩阵分别作为图卷积神经网络模型的节点特征和边的权重，构造节点特征提取器；图像特征和节点特征经特征融合器得到特征融合矩阵，输入分类器中得到伪标签，经反向传播过程不断更新参数，训练整个模型，满足预设停止条件时保存模型，测试集图像输入到整个模型中得到最终的多标签分类结果。
基于图卷神经网络中草药标签识别模型

[发明专利]一种基于相对激活率的通道剪枝方法和装置及轻量级流量特征提取网络模型简化的方法-CN202111025966.7在审
发明人：赵志衡;刘洋;申志超;胡琦渊 -专利权人：哈尔滨工业大学
申请日： 2021-09-02 - 公布日： 2022-01-04 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于相对激活率的通道剪枝方法和装置及轻量级流量特征提取网络模型简化的方法，属于深度学习中的轻量化网络技术领域，解决现有入侵检测模型中的参数冗余问题。本发明的剪枝方法包括：建立轻量级流量特征提取网络模型；备份该模型的所有层的权重；获取隐藏层通道特征图；计算单元训练轻量级流量特征提取网络模型的每个通道的平均相对激活率；对单元通道进行剪枝；对单元剪枝后的轻量级流量特征提取网络模型进行微调，获取单元微调后的轻量级流量特征提取网络模型的测试平均精准率；获取最优剪枝率；完成对所有激活层对应的通道进行剪枝。本发明适用于对网络入侵的检测模型的改进。
一种基于相对激活通道剪枝方法装置轻量级流量特征提取网络模型简化

[发明专利]基于深度学习的超分辨率图像重建方法和装置-CN201810937200.8有效
发明人：邹超洋 -专利权人：广州视源电子科技股份有限公司
申请日： 2018-08-16 - 公布日： 2023-04-18 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于深度学习的超分辨率图像重建方法和装置，包括：根据图像集和目标放大倍数，建立高分辨率图像和低分辨率图像对应的训练集，根据训练集和预先构建的多尺度网络模型，进行网络训练，得到模型参数，其中，多尺度网络模型包括多个特征提取网络和一个组合网络，多个特征提取网络的网络深度不同，多个特征提取网络分别用于提取图像的特征，组合网络用于对多个特征提取网络提取到的多组特征进行组合，使用训练得到的多尺度网络模型通过多个网络深度不同的特征提取网络对图像进行特征提取，并进行多特征组合，能够获得更好的重建效果。
基于深度学习分辨率图像重建方法装置

[发明专利]一种分析高维医疗数据的深度学习方法和装置-CN201611122716.4有效
发明人：张荣国;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2016-12-08 - 公布日： 2021-07-20 - 主分类号： G16H50/70 文献下载
摘要：所述方法包括：读取高维医疗数据，通过分析数据属性，将高维医疗数据预处理为特征提取模型能够接收的数据格式；根据不同的预处理的方式，来选择不同的特征提取模型，将预处理后的数据输入选择的特征提取模型进行特征提取，得到相应的特征向量；将相应的特征向量输入至循环神经网络模型进行训练，得到用于医疗数据分析的最终深度学习模型。该方法能够提高基于深度学习模型进行高维医疗数据分析的准确率。本发明还包括一种分析高维医疗数据的深度学习装置，其包括：预处理模块、特征提取模块和模型训练模块。
一种分析医疗数据深度学习方法装置