“特征生成器”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3260212个，建议您升级VIP下载更多相关专利

[发明专利]一种基于生成对抗网络的逐层更新算法-CN201710579117.3有效
发明人：周智恒;李立军 -专利权人：华南理工大学
申请日： 2017-07-17 - 公布日： 2020-09-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于生成对抗网络的逐层更新算法，属深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、输入图像数据集，对DCGAN模型进行训练；S3、记录图像生成器逐层转置卷积得到的特征图；S4、记录图像判别器逐层卷积得到的特征图；S5、比较特征图的差值，用梯度下降方法对图像生成器的权值参数进行更新。传统方法只关注图像生成器生成图像的最终结果，导致图像生成器需要通过更多的训练时间才能学习到数据集的特征，同时无法准确学习到数据集中特征的细节；而本方法逐层地对图像生成器学习到的特征进行调整，既减小了训练时间，又能够让图像生成器学习到的图像特征更加精确。
一种基于生成对抗网络更新算法

[发明专利]一种基于图卷积的网格生成方法-CN202211409628.8在审
发明人：王昊;赵文东;李应豪 -专利权人：淮阴工学院
申请日： 2022-11-10 - 公布日： 2023-03-07 - 主分类号： G06T17/20 文献下载
摘要：本发明涉及图像处理技术领域，公开了一种基于图卷积的网格生成方法，获取COMA人脸数据集并对数据集进行预处理；构建网格生成网络模型，包括生成器和判别器，生成器为基于ChebConv卷积核搭建的残差网络，通过多个GBottleneck模块和上采样层，将低维向量映射为网格顶点特征信息；判别器采用图卷积网络和池化层，计算生成分布和真实分布的Wasserstein距离，对网格顶点特征信息进行特征提取；对生成器和判别器进行训练，得到网络参数并保存；将网络参数载入到生成器中，随后生成128维的正态分布的向量，同样将向量输入到生成器中；生成器通过多个图卷积层和上采样层，将随机向量映射为顶点特征张量；将生成的顶点特征张量与模板中的面信息结合，就得到生成的人头网格模型。
一种基于图卷网格生成方法

[发明专利]一种多生成器卷积合成图像的对抗网络算法-CN201710579116.9在审
发明人：周智恒;李立军 -专利权人：华南理工大学
申请日： 2017-07-17 - 公布日： 2018-01-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种多生成器卷积合成图像的对抗网络算法，属于深度学习神经网络领域，包括以下步骤S1、构造深度卷积生成式对抗网络DCGAN模型；S2、构造多个记录图像生成器；S3、初始化随机噪声，分别输入每一个记录图像生成器中；S4、采用不同大小的卷积核，对所有生成器生成的图像进行卷积，获得多张特征图；S5、将多张图像合成至一张，输入至记录图像判别器进行训练。本方法构建的多生成器DCGAN模型，相比于传统的DCGAN模型，增加了生成器的数量。由于在每次训练过程中，多个生成器并行工作，所以能够更加快速地学习到数据集中的多种特征，从而能够高效地生成满足数据集特征的图像。
一种生成器卷积合成图像对抗网络算法

[发明专利]一种基于生成对抗网络的太阳能电池板缺陷样本生成方法-CN202210829265.7在审
发明人：周颖;颜毓泽;陈海永;裴盛虎;刘作军;刘坤 -专利权人：河北工业大学
申请日： 2022-06-29 - 公布日： 2022-10-11 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种基于生成对抗网络的太阳能电池板缺陷样本生成方法，该陷样本生成方法采用改进型生成对抗网络，可以关注多尺度特征，提高生成器和判别器的性能，同时提高图像细节的清晰度。判别器D2为生成器提供信息量足够的多尺度梯度流，提高生成器的生成能力，保证网络的稳定性。判别器D1对生成图进行多尺度判别，提高判别器的判别能力。生成器可以返回多尺度特征图，经过判别器后进行的反向传播可以兼顾多尺度并且多次更新生成器和判别器的参数，实现对大尺度上明显特征和小尺度上微小特征的提取和生成。
一种基于生成对抗网络太阳能电池板缺陷样本方法

[发明专利]一种基于多任务生成对抗网络的典型地物遥感图像生成方法-CN202310703146.1在审
发明人：李玉霞;龚钰姝;何磊;张靖霖;童忠贵;刘斌;罗涵 -专利权人：电子科技大学;成都信息工程大学
申请日： 2023-06-14 - 公布日： 2023-10-24 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多任务生成对抗网络的典型地物遥感图像生成方法，利用全局生成器捕捉语义标签块的全局信息，生成全局图像；同时利用局部生成器针对不同地物设置类别生成器，以类别生成器的中间特征合成局部生成结果，并引入空间注意模块以加强类别语义标签的生成效果，从而使局部生成器关注不同地物的特点，改善复杂的多类样本生成；利用共享参数编码器平衡全局生成器和局部生成器的训练过程，从而形成稳健的生成器网络；利用融合网络将全局生成结果和局部生成结果融合得到最终生成图像；利用人工制作的语义标签图像输入到训练好的生成模型，可以得到生成的遥感图像，以此来扩充数据集。
一种基于任务生成对抗网络典型地物遥感图像方法

[发明专利]一种模型训练方法、去噪方法、模型、设备及存储介质-CN202011339520.7在审
发明人：何天宇;沈旭;黄建强 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-11-25 - 公布日： 2021-10-19 - 主分类号： G06N3/08 文献下载
摘要：在本申请实施例中，可在去噪模型中构建包含背景生成器和噪声判别器的第一对抗网络，基于此，可根据背景生成器从含噪声图像提取的背景图像，确定含噪声图像中的噪声特征，并利用噪声判别器对噪声特征进行判别。这样，通过背景生成器和噪声判别器之间的相互对抗，可计算出背景生成器对应的第一约束参数，从而可基于第一约束参数对背景生成器进行无监督训练。本申请实施例中，可基于含噪声图像自身，确定出对背景生成器的训练约束，从而可实现对去噪模型中的背景生成器的无监督训练，由于可以自然场景中的含噪声图像作为训练样本，因此可有效提升背景生成器的泛化能力和精度。
一种模型训练方法设备存储介质

[发明专利]一种基于亚像素和条件对抗生成网络的单幅图像去雾方法-CN201810986230.8在审
发明人：张盛平;孙嘉敏;吕晓倩;朴学峰;董开坤;张维刚;孙鑫 -专利权人：哈尔滨工业大学（威海）
申请日： 2018-08-28 - 公布日： 2019-02-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于亚像素和条件对抗生成网络的单幅图像去雾方法，包括以下步骤：获取原始无雾图像数据集，依据雾天成像模型合成有雾数据集；将待处理的有雾图像输入生成器G，所述生成器G的网络结构设置有跳层连接，经过编码输出尺寸逐步减少的特征图，解码阶段使用反卷积与亚像素分别获得各自的特征图后使用卷积对特征图进行操作，获得生成器输出无雾图像；将生成器G输出的无雾图像与原始无雾图像输入判别器D，判断生成器D输出无雾图像是否为真；对生成器G和判别器D同时进行对抗约束，计算对抗损失和L1损失，依据随机梯度下降的原则进行反向传播更新生成器G和判别器D的参数，当模型的总体损失收敛时，模型训练完成。
生成器判别器特征图亚像素单幅图像去雾对抗图像输入图像输出更新生成器图像数据集编码输出成像模型反向传播解码阶段模型训练随机梯度跳层连接网络结构反卷积数据集卷积雾天收敛网络合成

[发明专利]基于深度学习与注意力机制的多源遥感图像信息处理方法-CN202210547679.0在审
发明人：党迎旭;王树良;李燈杰;王奕;李明;袁汉宁;耿晶;潘新宇 -专利权人：北京理工大学
申请日： 2022-05-18 - 公布日： 2022-08-09 - 主分类号： G06V20/62 文献下载
摘要：本发明提出一种基于深度学习与注意力机制的多源遥感图像信息处理方法，包括：步骤1，构建图像描述生成器，所述图像描述生成器基于自上而下图像描述模型构建而成；该自上而下图像描述模型包括顺序连接的注意力LSTM模型和语句生成LSTM模型；步骤2：采用融入词性特征的文本图像匹配的POS‑SCAN模型对图形描述生成器进行训练，得到所述图形描述生成器的损失函数；步骤3：将所述图像描述生成器进行自序列训练后，将所述多源遥感图像进行区域特征提取，并将区域特征提取结果输入所述图像描述生成器，得到所述图像对应的文字标签；步骤4：将所述区域特征提取结果、所述文字标签及候选语句输入相似性评分模块，得到相似度评分结果。
基于深度学习注意力机制遥感图像信息处理方法

[发明专利]基于Bi-MGAN和ResTCN-FDA网络的语音情感识别系统和方法-CN202211094361.8在审
发明人：段淑斐;张雪英;李海烽;孙颖;贾海蓉;朱婷 -专利权人：太原理工大学
申请日： 2022-09-08 - 公布日： 2023-01-20 - 主分类号： G10L25/63 文献下载
摘要：包括Bi‑MGAN网络和ResTCN‑FDA网络和softmax模块，Bi‑MGAN网络包括正向生成器、反向生成器、发音学判别器和声学判别器，正向生成器用于映射出发音学特征的声学特征，反向生成器用于映射出声学特征的发音学特征，发音学判别器用于对真实的发音学特征和映射的发音学特征进行比较，并利用损失函数回调正向向生成器的权重参数；声学判断器用于对真实的声学特征和映射的声学进行比较，并利用损失函数回调反向生成器的权重参数；ResTCN‑FDA
基于 bi mgan restcn fda 网络语音情感识别系统方法

[发明专利]将第一图像的特征转移到第二图像的方法-CN202010220100.0在审
发明人：娄中余;D.T.阮;M.克拉尔 -专利权人：罗伯特·博世有限公司
申请日： 2020-03-25 - 公布日： 2020-10-09 - 主分类号： G06N3/08 文献下载
摘要：将第一图像的特征转移到第二图像的方法包括：通过将包括特征的多个特征图像中的特征图像和没有该特征的多个纯图像中没有该特征的纯图像提供给生成器网络来生成中间生成器图像；将中间生成器图像与特征图像叠加以构建伪图像；将伪图像和纯图像提供给第一鉴别器网络；在任何奇数训练序列计算第一鉴别器网络的损失函数；将反转的中间生成器图像与纯图像叠加以构建伪特征图像；将伪特征图像和特征图像提供给第二鉴别器网络；在任何奇数训练序列计算第二鉴别器网络的损失函数；在任何奇数训练序列重新计算第一鉴别器网络和第二鉴别器网络的网络参数；在任何偶数训练序列计算生成器网络的损失函数；和在任何偶数训练序列重新计算生成器网络的网络参数。
第一图像特征转移第二方法

[发明专利]图像处理方法、装置、设备及介质-CN202210089956.8在审
发明人：陈朗;周思宇 -专利权人：北京字跳网络技术有限公司
申请日： 2022-01-25 - 公布日： 2022-04-29 - 主分类号： G06T3/00 文献下载
摘要：本公开实施例涉及一种图像处理方法、装置、设备及介质，其中该方法包括：训练生成第一图像生成器，以及训练生成第二图像生成器，第二图像生成器用于对输入的随机特征向量进行处理生成第二风格的目标对象图像；基于第一图像生成器和第二图像生成器分别对输入的样本特征向量进行处理，生成第一风格的样本图像和第二风格的样本图像作为配对样本数据；基于配对样本数据训练预设模型生成目标图像生成器，其中，目标图像生成器用于对第一风格的输入图像进行处理生成第二风格的输出图像。
图像处理方法装置设备介质

[发明专利]一种基于WGAN-GP的对抗扰动图像生成方法-CN202110799668.7有效
发明人：蒋凌云;吴梦雪;季一木;孙静;田鹏浩 -专利权人：南京邮电大学
申请日： 2021-07-15 - 公布日： 2023-08-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明是一种基于WGAN‑GP的对抗扰动图像生成方法。该方法包括如下步骤：利用特征提取器从目标网络模型中获取其中一个卷积层的特征向量，并将其作为先验信息；生成器将原始图像的特征向量和噪声向量作为级联向量输入到生成器后生成对抗扰动图像；判别器判断生成器生成的对抗扰动图像的类别是否符合训练集中的类别描述信息；目标神经网络模型利用误判损失函数来指导生成器生成的对抗扰动图像的类别更接近目标标签的类别。本发明提升了生成对抗扰动图像的隐蔽性和图像质量，利用目标网络模型的特征提取器，使GAN网络生成器从学习原始图像的特征转换为学习目标特征，以减少训练开销和提高对抗成功率。
一种基于 wgan gp 对抗扰动图像生成方法

[发明专利]基于半监督学习的固废检测模型构建方法及固废检测方法-CN202211612143.9在审
发明人：刘洋;王思瑜;勾鹏;欧阳宁雷;聂维;周天宇;张学鹏;王朋 -专利权人：南湖实验室
申请日： 2022-12-14 - 公布日： 2023-04-14 - 主分类号： G06V10/778 文献下载
摘要：本发明公开了一种基于半监督学习的固废检测模型构建方法和固废检测方法，固废检测模型包括生成器和判别器，生成器基于输入的有标签影像特征图和无标签影像特征图输出预测结果，判别器基于生成器的预测结果和相应影像特征图的真实标签输出一致性判别结果，基于有标签影像特征图和无标签影像特征图的样本集组合，通过判别器与生成器的对抗训练使判别器学习到预测结果与真实标签的判别知识，生成器学习到基于输入的影像特征图识别固废目标的能力。通过半监督学习机制综合生成器和判别器提取未标记数据信息，采用融合损失来规范训练实现像素级预测，对标签的低需求量使其具有较高的应用价值和推广性，可有效提高现有方法的召回率。
基于监督学习检测模型构建方法

[发明专利]一种古诗词生成方法和装置-CN202010143914.9有效
发明人：韩庆宏;李纪为 -专利权人：北京香侬慧语科技有限责任公司
申请日： 2020-03-04 - 公布日： 2023-09-29 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种古诗词生成方法和装置，其中，该方法包括：获取多个古诗词文本和待生成古诗词的白话文文本；将所述多个古诗词文本输入到生成器中，对所述生成器进行预训练，得到预训练生成器；利用所述预训练生成器对所述白话文文本的文本特征向量进行处理，生成所述白话文文本对应的古诗词。通过本发明实施例提供的古诗词生成方法和装置，可以直接将未标注的古诗词文本输入到生成器中对所述生成器进行预训练，使得预训练生成器具有古诗词的内在结构和语义关系，对古诗词的模式有较强的判断力。
一种古诗词生成方法装置

[发明专利]用于生成特性图案和训练机器学习模型的方法-CN201980068610.6在审
发明人： M·C·西蒙;林晨希;伍健一 -专利权人： ASML荷兰有限公司
申请日： 2019-10-08 - 公布日： 2021-06-01 - 主分类号： G03F7/20 文献下载
摘要：一种生成用于图案化过程的特征图案和训练机器学习模型的方法。用于生成特征图案的方法包括：获得经训练的生成器模型和输入图案，该经训练的生成器模型被配置为生成特征图案(例如热点图案)；以及经由经训练的生成器模型(例如CNN)的模拟，基于输入图案生成特征图案，其中，输入图案是随机向量
用于生成特性图案训练机器学习模型方法