“标记模型”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941309个，建议您升级VIP下载更多相关专利

[发明专利]一种电力语料标记模型构建方法及系统-CN202010547313.4在审
发明人：田然;苏杨;庞渊源;陈轩;顾彬;王磊;吴子辰;李霁轩;陈鑫;朱晓鸿;王鑫;于广荣 -专利权人：国网江苏省电力有限公司信息通信分公司
申请日： 2020-06-16 - 公布日： 2020-10-27 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种电力语料标记模型构建方法，包括对训练集中的已标记电力语料进行扩展，训练初始的标记模型；判断训练的标记模型是否满足预设要求，若不满足预设要求，用该标记模型对未标记的电力语料进行标记，并将标记后的电力语料放入训练集，对训练集中的已标记电力语料进行扩展，重新训练标记模型，重复该步骤，直到训练的标记模型满足预设要求。本发明对训练集中的已标记电力语料进行扩展，用不满足预设要求的标记模型标记电力语料，并将标记后的电力语料加入训练集，采用滚雪球的方式扩大训练集，大大减少人工成本。
一种电力语料标记模型构建方法系统

[发明专利]基于人工智能的图像标记去除模型的搭建方法及相关设备-CN202310358121.2在审
发明人：徐有正;韩茂琨;陈远旭 -专利权人：平安科技（深圳）有限公司
申请日： 2023-03-24 - 公布日： 2023-08-04 - 主分类号： G06T3/00 文献下载
摘要：本申请提出一种基于人工智能的图像标记去除模型的搭建方法、装置、电子设备及存储介质，所述方法包括：对于同一文档采集带有标记的标记文档图像、不带标记的文档图像以及标记的标记掩码图作为一组训练样本，基于多个不同文档采集多组训练样本以获取训练数据；搭建图像标记去除初始化模型，图像标记去除初始化模型包括第一生成模型、第二生成模型、第一判别模型和第二判别模型；基于训练数据和预设损失函数训练图像标记去除初始化模型得到图像标记去除模型。本申请能够将待处理文档图像输入图像标记去除模型中的第一生成模型和第二生成模型以去除待处理文档图像中的标记，同时保留图像细节。
基于人工智能图像标记去除模型搭建方法相关设备

[发明专利]一种激光标记方法及装置-CN201210499331.5有效
发明人：贺志军;孟方;杜明;陈克胜;高云峰 -专利权人：深圳市大族激光科技股份有限公司
申请日： 2012-11-29 - 公布日： 2014-06-11 - 主分类号： B41J2/435 文献下载
摘要：本发明适用于激光标记领域，提供了一种激光标记方法及装置，本发明通过获取待标记对象的模型，所述待标记对象的模型为待标记对象的表面模型，所述表面模型为平面模型或非平面模型，通过将待标记对象的模型上的待标记线条与待标记对象的待标记线条重合，根据所述待标记线条和标记内容，通过插补算法获取所述第一控制参数和所述第二控制参数，通过所述第一控制参数控制电机和所述第二控制参数控制振镜协同工作以对平面或非平面的待标记对象中的直线或非直线的待标记线条中的标记点采用激光进行标记；实现对非平面的待标记对象中的非直线的待标记线条采用激光进行标记。
一种激光标记方法装置

[发明专利]一种模型训练的方法、装置、设备及存储介质-CN202310117049.4在审
发明人：张静;曹美林;陆陈昊;王一张;周沧琦 -专利权人：之江实验室;南京理工大学
申请日： 2023-02-14 - 公布日： 2023-04-28 - 主分类号： G06F40/295 文献下载
摘要：本说明书公开了一种模型训练的方法、装置、设备及存储介质，可以先通过预测模型对各待标记样本集进行标记，并将标记结果为指定标记结果的各待标记样本集中的各待标记样本筛选出来，交由标记人员进行人工标记。这里的指定标记结果是指预先设置的预测模型容易出现识别错误的一类样本的标记结果。从而可以根据标记人员针对预测模型容易出现识别错误的一类样本的标记结果，对用于训练预测模型的待标记样本集进行拆分、重新聚合得到新的样本集，并使用新的样本集对预测模型进行训练，进而可以在减少需要人工标记的样本的数量以降低预测模型的训练成本的同时，提升预测模型的训练效果。
一种模型训练方法装置设备存储介质

[发明专利]标记模型的训练、标记方法、装置、系统、存储介质及设备-CN202010884221.5在审
发明人：不公告发明人 -专利权人：曰轮法寺
申请日： 2020-08-28 - 公布日： 2022-03-18 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及标记模型的训练方法、标记方法、装置、系统、存储介质及设备。其中，标记模型的训练方法包括获取标记模型的初始模型；执行迭代操作；迭代操作包括：基于初始训练样本训练初始模型，得到预处理模型；将当前待标记图输入预处理模型，输出当前预处理标记结果；将预处理模型作为新的初始模型，将初始训练样本和当前训练样本作为新的初始训练样本，返回执行迭代操作，直到满足预设条件为止，将满足预设条件时的预处理模型作为标记模型；其中，当前训练样本为当前待标记图及其符合预设标准的当前预处理标记结果采用本申请的技术方案在不额外增加过多训练样本的标记成本下，可以提高标记模型的泛化能力和/或鲁棒性。
标记模型训练方法装置系统存储介质设备

[发明专利]基于多子空间表示的偏多标记学习方法-CN202010412162.1在审
发明人：冯松鹤;李浥东;李子薇;金一;郎丛妍 -专利权人：北京交通大学
申请日： 2020-05-15 - 公布日： 2020-08-25 - 主分类号： G06F16/906 文献下载
摘要：本发明提供了一种基于多子空间表示的偏多标记学习方法。该方法包括利用真实标记矩阵构建标记子空间，利用特征映射矩阵构建特征子空间，通过标记子空间和特征子空间学习得到基于多子空间表示的偏多标记学习模型；对基于多子空间表示的偏多标记学习模型进行交替优化训练学习，求解基于多子空间表示的偏多标记学习模型，得到最优的预测模型；将未知样本输入到最优的预测模型，最优的预测模型输出未知样本的标记信息。本发明解决了特征存在噪声和冗余标记的问题，使用映射矩阵将特征空间映射到子空间，减少特征噪声对预测模型的影响；使用矩阵分解技术将标记空间降维到标记子空间，使用图拉普拉斯约束标记子空间，消除冗余标记噪声对预测模型的影响
基于空间表示标记学习方法

[发明专利]一种关节配准点生成方法、装置、电子设备及存储介质-CN202111003471.4在审
发明人：黄志俊;刘金勇;陈家兴 -专利权人：杭州柳叶刀机器人有限公司
申请日： 2021-08-30 - 公布日： 2021-11-16 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了一种关节配准点生成方法、装置、电子设备及存储介质，该方法包括：获取待标记关节模型；基于所述待标记关节模型的物理信息确定初始模型信息；根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型；将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。通过基于待标记关节筛选出相近的现有模型，并对现有模型进行调整的过程，使得现有模型贴合所述待标记关节，基于现有模型的标记数据实现了对待标记关节的配准点计算，进而实现了关节的标记过程更准确，效率更高。
一种关节准点生成方法装置电子设备存储介质

[发明专利]一种智能数据噪声筛选方法-CN202211545535.8有效
发明人：王进;陆志;廖唯皓;彭云曦;刘彬;杜雨露;朴昌浩 -专利权人：千一禾盛（北京）科技有限公司
申请日： 2022-12-05 - 公布日： 2023-10-27 - 主分类号： G06F18/24 文献下载
摘要：本发明属于自然语言处理技术领域，具体涉及一种智能数据噪声筛选方法，包括：获取多标记数据，构建真实标记矩阵和含噪标记矩阵；通过真实标记矩阵和含噪标记矩阵构建噪声筛选模型；训练模型，并控制模型复杂度；对模型进行优化，并求解模型的参数，并更新参数得到最优参数，固定最优参数得到最优的噪声筛选模型；将待筛选数据输入最优的噪声筛选模型，得到真实标记数据。本发明利用含噪标记矩阵构建一个多标记分类器和噪声标记检测器，一方面减少冗余标记噪声对模型准确率的负面影响并生成具有区分性的特征信息，另一方面通过减少标记维度来提高模型的训练和预测效率，训练后的偏多标记学习模型对特征噪声和冗余标记噪声都具有更强的鲁棒性
一种智能数据噪声筛选方法

[发明专利]三维模型的标记方法和装置-CN201810677886.1有效
发明人：王群;王宇亮;乔岳;张苗 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-06-27 - 公布日： 2023-02-14 - 主分类号： G06T19/00 文献下载
摘要：本发明实施例提出一种三维模型的标记方法和装置。该方法包括：根据已标注的样本图像，采用机器学习算法进行训练得到标记定位规则；其中，已标注的样本图像中标注了各种三维模型的类别信息对应的标记信息，标记定位规则包括三维模型的类别信息、二维图像的场景特征信息和标记位置的对应关系；采用标记定位规则对待标记图像和待显示三维模型的类别信息进行匹配，得到待显示三维模型在待标记图像中的标记位置。本发明实施例针对不同类别的模型和图像场景准确地产生标记，有利于更加准确和自然地显示模型初始化位置，产生的标记也更加符合三维模型和待标记图像的特点。
三维模型标记方法装置

[发明专利]确定两个或多个模型之间的区别的方法-CN99812190.8无效
发明人：塔德·A德弗勒;亚历山大·科索斯基;萨斯特赖·南杜里 -专利权人：联合想象计算机公司
申请日： 1999-10-15 - 公布日： 2001-12-05 - 主分类号： G06F17/30 文献下载
摘要：一种比较第一模型和第二模型的方法。该方法包括识别第一模型和第二模型中的元数据,针对第一模型的元数据的对象计算第一组特征标记,和针对第二模型的元数据的对象计算第二组特征标记。相互对应的第一模型的对象和第二模型的对象具有相同特征标记。该方法还包括确定第一组特征标记中的哪些特征标记与第二组特征标记中的特征标记匹配。该方法还包括针对匹配的特征标记确定与第一组特征标记中的特征标记相关联的对象是否等同于与第二组特征标记中的特征标记相关联的对象。
确定两个模型之间区别方法

[发明专利]基于子空间表示和全局消歧方法的偏标记学习方法-CN202010411587.0在审
发明人：李浥东;冯松鹤;孙悦;郎丛妍 -专利权人：北京交通大学
申请日： 2020-05-15 - 公布日： 2020-08-25 - 主分类号： G06F16/906 文献下载
摘要：本发明提供了一种基于子空间表示和全局消歧方法的偏标记学习方法。该方法包括：构建特征矩阵和候选标记矩阵；基于构建特征矩阵和候选标记矩阵，构建特征子空间学习模型和标记全局消歧模型；综合特征子空间学习模型和标记全局消歧模型得到混合模型，采用交替优化方法求解混合模型，得到多分类模型、映射矩阵和偏标记置信度矩阵；根据多分类模型和映射矩阵对未见示例进行分类，计算出未见示例的多个标记值，将预测置信度最高的标记值对应的标记确定为未见示例所属的标记类别。本发明可同时利用特征子空间表示法和标记全局消歧方法，同时从特征和标记两方面解决偏标记学习问题，所获特征具有更强表征能力；生成的标记置信度矩阵有更好的消歧效果。
基于空间表示全局方法标记学习方法

[发明专利]一种基于标记协方差和多标记分类的联合学习方法-CN201710430547.9在审
发明人：杨明;吕静;何志芬;杨琬琪;蔡维玲;宋凤义 -专利权人：南京师范大学
申请日： 2017-06-09 - 公布日： 2017-11-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于标记协方差和多标记分类的联合学习方法，主要考虑同时学习多标记分类模型、自动划分样本的相关标记和不相关标记的阈值函数以及标记相关性问题，包含如下步骤标记相关性矩阵初始化；运用标记协方差和多标记分类的联合学习算法习得到分类模型参数、标记相关性以及阈值函数所对应的参数；模型预测；本发明以支持向量机模型为基础，将标记之间的相关性和标记集分割策略嵌入SVM模型中，以用于多标记数据的分类，以此来提高多标记数据的分类精度，此外，本发明中将正则化技术运用在模型中，以控制联合学习模型中分类模型的复杂度和标记相关性的大小，防止过拟合，进一步提高多标记数据的分类效果。
一种基于标记协方差分类联合学习方法

[发明专利]基于全局和局部标记关系的偏多标记学习方法-CN202010411579.6在审
发明人：冯松鹤;李浥东;孙利娟;金一 -专利权人：北京交通大学
申请日： 2020-05-15 - 公布日： 2020-08-25 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种基于全局和局部标记关系的偏多标记学习方法。该方法包括：构建特征信息矩阵，利用特征信息矩阵构建不精确标记矩阵；利用低秩稀疏表示模型将不精确标记矩阵分解为噪声标记矩阵和正确标记系数矩阵，利用噪声标记矩阵、正确标记系数矩阵和特征信息矩阵构建所有标记的预测模型；基于正确标记系数矩阵、噪声矩阵和预测模型构建偏多标记学习模型，采用块坐标下降法迭代更新方法训练偏多标记学习模型，得到训练好的预测模型；将未见示例输入到训练好的预测模型，得到未见示例对应的标记。
基于全局局部标记关系学习方法

[发明专利]使用标签猜测对机器学习模型进行半监督训练-CN202080033626.6在审
发明人：戴维·贝特洛 -专利权人：谷歌有限责任公司
申请日： 2020-05-06 - 公布日： 2021-12-10 - 主分类号： G06N3/08 文献下载
摘要：用于训练机器学习模型的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。方法中的一种包括接收未标记批次；从未标记批次和标记批次生成处理后的未标记批次和处理后的标记批次，该生成包括：对于多个未标记训练输入中的每个未标记训练输入：从未标记训练输入生成多个增强未标记训练输入；使用机器学习模型处理扩增的未标记训练输入中的每一个以为每个扩增的未标记训练输入生成相应的模型输出；从扩增的未标记训练输入的模型输出生成猜测模型输出；以及将猜测的模型输出与扩增的未标记训练输入中的每一个相关联；并且在处理后的标记批次和处理后的未标记批次上训练机器学习模型。
使用标签猜测机器学习模型进行监督训练

[发明专利]行为判别模型的训练方法、装置、电子设备及存储介质-CN202110260861.3在审
发明人：金欣哲;孟海忠 -专利权人：挂号网（杭州）科技有限公司
申请日： 2021-03-10 - 公布日： 2021-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种行为判别模型的训练方法、装置、电子设备及存储介质。包括：通过标记样本集训练得到初始行为判别模型，并将未标记样本集输入至初始行为判别模型中，得到未标记样本集中各未标记样本对应的行为分类结果；基于各未标记样本以及各未标记样本对应的行为分类结果，对标记样本集进行更新，以基于更新后的标记样本集对初始行为判别模型进行更新训练，得到目标行为判别模型。本发明实施例的行为判别模型的训练方法，无需大量人工标注数据，节省了人工标注的时间与成本，进而提高了模型的训练速度；并且，通过未标记样本集的预测结果对标记样本集进行更新，以基于更新的标记样本集对模型进行更新训练，显著提高了模型的输出精度。
行为判别模型训练方法装置电子设备存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条