“样本输入”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1597828个，建议您升级VIP下载更多相关专利

[发明专利]基于局部阴影特效的图像样本生成方法及装置-CN202010763065.7有效
发明人：雷晨雨;程晓;张国辉;宋晨 -专利权人：平安科技（深圳）有限公司
申请日： 2020-07-31 - 公布日： 2023-07-04 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了基于局部阴影特效的图像样本生成方法、装置、计算机设备及存储介质，涉及人工智能技术，包括调用对比度亮度调节算法，将输入图片进行对比度亮度调节，得到对应的暗图片和亮图片；获取输入图片的原图尺寸，根据原图尺寸初始化得到初始模糊正向匀光图片以对初其进行模糊正向匀光得到当前模糊正向匀光图片；将当前模糊正向匀光图片进行高斯模糊，得到高斯模糊后图片；根据输入图片对应的暗图片和亮图片以及高斯模糊后图片进行合成，得到与输入图片对应的图像样本。实现了对输入图片基于局部阴影特效进行图像样本的扩充，降低了获取身份证图片样本的获取难度，而且所扩充的图像样本接近真实场景拍摄的样本，解决了小样本问题。
基于局部阴影特效图像样本生成方法装置

[发明专利]智能手机使用权限验证系统及方法-CN201310710195.4无效
发明人：邹雯雯 -专利权人：闻泰通讯股份有限公司
申请日： 2013-12-19 - 公布日： 2014-03-26 - 主分类号： G06F21/32 文献下载
摘要：本发明揭示了一种智能手机使用权限验证系统及方法，所述验证系统包括输入参数采集模块、样本参数存储模块、参数比对模块；输入参数采集模块用以采集用户输入的参数；样本参数存储模块用以存储样本参数，样本参数存储于第二存储区域；操作系统存储于第一存储区域；智能手机重装系统后无法删除样本参数，且系统重装时，系统自动生成所述使用权限验证系统，使用权限验证系统的比对数据库自动指向第二存储区域的样本参数；参数比对模块用以将所述输入参数采集模块采集的输入参数与所述样本参数存储模块存储的参数进行比对
智能手机使用权限验证系统方法

[发明专利]一种基于GAN的非限制性对抗样本生成方法和系统-CN202211625755.1在审
发明人：凌捷;邓诗芸;罗玉 -专利权人：广东工业大学
申请日： 2022-12-16 - 公布日： 2023-04-18 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于GAN的非限制性对抗样本生成方法和系统，涉及人工智能安全技术领域，包括：获取初始输入图像和目标图像并进行预处理；将预处理后的初始输入图像输入GAN神经网络模型中进行训练，利用编码器将预处理后的初始输入图像和目标图像编码到隐空间，并对获得的隐向量进行正则化；将正则化后目标图像的隐向量作为对抗样本隐向量的初始值，构建对抗样本相似度目标函数并在隐空间迭代更新，获得待生成对抗样本的隐向量；将待生成对抗样本的隐向量输入优化后的GAN神经网络模型中生成对抗样本；本发明利用更新隐空间的隐向量和生成器网络G来生成非限制性对抗样本，保障了对抗样本的自然性，提高了非限制性对抗样本的生成效率和攻击成功率。
一种基于 gan 限制性对抗样本生成方法系统

[发明专利]一种手写输入中确定待选字的方法及装置-CN201110298039.2在审
发明人：江桂凤 -专利权人：中兴通讯股份有限公司
申请日： 2011-09-29 - 公布日： 2012-02-22 - 主分类号： G06F3/048 文献下载
摘要：本发明公开了一种手写输入中确定待选字的方法及装置，应用于电子设备输入技术领域。该方法包括：根据用户输入的预输入汉字的部首，确定预输入汉字的部首信息；将所述部首信息中的部首笔迹与存储的个人笔迹样本进行匹配，如果匹配成功，则获取所述个人笔迹样本对应的部首索引号；其中，所述个人笔迹样本由用户输入的部首笔迹确定，并且所述个人笔迹样本与部首索引号对应；按所述部首索引号获取包含所述部首的汉字序列，从所述汉字序列中确定所述预输入汉字的候选字。本发明公开的方法和装置通过存储根据用户个人手写习惯生成的个人部首笔迹样本，字库实现简单且存储空间小。
一种手写输入确定待选字方法装置

[发明专利]输入字符到电子设备-CN200510116021.0有效
发明人：镇立新;陈青山;肖柏华 -专利权人：摩托罗拉公司
申请日： 2005-10-25 - 公布日： 2007-05-02 - 主分类号： G06F3/041 文献下载
摘要：本发明提供了输入字符到电子设备(100)的方法(200)。方法包括从设备的触敏图形输入板(105)接收若干书写笔画样本(207)，书写笔画对应于一或多个字符的线条。根据所接收的书写笔画样本，确定图形输入板的字符输入书写区域(180)的字符输入高度(221)。根据所接收的书写笔画样本(217)确定图形输入板的字符输入书写区域的字符输入速度。根据字符输入速度，在设备的显示器(105)上滚动字符输入书写区域。
输入字符电子设备

[发明专利]用于生成特征向量的方法、装置、电子设备和介质-CN201911189574.7在审
发明人：张韵东;周学武;康珮珮 -专利权人：重庆中星微人工智能芯片技术有限公司
申请日： 2019-11-28 - 公布日： 2020-04-03 - 主分类号： G06K9/00 文献下载
摘要：该方法的一具体实施方式包括：获取人脸图像；将该人脸图像输入至预先训练的第一人脸识别网络，生成与该人脸图像的人脸特征向量，其中，该第一人脸识别网络是通过以下步骤得到的：获取训练样本集合，训练样本包括样本人脸图像和该样本人脸图像对应的样本特征向量；将该训练样本集合中的训练样本的样本人脸图片作为输入，将与输入的样本人脸图片对应的样本特征向量作为期望输出，训练得到该第一人脸识别网络。
用于生成特征向量方法装置电子设备介质

[发明专利]用于为神经网络生成反事实数据样本的设备和方法-CN202010985612.6在审
发明人： A·M·穆诺兹德尔加多 -专利权人：罗伯特·博世有限公司
申请日： 2020-09-18 - 公布日： 2021-03-23 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及用于为神经网络生成反事实数据样本的方法和设备。根据各种实施例，描述了一种用于基于输入传感器数据样本为神经网络生成反事实数据样本的方法，包括：使用神经网络确定对于输入传感器数据样本的类别预测，除了类别预测之外，还确定类别预测的不确定性的估计，生成神经网络针对其确定与输入传感器数据样本不同的类别预测的候选反事实数据样本，确定损失函数，其中所述损失函数包括由所述神经网络对于候选反事实数据样本做出的类别预测的不确定性的估计，基于所确定的损失函数修改所述候选反事实数据样本以获得反事实数据样本，并输出所述反事实数据样本。
用于神经网络生成事实数据样本设备方法

[发明专利]模型训练方法、音频评价方法、设备及可读存储介质-CN202111043654.9在审
发明人：江益靓;张欢;姜涛;刘雨鑫;胡鹏 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2021-09-07 - 公布日： 2021-12-03 - 主分类号： G10H1/00 文献下载
摘要：本申请公开了一种模型训练方法、音频处理方法、设备及计算机可读存储介质，该模型训练方法包括：获取训练参考数据和对应的训练样本；训练样本包括正干声样本和负干声样本；将训练参考数据输入初始模型的参考特征提取网络，得到训练参考特征；将正干声样本输入初始模型，得到正样本特征，并将负干声样本输入初始模型，得到负样本特征；利用训练参考特征、正样本特征和负样本特征生成损失值；利用损失值对初始模型进行参数调整，若检测到满足训练完成条件
模型训练方法音频评价设备可读存储介质

[发明专利]对抗型神经网络训练方法、装置、设备和存储介质-CN202210934762.3在审
发明人：郑喜民;王颖妮;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-08-04 - 公布日： 2022-10-21 - 主分类号： G06N3/04 文献下载
摘要：本申请的对抗型神经网络训练方法、装置、设备和存储介质，其中方法包括：获取输入样本集；对输入样本集加入扰动项，得到扰动样本集。根据扰动样本集构造第一损失函数。通过改变扰动项最大化第一损失函数，得到对抗样本集。根据对抗样本集构造第二损失函数。通过最小化第二损失函数训练对抗型神经网络。判断第二损失函数的损失值是否小于损失阈值，若是，则停止训练对抗型神经网络。通过第一损失函数得到对抗样本集，通过由对抗样本集构造的第二损失函数对对抗型神经网络进行训练，能够增强对抗型神经网络对于对抗样本的鲁棒性，提高输入为对抗样本时图像分类的准确率。
对抗神经网络训练方法装置设备存储介质

[发明专利]基于分治策略的对抗样本检测方法及设备-CN202310172333.1在审
发明人：汪润;吴梦洁;王玮;杨康;刘丽;陈晶;王丽娜 -专利权人：武汉大学
申请日： 2023-02-24 - 公布日： 2023-06-23 - 主分类号： G06F18/2431 文献下载
摘要：本发明提供了一种基于分治策略的对抗样本检测方法及设备。所述方法包括：步骤1：测试样本输入目标模型，得到特征图；步骤2：将特征图输入特征图检测器FMD，特征图检测器FMD检测该样本是否为对抗样本；步骤3：将特征图输入对抗噪声擦除器ANE进行检测；步骤4：集成特征图检测器FMD及对抗噪声擦除器ANE的检测结果，若有一个检测器检测出所述测试样本是对抗样本，则确定所述测试样本是对抗样本。本发明通过在快速梯度符号方法生成的对抗样本上进行训练，可以精确的检测出其余所有的未知攻击方法生成的对抗样本，达到平均97％的AUC值，提出的检测算法可以应用于真实世界。
基于分治策略对抗样本检测方法设备

[发明专利]特征的评估方法、装置和计算机可读存储介质-CN202211708674.8在审
发明人：占华东;康鹏;李俊永;李军;吴迪 -专利权人：厦门友微科技有限公司
申请日： 2022-12-29 - 公布日： 2023-04-25 - 主分类号： G06F11/30 文献下载
摘要：特征的评估方法包括：将历史数据中的第一预设数量个样本添加到样本池；每隔预设时长，将从线上的特征计算系统中获取的第二预设数量个样本添加到样本池，并从样本池中删除第二预设数量个已有的样本，其中，线上的特征计算系统用于根据输入的样本计算已上线特征；将样本池中的样本输入到模拟的特征计算系统中，其中，模拟的特征计算系统用于根据输入的样本计算待上线特征；和获取模拟的特征计算系统的计算性能指标，作为待上线特征的评估指标。
特征评估方法装置计算机可读存储介质

[发明专利]共性知识约束的遥感样本迁移方法-CN202211151014.4在审
发明人：刘聪;陈婷;王婷;贾若愚;彭哲;李洁;邹圣兵 -专利权人：北京数慧时空信息技术有限公司
申请日： 2022-09-21 - 公布日： 2023-01-17 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种共性知识约束的遥感样本迁移方法，涉及遥感影像处理领域，该方法包括以下步骤：使用特征提取模型获取源域样本与目标域样本的特征和公共特征空间；使用特征聚类器确定共性特征和非共性特征；将所述共性特征和加入随机噪声的源域非共性特征输入生成器，生成伪样本，将伪样本输入判别器，根据所述目标域样本数据对所述伪样本进行判别，迭代训练优化生成器，得到训练好的生成器；将源域样本数据输入训练好的生成器，生成迁移样本。实现了在共性特征约束下的源域向目标域的样本迁移，避免了负迁移的出现。
共性知识约束遥感样本迁移方法

[发明专利]联邦建模方法、设备及存储介质-CN201810913452.7有效
发明人：成柯葳;刘洋;范涛;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2018-08-10 - 公布日： 2021-11-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种联邦建模方法、设备及存储介质，该方法包括输入第一训练样本和第二训练样本；基于Xgboost算法和加密算法对所述第一训练样本和所述第二训练样本进行训练，得到决策树预测模型；根据所述策树预测模型基于预设的样本标签预测方法对待预测样本进行预测本发明根据所述决策树预测模型基于预设的样本标签预测方法，对待预测样本进行预测，所述方法包括由联邦建模的第一方在第一方决策树预测模型中输入待预测样本，所述方法还包括由联邦建模的第一方和第二方分别在决策树预测模型中输入待预测样本
联邦建模方法设备存储介质

[发明专利]一种基于自编码器的稀疏人脸比对对抗样本生成方法-CN202211712389.3有效
发明人：戚永军;刘晓硕;宋媛萌;贾正正 -专利权人：北华航天工业学院
申请日： 2022-12-29 - 公布日： 2023-09-26 - 主分类号： G06V40/16 文献下载
摘要：本发明提出了一种基于自编码器的稀疏人脸比对对抗样本生成方法，构建了躲避攻击对抗样本生成模型和假冒攻击对抗样本生成模型，模型中包括编码器和两个解码器，第一解码器用来生成全局性扰动，第二解码器用来控制保留扰动像素位置；最后根据输入样本状态，自适应选择躲避攻击对抗样本生成模型或者假冒攻击对抗样本生成模型，生成对应的对抗样本；在输入图像生成对抗样本之前，先利用目标模型进行是否为同一人判定，如果为同一人则进行躲避攻击，否则进行假冒攻击，输入到对应的对抗样本生成模型中，进而生成对应的对抗样本。
一种基于编码器稀疏对抗样本生成方法

[发明专利]一种神经网络及该神经网络的学习方法-CN201510383326.1在审
发明人：胡静 -专利权人：上海电机学院
申请日： 2015-07-02 - 公布日： 2015-09-30 - 主分类号： G06N3/02 文献下载
摘要：本发明提供一种神经网络的学习方法，包括：初始化输入样本集和样本的标识集，其中，所述输入样本集是全部已标识样本、全部未标识样本及已标识和未标识混合样本中的一种；随机抽取一个输入样本，重新训练网络，直至样本集中的样本全部取完本方法从一个新的角度上探索了模糊神经网络的应用范围问题，分析了模糊神经网络分类器在选择训练样本时，可采用的更加实际和广泛的学习方法。该学习方法相对于原有的学习方法而言，所需选择的样本范围更加扩大，实用性也大大增强，更加接近人类的学习方法，并且有效的提高了模糊神经网络的分类效果，填补了模糊神经网络训练样本学习方法的空白。
一种神经网络学习方法