“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]基于竞争型生成式对抗神经网络的锂电池SOC估计方法-CN202210052447.8有效
发明人：张洪滔;陈思哲;柯春凯 -专利权人：广东工业大学
申请日： 2022-01-18 - 公布日： 2022-08-26 - 主分类号： G01R31/387 文献下载
摘要：本发明公开了一种基于竞争型生成式对抗神经网络的锂电池SOC估计方法，该网络由多个生成器和一个判别器构成。采集锂电池的各类特征数据，并根据不同特征组合，从原始数据集中生成多个新数据集并将其分别输入各生成器中进行训练。利用生成器与判别器之间的相互博弈，交替迭代各生成器与判别器内部参数，同时每间隔一定训练批次淘汰SOC估计精度最低的生成器。利用保留到最后的生成器进行锂电池SOC估计。本发明利用特征与特征之间的竞争实现了特征选择机制，利用生成器与生成器之间的竞争实现了生成器相互促进机制和生成器淘汰机制，利用生成器与判别器之间的竞争实现了各生成器权重更新机制，从而提升了锂电池SOC估计精度
基于竞争生成对抗神经网络锂电池 soc 估计方法

[发明专利]一种基于生成对抗网络的图像超分辨率重建方法-CN202010236916.2在审
发明人：程述立;汪烈军;杜安钰;王德勇;敖乃翔;李永明;李灿 -专利权人：新疆大学;新疆联海创智信息科技有限公司
申请日： 2020-03-30 - 公布日： 2020-07-17 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于生成对抗网络的图像超分辨率重建方法，所述生成对抗网络包括生成器和判决器，所述生成器包括深层生成器和浅层生成器，所述判决器包括深层判决器和浅层判决层，所述方法包括：在生成器中，低分辨率图片经过第一层卷积层后并行进入深层生成器和浅层生成器，得到深层特征图和浅层特征图，最后通过逐元素相加的方式将深层特征图和浅层特征图进行融合，融合后的特征图经过卷积层进入最终的特征映射层，生成预测图片；在判决器中，将生成器生成的预测图片与原始的图片同时并行输入深层判决器和浅层判决器以预测图片的真实或者虚假概率本发明通过提出的深层网络和浅层网络的训练可以加快收敛速度，并提高生成的超分辨率图像的质量。
一种基于生成对抗网络图像分辨率重建方法

[发明专利]学习装置和方法、识别装置和方法、程序及记录介质-CN200910179404.0无效
发明人：横野顺;长谷川雄一 -专利权人：索尼株式会社
申请日： 2009-10-09 - 公布日： 2010-05-26 - 主分类号： G06K9/66 文献下载
摘要：学习装置包括图像生成器、特征点提取器、特征值计算器以及分辨器生成器。图像生成器从输入图像生成具有不同比例系数的图像。特征点提取器从图像生成器所生成的每个图像中提取特征点。特征值计算器通过利用预定滤波器对特征点滤波来计算特征点的特征值。分辨器生成器利用特征值通过统计学习来生成用于从图像中检测预定目标对象的一个或多个分辨器。
学习装置方法识别程序记录介质

[发明专利]一种文本序列生成方法及其系统-CN201911200922.6有效
发明人：杨杨;丹晓东;房超;高志鹏;邵苏杰;杨会峰;高丽芳;王静;于海涛;赵倩;张艺馨;石晓丹 -专利权人：北京邮电大学;北京智芯微电子科技有限公司;国网河北省电力有限公司信息通信分公司
申请日： 2019-11-29 - 公布日： 2023-06-20 - 主分类号： G06F16/35 文献下载
摘要：本发明实施例提供的文本序列生成方法及其系统，包括：对抗网络模型包括生成器和判别器；生成器中包含特征反馈网络模块，用于从判别器中调取高阶特征，以生成指导特征向量；生成器基于指导特征向量，生成预输出文本序列的下一个词；判别器根据新构建的预输出文本序列和初始文本序列更新高阶特征；迭代执行上述步骤，直至新构建的预生成文本序列的总词数达到设定阈值时，输入至判别器进行判别，并根据分类判别结果计算更新梯度；根据更新梯度更新生成器的参数；迭代执行上述步骤直至生成器和判别器均收敛后，输出目标文本序列。本发明实施例通过增添特征转换反馈模块，将判别器提取到的特征向量输送至生成器作为指导信号，改善了生成器的生成质量。
一种文本序列生成方法及其系统

[发明专利]社交媒体跨模态搜索中数据特征生成器训练及搜索方法-CN202010418678.7有效
发明人：杜军平;周南;崔婉秋;寇菲菲 -专利权人：北京邮电大学
申请日： 2020-05-18 - 公布日： 2023-04-18 - 主分类号： G06F16/36 文献下载
摘要：本发明提供一种社交媒体跨模态搜索中数据特征生成器训练及搜索方法，所述训练方法包括：获取训练样本集，基于训练样本集采用对抗学习的生成器获取各数据信息的表示特征，通过判别器监督对抗生成器，通过固定判别器调参优化生成器以及的固定生成器调参优化判别器，多次迭代得到最终的生成器。所述搜索方法包括：将待搜索数据信息输入生成器，得到待搜索数据信息的表示特征；遍历目标模态的现有数据信息，并获取各现有数据信息通过生成器产生的表示特征；基于相似度匹配获取与待搜索数据信息的表示特征最相近的一条或多条目标模态的现有数据信息
社交媒体跨模态搜索数据特征生成器训练方法

[发明专利]一种基于生成对抗模型的工业图像特征的提取方法-CN202310447614.3在审
发明人：周春荣;丁际友 -专利权人：苏州梅曼智能科技有限公司
申请日： 2023-04-24 - 公布日： 2023-09-29 - 主分类号： G06V10/40 文献下载
摘要：本发明公开了一种基于生成对抗模型的工业图像特征的提取方法，包括如下步骤：对Massachusetts特征图像数据集进行预处理后获得数据集；构建Improved DUNet模型；将数据集导入Improved DUNet模型中进行训练得到生成器；构建全局鉴别器和局部鉴别器，然后与生成器构成对抗训练模型；基于对抗训练模型，生成器分别与全局鉴别器和局部鉴别器进行对抗训练，对生成器提取的图像特征提取结果进行微调；将生成器的图像特征提取结果和微调后生成器的图像特征提取结果进行综合；对图像特征提取结果进行评价，本发明通过构建对抗训练模型对生成器提取的图像特征进行微调，使得提取出的图像特征连续，分割的精度高，将微调之前和微调之后的模型的分割结果进行综合，提高图像特征的提取精度。
一种基于生成对抗模型工业图像特征提取方法

[发明专利]发掘可用于机器学习技术中的新颖特征，例如用于诊断医疗状况的机器学习技术-CN201880061507.4在审
发明人：保罗·格鲁希;蒂莫西·伯顿;阿里·侯索斯;阿比那夫·多姆拉;萨尼·古普塔 -专利权人：生命分析有限公司
申请日： 2018-07-18 - 公布日： 2020-05-08 - 主分类号： G16H50/20 文献下载
摘要：一种设施，提供用于发掘要在机器学习技术中使用的新颖特征的系统和方法。该设施针对多个对象接收一组或多组数据，这些数据表示一段时间内对象的某些输出或状况或捕获对象的某些物理方面。然后，该设施从数据中提取或计算值，并将一个或多个特征生成器应用于提取的值。基于特征生成器的输出，该设施识别用于至少一个机器学习过程的新颖特征生成器，并进一步对新颖特征生成器进行突变，然后可以将新颖特征生成器应用于接收到的数据以识别其他新颖特征生成器。
发掘用于机器学习技术中的新颖特征例如诊断医疗状况

[发明专利]图像重构方法、系统、终端设备及存储介质-CN202110882373.6在审
发明人：周铭柯;陈进山;李启东;邹嘉伟;李志阳 -专利权人：厦门美图之家科技有限公司
申请日： 2021-08-02 - 公布日： 2021-11-19 - 主分类号： G06T5/50 文献下载
摘要：本发明提供了一种图像重构方法、系统、终端设备及存储介质，该方法包括：将样本图像输入隐向量编码网络分别进行下采样和特征提取得到抽象特征和样本隐向量；将抽象特征和样本隐向量输入生成器进行特征提取得到图像特征，将图像特征输入生成器和判别器进行图像生成、真伪识别和损失计算得到损失值；根据损失值对隐向量编码网络、生成器和判别器进行参数更新；将待重构图像输入隐向量编码网络和生成器进行图像生成得到重构图像。本发明将抽象特征和样本隐向量输入生成器进行特征融合，基于特征融合后的图像特征，提高了生成图像和隐向量编码网络、生成器、判别器参数更新的准确性，防止了重构后的图像与原图像之间差异较大的现象。
图像方法系统终端设备存储介质

[发明专利]一种基于LSGAN的动态场景HDR成像方法-CN202310755809.4在审
发明人：霍永青;甘静;王达 -专利权人：电子科技大学
申请日： 2023-06-25 - 公布日： 2023-09-22 - 主分类号： H04N23/741 文献下载
摘要：本发明所述方法基于生成器和判别器实现，首先，生成器采用基于全局分支改进的膨胀密集连接模块提取和融合图像特征以合成无鬼影的HDR图像，然后，通过LSGAN损失对生成器和判别器进行对抗训练，进一步提高生成的本发明所述方法采用两阶段训练法，将三帧曝光不同的动态场景下的LDR图像输入生成器；生成器通过全局膨胀残差密集模块提取和融合不同曝光的LDR图像的特征，利用全局信息抑制鬼影和恢复场景信息；通过内容损失函数单独训练生成器以初步生成HDR图像；生成器与判别器同时训练进一步提高生成器生成HDR图像的能力。
一种基于 lsgan 动态场景 hdr 成像方法

[发明专利]一种基于生成对抗网络的两阶段图像生成方法-CN202210623258.1在审
发明人：龚海刚;刘明;邓攀;王晓敏;刘明辉 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-01 - 公布日： 2022-08-30 - 主分类号： G06T11/00 文献下载
摘要：本发明涉及一种基于生成对抗网络的两阶段图像生成方法，包括：图像特征生成步骤：通过残差网络捕获输入图像的特征，训练一个特征生成网络，使用GAN拟合图像经过捕获网络后的特征进而得到特征生成器，并通过判别器区分图像经过捕获网络的特征和特征生成器生成的特征；图像生成步骤：固定图像特征生成步骤训练得到的特征生成器的参数，加入到新的图像生成网络，让随机噪声先经过特征生成器，然后将输出传入到图像生成器中得到最终生成的图像。本发明在阶段一先通过一个生成网络学习图像的特征，然后在阶段二通过对抗网络生成图像。相比于传统的GAN优化方法，能够降低GAN的训练难度、提高生成模式的多样性、提升图像生成质量。
一种基于生成对抗网络阶段图像方法

[发明专利]一种基于深层特征的SAR图像对抗样本生成系统及生成方法-CN202310138890.1在审
发明人：李一兵;李子凡;李凌莉;叶方;田园;孙骞 -专利权人：哈尔滨工程大学
申请日： 2023-02-21 - 公布日： 2023-07-18 - 主分类号： G06V10/774 文献下载
摘要：一种基于深层特征的SAR图像对抗样本生成系统及生成方法,涉及计算机视觉领域。解决现有对抗样本生成方法存在扰动大，导致攻击成功率低且易被识别的问题。生成方法为：处理SAR图像获得图像数据；采用特征提取器提取图像数据，获得融合特征向量；采用生成器处理融合特征向量，获得初始对抗样本；处理初始对抗样本获得生成器总损失函数，并进行反向回传，获得训练的生成器；采用判别器对初始对抗样本进行处理，获得判别器总损失函数，并进行反向回传，获得训练的判别器；重复上述使得训练的生成器与训练的判别器趋近于收敛，获得最优的生成器，然后采用最优的生成器对融合特征向量进行处理本发明适用于SAR图像的对抗样本生成。
一种基于深层特征 sar 图像对抗样本生成系统方法

[发明专利]声码器的构建方法、语音处理方法及相关设备-CN202211573321.1在审
发明人：吴雨璇;宋伟;张政臣;吴友政 -专利权人：京东科技信息技术有限公司
申请日： 2022-12-08 - 公布日： 2023-06-23 - 主分类号： G10L13/04 文献下载
摘要：本发明提供一种声码器的构建方法、语音处理方法及相关设备，包括利用样本集对生成器进行训练，确定训练完成的生成器；将生成器和与生成器训练得到的判别器组成作为声码器；训练过程为分别对第一特征向量对应的第一输出音频，及第二特征向量对应的第二输出音频进行处理，确定第一时域损失、第一频域损失、第二时域损失和第二频域损失；对第二特征向量对应的第三输出音频进行处理，确定第三频域损失；进而计算生成器的总损失；基于总损失训练生成器的网络在本方案中，在对生成器进行训练时，通过计算多分辨率的时域损失和频域损失，进而计算生成器的总损失；通过上述方式能够加快声码器训练的收敛速度，以提高声码器语言处理质量。
声码构建方法语音处理相关设备

[发明专利]对象推荐方法、装置和计算机可读存储介质-CN201910970058.1有效
发明人：黄昕;李深远 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2019-10-12 - 公布日： 2022-07-15 - 主分类号： G06F16/9535 文献下载
摘要：所述方法包括：获取目标用户账号的用户特征和目标对象的对象特征；将目标用户账号的用户特征和目标对象的对象特征输入到生成对抗网络中的生成器，由该生成器输出目标对象的推荐分数；根据目标对象的推荐分数确定是否向目标用户账号推荐目标对象其中，该生成对抗网络包括该生成器和判别器，该判别器是使用第一样本训练得到，该生成器是使用第二样本训练得到，第一样本是根据该生成器获取得到，第二样本是根据该判别器获取得到。本申请中生成对抗网络中的生成器的预测准确率较高，从而在使用该生成器进行对象推荐时的准确度较高。
对象推荐方法装置计算机可读存储介质

[发明专利]一种视频翻译方法及装置-CN202210494055.7在审
发明人：常路;王正;江奎;王晓 -专利权人：武汉大学
申请日： 2022-04-29 - 公布日： 2023-03-28 - 主分类号： G06V10/80 文献下载
摘要：本申请涉及一种视频翻译方法及装置，其包括步骤：对输入原始数据的图像特征和坐标特征进入融合后输入生成器；根据输入生成器的视频连续帧计算三连帧损失，并根据所述三连帧损失优化所述生成器；基于优化后的生成器进行视频翻译
一种视频翻译方法装置

[发明专利]基于多层特征融合的地震数据抽油机噪声抑制方法-CN202210506583.X在审
发明人：文晓涛;任红萍;唐超;李波;李超;林凯;吴昊 -专利权人：成都理工大学
申请日： 2022-05-11 - 公布日： 2022-11-15 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于多层特征融合的地震数据抽油机噪声抑制方法，构建一种端到端的多层生成器的去噪网络，每层生成器的编码器提取不同尺度上的地震数据特征，并将上一层生成器提取的特征融合到下一层生成器提取的特征图中，通过逐层提取不同尺度的特征，实现由粗到细的去噪性能。同时，每层生成器的输入划分成不同尺寸的数据块，使得我们的网络能感受到更多的地震数据区域，提高了去噪网络的感受野，利于生成器提取更多有用的地震数据特征。得益于网络的结构，将地震数据划分为更大的数据块，从而利于网络提取更多的全局噪声特征，提高对抽油机噪声的识别性能。
基于多层特征融合地震数据抽油机噪声抑制方法

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