“loss”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1039个，建议您升级VIP下载更多相关专利

[发明专利]一种轻量级的图像清晰度增强方法-CN202011373558.6有效
发明人：胡耀武;李云夕;熊永春 -专利权人：杭州小影创新科技股份有限公司
申请日： 2020-11-30 - 公布日： 2023-03-14 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种轻量级的图像清晰度增强方法，其特征在于，包括如下步骤：步骤1：构建网络，并通过设定的加权LOSS进行训练迭代，得到完成训练的模型；LOSS包括VGG Loss、Huber Loss以及平均绝对误差损失MAE Loss；步骤2：完成训练的模型接收待处理图像，并输出经过清晰度增强处理的效果图像；本发明通过设置多个loss值对模型进行校正，相比传统的仅仅通过MAE Loss的值对模型进行校正，能够保证校正后的模型更好的处理图片中图像的边缘特征
一种轻量级图像清晰度增强方法

[发明专利]一种快速评估物料选型的方法-CN201711185333.6在审
发明人：李永翠 -专利权人：郑州云海信息技术有限公司
申请日： 2017-11-23 - 公布日： 2018-04-17 - 主分类号： G06Q30/02 文献下载
摘要：本发明属于计算机领域，提出一种快速评估物料选型的方法，针对cable的选型，我们设计cable loss指标，根据cable的材质、型号进行区分，测试得到cable单位长度loss，快速计算所需长度下不同材质、型号的cable loss指标，应用在系统链路中，快速评估不同cable loss下的链路系统loss，提升系统信号质量，节省选料周期，避免成本的浪费。
一种快速评估物料选型方法

[发明专利]一种基于宠物检测的双层标注计算二级损失的方法-CN202010400197.3有效
发明人：田凤彬;于晓静 -专利权人：北京君正集成电路股份有限公司
申请日： 2020-05-13 - 公布日： 2023-04-28 - 主分类号： G06V40/10 文献下载
摘要：设计网络结构，采用二级级联检测方法：S1.1第一级网络；S1.2第二级网络；S2基于网络结构计算二级损失：S2.1在第一级网络用交叉熵计算第一级、第二级损失分类损失值；用2‑范数计算坐标微调损失值；总损失值为loss1：loss1＝0.6×(0.6×cls1_loss_1+0.4×cls1_loss_2)+0.4×land1_loss；S2.2在第二级网络用交叉熵计算第一级、第二级损失分类损失值；用2‑范数计算坐标微调损失值；总损失值为loss2：loss2＝0.6×(0.4×cls2_loss_1+0.6×cls2_loss_2)+0.4×land2_loss；分类损失值权重为0.6，坐标微调损失值权重0.4；第一级分类损失值权重是
一种基于宠物检测双层标注计算二级损失方法

[发明专利]一种模型训练、信息预测方法及装置-CN201811371771.6有效
发明人：闻广亮 -专利权人：新华三技术有限公司
申请日： 2018-11-15 - 公布日： 2020-11-27 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例提供了一种模型训练、信息预测方法及装置，包括：获得样本图像和基准特征点；采用信息预测模型得到样本图像中的预测特征点及CONFpredict；计算预测特征点相对于基准特征点的LOSSlandmark；采用LOSSlandmark估算CONFgroudtruth；计算CONFpredict相对于CONFgroudtruth的LOSSconfidence；根据LOSSlandmark和LOSSconfidence，计算LOSStotal；根据LOSStotal调整信息预测模型的网络参数，实现对信息预测模型的训练。
一种模型训练信息预测方法装置

[发明专利]一种针对超分辨率B超影像的实时影像生成方法-CN201910443786.7有效
发明人：陈涛;黄艳峰;刘冠秀;张丽;刘骥宇 -专利权人：商丘师范学院
申请日： 2019-05-27 - 公布日： 2022-09-06 - 主分类号： G06T3/40 文献下载
摘要：步骤如下：建立基于MSE的loss函数；准备两种loss用于不同阶段：使用交叉熵loss对黑白影像的灰度进行二分类，初始化网络内部特征和注意力参数，使用MSE作为后阶段细化结果的loss函数；根据深度卷积神经网络核心block构建该神经网络；使用block结构进行堆叠得到深度卷积网络，生成静态图；使用Adam优化器对步骤b中交叉熵loss初始化，待loss下降速率降低为接近平坦时，终止训练，更改loss为MSE loss
一种针对分辨率影像实时生成方法

[发明专利]一种RTC系统弱网对抗方法-CN202211093393.6在审
发明人：钱晓炯;周银 -专利权人：宁波菊风系统软件有限公司
申请日： 2022-09-08 - 公布日： 2023-01-31 - 主分类号： H04L65/60 文献下载
摘要：本发明涉及一种RTC系统弱网对抗方法，其特征在于：获取当前时刻最新网络状态数据，当前时刻最新网络状态数据至少包括网络丢包率loss，发送端采用前向纠错方法以及后向纠错方法对目标视频帧的数据包进行传输，且采用的前向纠错方法中的冗余比例与后向纠错方法中的冗余比例之和r通过如下公式获得：r＝rFEC+CP；当网络丢包率loss低于10％时：CP的取值恒等于0，rFEC＝Min(1，a×loss2+b×loss+c)；当网络丢包率loss大于等于10％时：rFEC的取值恒等于1，k为一个目标视频帧进行拆分发送的数据包个数，k值为正整数，且k为常数；CPbase4＝d×loss3‑e×loss2+f×loss‑g；a、b、c、d、e、f、g均为预设常数。
一种 rtc 系统对抗方法

[发明专利]一种基于宠物检测的双层标注二级级联计算损失值的方法-CN202010400198.8有效
发明人：田凤彬;于晓静 -专利权人：北京君正集成电路股份有限公司
申请日： 2020-05-13 - 公布日： 2023-04-28 - 主分类号： G06N3/0464 文献下载
摘要：是相对宠物上半身中宠物头的标注信息；S2.2第二级标注，宠物上半身标注为1；S3网络结构采用二级级联检测方法：S3.1第一级网络；S3.2第二级网络；S4基于网络结构计算损失：S4.1第一级网络总损失值：loss1＝0.6×(0.6×cls1_loss_1+0.4×cls1_loss_2)+0.4×land1_loss；S4.2第二级网络总损失值：loss2＝0.6×(0.4×cls2_loss_1+0.6×cls2_loss_2)+0.4×land2_loss。
一种基于宠物检测双层标注二级级联计算损失方法

[发明专利]一种基于知识图谱嵌入的多三元组联合抽取方法-CN202010198105.8有效
发明人：陈华钧;余海阳;邓淑敏;张宁豫 -专利权人：浙江大学
申请日： 2020-03-19 - 公布日： 2022-10-14 - 主分类号： G06F16/31 文献下载
摘要：包括：对获取的文本语句进行处理，得到文本语句矩阵；将文本语句矩阵输入到Transformer模型中提取文本语句的语义信息，得到语义特征向量；将语义特征向量用于实体识别序列标注任务，求得实体识别交叉熵损失loss1；将语义特征向量用于关系分类任务，求取关系分类的实体识别交叉熵损失loss2；利用实体标注预测矩阵和语句实体词关系分类矩阵构造实体词关系，求取关系的交叉熵损失loss3；利用loss1、loss2和loss3基于梯度下降的优化算法计算最小化总的损失函数loss，得到训练后的Transformer模型，利用待预测文本语句输入训练后的Transformer模型，得到预测文本语句的预测语义特征向量
一种基于知识图谱嵌入三元联合抽取方法

[发明专利]基于多监督的人脸识别方法、装置、计算机设备及存储介质-CN202111060922.8在审
发明人：龙晓华;徐国庆 -专利权人：深圳市同为数码科技股份有限公司
申请日： 2021-09-10 - 公布日： 2021-11-23 - 主分类号： G06K9/00 文献下载
摘要：，包括：初始化神经网络，获取训练数据集；对训练数据集处理，得到増广后的训练数据；将増广后的训练数据分批输入到神经网络，处理后得到人脸ID分类层的输出和口罩分类层的输出；计算得到第一个损失函数的值，记为loss1；计算得到第二个损失函数的值，记为loss2；对loss1和loss2加权得到最终的loss；训练神经网络，直到loss收敛或达到预先设置的迭代次数，然后提取特征模型，作为最后的人脸识别模型。
基于监督识别方法装置计算机设备存储介质

[发明专利]一种基于块检测器及特征融合的卷积神经网络的细粒度图像识别方法及系统-CN201910575043.5有效
发明人：王乐;丁日智 -专利权人：西安交通大学
申请日： 2019-06-28 - 公布日： 2021-05-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于块检测器及特征融合的卷积神经网络的细粒度图像识别方法及系统，包括以下步骤：首先获取局部特征和全局特征；对全局特征可直接分类得到loss1；然后对局部特征和全局特征分别用一个块检测器进行过滤，得到局部过滤特征以及全局过滤特征；对得到的局部过滤特征进行全局最大池化，获取局部辨别性特征块，该局部辨别性特征块可直接分类得到loss2；此外构建一个特征融合流对局部过滤特征和全局过滤特征进行融合，获得一个层级多层表征，可直接分类得到loss3；引入了一个注意力跨层池化方法对网络进行滤波监督，得到loss4；最后对上述4个loss加权求和得到总loss，能够有效实现细粒度图像识别。
一种基于检测器特征融合卷积神经网络细粒度图像识别方法系统

[发明专利]LCLP无线充电系统的异物检测方法-CN202110391993.X在审
发明人：杨利江;王雄关;肖光武;杨成蒙 -专利权人：浙江泰米电子科技有限公司
申请日： 2021-04-13 - 公布日： 2021-07-09 - 主分类号： H02J50/60 文献下载
摘要：其包括将实际功率损耗PLoss与功率损耗阈值P′Loss进行比较；当多个连续实际功率损耗PLoss超过功率损耗阈值P′Loss，则判断发射端和接收端的接口表面存在异物。
lclp 无线充电系统异物检测方法

[发明专利]一种基于影像组学小样本学习的肺癌诊断方法-CN202010653934.0在审
发明人：刘亚峰 -专利权人：徐州云联医疗科技有限公司
申请日： 2020-07-08 - 公布日： 2020-11-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于影像组学小样本学习的肺癌诊断方法，包括，采集癌变细胞图像较小标注量数据构建样本数据集，并分别标记划分为训练集和测试集；利用所述训练集训练深度学习网络，获得loss网络函数；基于量子遗传策略搜寻所述loss网络函数随机生成的初始参数的最优解；利用所述loss网络函数的最优解对测试集进行多次测试并获得测试精度；直至满足精度要求时输出所述loss网络函数的诊断识别结果，完成肺癌诊断。本发明通过量子遗传算法寻找loss网络函数的最优解，实现深度学习网络可以用于小样本学习，解决医用标记样本不足的问题。
一种基于影像组学小样本学习肺癌诊断方法

[发明专利]一种基于样本重放和知识蒸馏的终身学习方法-CN202310465958.7在审
发明人：刘朋杰;刘洪宇;王浩枫 -专利权人：北京计算机技术及应用研究所
申请日： 2023-04-27 - 公布日： 2023-09-19 - 主分类号： G06N3/082 文献下载
摘要：代表将要处理的任务数据集，缓冲区M存放了过去任务的部分数据集以及旧模型的概率输出信息，当前任务的样本通过蓄水池抽样算法选择性地加入到缓冲区M中；在训练时，选择一种深度学习模型F，模型F在任务t上训练损失记为Loss1，模型F在缓冲区M上的损失记为Loss2，总损失为Loss＝Loss1+α*Loss2；判断是否达到训练总轮数epochs，如果达到则导出训练好的模型文件，否则反向传播更新权重并再次计算Loss。
一种基于样本重放知识蒸馏终身学习方法

[发明专利]一种基于可区分性特征融合的人脸识别方法-CN201810557864.1在审
发明人：孔凡静;童志军 -专利权人：上海阅面网络科技有限公司
申请日： 2018-06-01 - 公布日： 2018-12-18 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于可区分性特征融合的人脸识别方法，包括：A、在每个训练样本图像中截取一个全局图像和至少两个局部图像；B、对所截取的每个图像分别采用多元损失(multi‑loss)函数进行模型训练得到对应的模型；其中，所述multi‑loss函数为角度空间分类损失(a‑softmax loss)函数和中心损失(center loss)函数结合得到的；C、利用三元损失triplet loss函数对训练得到的各个模型进行融合和降维
人脸识别训练样本图像可区分性特征融合截取函数结合角度空间局部图像模型融合模型训练全局图像人脸姿态深度特征降维申请图像融合分类应用

[发明专利]一种多任务短期电力负荷预测方法-CN202211370583.8在审
发明人：刘伟硕 -专利权人：北京兰木达技术有限公司
申请日： 2022-11-03 - 公布日： 2023-03-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种多任务短期电力负荷预测方法，包括以下步骤：数据预处理：对数据进行归一化处理，得到电路负荷数据；回归预测任务：将电路负荷数据通过LSTM+Attention机制直接取预测电力负荷数值，用损失函数MSE计算得到数值为loss1；分类预测任务：将电路负荷数据分类后，计算预测日的损失函数数值CE，分类任务部分的损失函数数值计算后，取平均值作为分类预测任务的loss2；多任务结合预测：根据回归预测任务得出的loss1和分类预测任务得出的loss2计算出loss；
一种任务短期电力负荷预测方法

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 1039 条