-
公开(公告)号：CN116029298A
公开(公告)日：2023-04-28
申请号：CN202310117049.4
申请日：2023-02-14
IPC: G06F40/295 , G06F40/216 , G06F16/33
Abstract: 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。
-
公开(公告)号：CN112381215A
公开(公告)日：2021-02-19
申请号：CN202011493383.2
申请日：2020-12-17
Applicant: 之江实验室
Abstract: 本发明公开了一种面向自动机器学习的自适应搜索空间生成方法与装置，该方法包括如下步骤：步骤一、全量收集计算机视觉领域的各类任务，形成视觉任务集合；步骤二、定义不同层次元模块，形成初始元模块搜索空间；步骤三、根据视觉任务集合和元模块集合形成视觉任务和元模块矩阵，通过概率统计计算，生成关联概率分布，用于计算目标视觉任务与已有视觉任务的相似度；步骤四、根据相似度，选取与目标视觉任务相关的视觉任务的搜索空间中的元模块，并生成面向相关视觉任务的子搜索空间；步骤五、更新视觉任务集合和元模块集合。本发明对任务与元模块图谱引入动态更新的反馈机制，有利于图谱的不断优化并增强了图谱对于其他任务的适用性。
-
公开(公告)号：CN112381215B
公开(公告)日：2023-08-11
申请号：CN202011493383.2
申请日：2020-12-17
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/00 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种面向自动机器学习的自适应搜索空间生成方法与装置，该方法包括如下步骤：步骤一、全量收集计算机视觉领域的各类任务，形成视觉任务集合；步骤二、定义不同层次元模块，形成初始元模块搜索空间；步骤三、根据视觉任务集合和元模块集合形成视觉任务和元模块矩阵，通过概率统计计算，生成关联概率分布，用于计算目标视觉任务与已有视觉任务的相似度；步骤四、根据相似度，选取与目标视觉任务相关的视觉任务的搜索空间中的元模块，并生成面向相关视觉任务的子搜索空间；步骤五、更新视觉任务集合和元模块集合。本发明对任务与元模块图谱引入动态更新的反馈机制，有利于图谱的不断优化并增强了图谱对于其他任务的适用性。
-
公开(公告)号：CN116186272A
公开(公告)日：2023-05-30
申请号：CN202310440825.4
申请日：2023-04-23
Applicant: 之江实验室
IPC: G06F16/35 , G06F18/22 , G06F18/214 , G06F18/241
Abstract: 本说明书公开了一种联合训练方法、装置、存储介质及电子设备。在本说明书提供的联合训练方法中，获取样本语句以及对应的标注意图和标注实体，并将样本语句分为支持集和查询集；将每个样本语句输入待训练的语句处理模型；若该样本语句属于所述支持集，则通过提取子网提取该样本语句和标注的特征；将特征输入原型构建子网，确定出与标注对应的标注特征；若该样本语句属于所述查询集，提取该样本语句的特征；通过匹配子网确定特征与匹配子网存储的各标准特征之间的相似度；通过意图识和槽位填充子网分别根据相似度确定预测意图和预测实体；以预测意图和标注意图之间的差异最小，以及预测实体和标注实体之间的差异最小为优化目标，对模型进行训练。
-
Patent Agency Ranking
公开(公告)号：CN116151355A
公开(公告)日：2023-05-23
申请号：CN202310422202.4
申请日：2023-04-19
Applicant: 之江实验室
IPC: G06N3/08 , G06N3/0455 , G06N3/0442 , G06F40/295
Abstract: 本说明书公开了一种模型训练和业务执行的方法、装置、介质及设备。所述模型训练和业务执行的方法包括：将样本语句输入待训练业务模型，确定样本语句对应的初始语义特征，并对初始语义特征进行处理，基于第一膨胀系数和第二膨胀系数对所述处理后特征进行卷积处理，得到中间特征，基于第三膨胀系数和第四膨胀系数对所述中间特征进行卷积处理，得到目标特征，根据目标特征，确定头尾指针矩阵以及字间关系矩阵，根据头尾指针矩阵以及字间关系矩阵，确定目标特征矩阵，基于目标特征矩阵，识别样本语句中包含的实体对象，以最小化识别出的实体对象与样本语句中实际包含的实体对象之间的偏差为优化目标，对业务模型进行训练。
-
公开(公告)号：CN115758226A
公开(公告)日：2023-03-07
申请号：CN202310019270.6
申请日：2023-01-06
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/25 , G06N3/045 , G06N3/08 , G06N3/0442
Abstract: 本说明书公开了一种异常检测的方法、装置、存储介质及电子设备。该异常检测的方法包括：获取目标设备的状态数据，以及所处环境的环境数据，将状态数据以及环境数据输入预先训练的检测模型，通过检测模型的特征提取层，确定状态特征以及环境特征，将状态特征输入检测模型中设有至少两个子网络的特征转换层，以确定各子网络输出的转换后特征，以及，根据状态特征和环境特征，确定各子网络在不同检测任务下对应的权重，进而确定目标设备在不同检测任务下对应的目标特征，并对目标设备进行异常检测。
-
公开(公告)号：CN114331940A
公开(公告)日：2022-04-12
申请号：CN202111677658.2
申请日：2021-12-31
IPC: G06T5/50
Abstract: 本发明公开了联合局部非局部流形和截断算子的高光谱融合方法及装置，将输入高分辨率多光谱图像划分为不同子块并重构为矩阵形式，所有子块分布于多个低维流形附近；对每一个子块，使用最近邻搜索算法寻找非局部相似图像块，构建非局部相似关系，同时构建每个图像块与周围四个相邻块的相似关系，将局部与非局部相似关系整合获得流形映射矩阵L；对L进行特征分解获得特征基并构建截断算子，将L和截断算子并入高分辨率HSI融合模型，获得最终模型。使用交替方向乘子法ADMM算法优化上述模型，并进行解耦操作，最终使用共轭梯度算法PCG逐波段求解。
-
公开(公告)号：CN114022703A
公开(公告)日：2022-02-08
申请号：CN202111248733.3
申请日：2021-10-26
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高效车辆细粒度识别方法，它通过构建高效残差结构提取车辆图像特征，然后通过空间通道损失函数提高特征提取网络的细粒度分类能力，使网络更加专注于车辆图像的不同组件区域，保证特征通道的可区分性和可辨别性，并且不增加卷积神经网络推理的计算量。本发明通过深度学习自动提取特征，避免手工设计特征区域的局限性，更能克服车辆图片复杂环境噪音的干扰，并且能通过空间特征损失函数使特征通过关注更丰富的特征区域，提高车辆细粒度识别的准确率。
-
公开(公告)号：CN112328424A
公开(公告)日：2021-02-05
申请号：CN202011396662.7
申请日：2020-12-03
Applicant: 之江实验室
Abstract: 本发明公开了一种用于数值型数据的智能异常检测方法及装置，该方法包括：上传数据阶段，实现数据上传；数据池阶段，实现数据存储与数据比对；算法池阶段，实现系统智能推荐多种适合当前数据的异常检测算法；算法结果集成阶段，实现汇总各算法的计算结果并得出最终计算结果；异常点判定阶段，实现自主选择异常点判定方法并做出判定；检测结果可视化阶段，实现可视化直观展示数据尤其是异常点。本发明创新地提出了智能辅助算法推荐、算法结果集成和异常点智能判定并将其运用到系统中，极大地简化了用户操作，帮助用户在较少的时间内得到更加准确且易于观察的异常检测结果。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
