公开(公告)号：CN115860378A

公开(公告)日：2023-03-28

申请号：CN202211500037.1

申请日：2022-11-28

Applicant: 之江实验室

Inventor： 黄智华 ,  李超 ,  王京 ,  杨弢

IPC: G06Q10/0631

Abstract: 本申请涉及一种资源分配方法、装置、系统和电子装置，其中，该方法包括：获取待分配资源，以及待分配资源对应的初始权值矩阵，并根据初始权值矩阵以及预设的权值筛选范围生成初始优匹配点集合；针对优匹配点集合进行循环搜索处理，检测是否存在与初始权值矩阵对应的权值更新结果；若未检测到权值更新结果，获取初始优匹配点集合对应的匹配点数据；若检测到权值更新结果，根据权值更新结果和初始权值矩阵生成目标优匹配点集合，并获取目标优匹配点集合对应的匹配点数据；基于匹配点数据生成目标资源分配结果。通过本申请，解决了资源分配方法的效率低的问题，实现了高效、准确的资源分配方法。

公开(公告)号：CN115660070A

公开(公告)日：2023-01-31

申请号：CN202211413167.1

申请日：2022-11-11

Applicant: 之江实验室

Inventor： 宫禄齐 ,  李超 ,  孙啸峰 ,  黄智华

IPC: G06N3/082 ,  G06N3/0464 ,  G06N3/08

Abstract: 目的是解决现有的深度学习模型压缩技术如剪枝,量化难以直接应用在生成对抗网络模型中的问题，提出了一种针对生成对抗网络模型的压缩方法，(1)获得将要压缩的生成对抗网络，并将其作为教师网络；(2)构建最大学生网络模型并预训练；(3)学生网络模型剪枝；(4)学生网络模型蒸馏。本发明能够有效的减少网络的参数量与计算量。涉及人工智能领域，具体涉及生成对抗神经网络压缩领域。对生成对抗网络的实际应用与部署有着重要意义。通过本方法，在工业中广泛使用的cyclegan模型参数量压缩43倍，模型计算量压缩29倍，模型的表现能力(FID)几乎没有下降，压缩后的cyclegan′生成的图片与原cyclegan网络生成的图片用肉眼难以分辨。

公开(公告)号：CN114612802A

公开(公告)日：2022-06-10

申请号：CN202210508800.9

申请日：2022-05-11

Applicant: 之江实验室

Inventor： 胡泽辰 ,  李超 ,  刁博宇 ,  王京 ,  黄智华 ,  郑新千

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于MBCNN的舰船目标细粒度分类系统及方法。所述方法包括获取可见光遥感图像的舰船图像并输入预训练好的舰船目标检测模型，经过网络前向推理，输出所有舰船的位置坐标信息；对可见光遥感舰船图像按照舰船的位置坐标信息进行裁剪，获得舰船图像；对舰船图像进行预处理，得到归一化后的舰船图像；构建舰船目标细粒度分类模型，并进行预训练；将该舰船图像输入预训练好的舰船目标细粒度分类模型，经过网络前向推理，输出舰船所属的种类标签。本发明具有准确性高、识别效率高的特点，解决了传统BCNN的一些计算上的缺陷以及细粒度分类上存在的问题。