-
公开(公告)号：CN116343250A
公开(公告)日：2023-06-27
申请号：CN202111569084.7
申请日：2021-12-21
Applicant: 复旦大学
IPC: G06V30/418 , G06V30/19
Abstract: 本发明提供一种基于相对位置结构的票据字段匹配方法，首先对票据图像中的各个字段值文本以及字段名文本进行检测，得到多个文本检测框及其坐标；然后计算得到各个文本检测框的相对位置特征编码；接着计算每个字段值文本检测框的相对位置特征编码和每个字段名文本检测框的相对位置特征编码两两之间的特征距离；最后基于多个特征距离获取字段值文本和字段名文本之间的匹配关系，并将字段值文本和与其特征距离最小的字段名文本相匹配。因此，通过本发明的方法就能基于特征距离，也即基于相对位置结构将对应的字段名文本和字段值文本进行匹配，有效消除了票据字段值文本打印旋转、偏移情况对票据字段匹配造成的不利影响。
-
公开(公告)号：CN115565119A
公开(公告)日：2023-01-03
申请号：CN202110734604.9
申请日：2021-06-30
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
IPC: G06V20/52 , G06V20/40 , G06V20/70 , G06V40/10 , G06V10/82 , G06V10/74 , G06V10/774 , G06T7/277 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于多分支特征表示的人物重识别方法，用于对小视频中复杂场景下的人物进行重识别，其特征在于，包括：步骤S1，获取待处理的小视频，将小视频的数据解析成逐帧的图像序列；步骤S2，将图像序列输入至预定检测模型，得到小视频的每帧图像中的人物包围框；步骤S3，将人物包围框输入至预定追踪模型，获取每个镜头内的人物帧序列；步骤S4，将人物帧序列输入至已完成预先训练的人物重识别模型中，使得人物帧序列连接起来进行推理，从而获得小视频中与人物ID相对应的每个人物的帧序列集合。
-
公开(公告)号：CN111985562B
公开(公告)日：2022-07-26
申请号：CN202010841142.6
申请日：2020-08-20
Applicant: 复旦大学
Abstract: 本发明提供保护端侧隐私的端云协同训练系统，其中，聚合模型存储部存储有至少预先训练得的云侧聚合模型，端侧通信部向云侧设备发送端侧聚合模型，云侧通信部接受端侧聚合模型，云侧自编码部处理云侧图像得伪图像，聚合模型处理部将伪图像分别输入端侧聚合模型和云侧聚合模型处理得到输出端侧聚合模型和输出云侧聚合模型，根据损失处理部处理得多个损失迭代部通过反向传播以及反复迭代来更新模型参数得到云侧训练伪图像生成器以及端云聚合模型。因此根据本发明能够在保护用户隐私的情况下，仍能高效稳定地聚合模型，具有保护用户隐私、聚合效果好、鲁棒性好、泛化能力佳等优点，适用于用户设备之间模型聚合、端云协同训练等实际应用。
-
公开(公告)号：CN114239668A
公开(公告)日：2022-03-25
申请号：CN202010937433.5
申请日：2020-09-08
Abstract: 本申请实施例公开了一种模型更新的方法，用于联邦学习场景，针对用户数据分布提出了一种新的加权系数计算方法。本申请实施例方法终端将训练好的模型以及本地数据的分布特征都发给云端，用本地数据的分布特征替代统一的加权系数，用于实现模型聚合，使得聚合后的模型更大程度的保留用户的知识，以提高聚合模型的性能。此外，还提出了模型聚合的策略，对多模型采用分组聚合模式，进一步提升了聚合后模型的性能。
-
公开(公告)号：CN113553885A
公开(公告)日：2021-10-26
申请号：CN202010337878.X
申请日：2020-04-26
Applicant: 复旦大学
Abstract: 本发明提供一种基于生成对抗网络的自然场景文本识别方法，其特征在于，包括：训练数据获取步骤，采集用于训练的文本内容以及环境图像并合成多个训练用成对图片；生成对抗网络训练步骤，基于训练用成对图片训练用于将复杂背景图片转换为二值化图片的生成对抗网络，生成对抗网络具有生成器模块、判别器模块以及预处理损失模块；文本识别网络训练步骤，训练用于根据二值化图片识别出文本内容的文本识别网络；文本识别步骤，将自然场景文本图像输入生成器模块以及文本识别网络并识别出自然场景文本图像中的图像文本内容。本发明能够应对自然场景图像中复杂背景对文本识别造成干扰的问题，有效提升了场景文本识别的准确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111985562A
公开(公告)日：2020-11-24
申请号：CN202010841142.6
申请日：2020-08-20
Applicant: 复旦大学
Abstract: 本发明提供保护端侧隐私的端云协同训练系统，其中，聚合模型存储部存储有至少预先训练得的云侧聚合模型，端侧通信部向云侧设备发送端侧聚合模型，云侧通信部接受端侧聚合模型，云侧自编码部处理云侧图像得伪图像，聚合模型处理部将伪图像分别输入端侧聚合模型和云侧聚合模型处理得到输出端侧聚合模型和输出云侧聚合模型，根据损失处理部处理得多个损失迭代部通过反向传播以及反复迭代来更新模型参数得到云侧训练伪图像生成器以及端云聚合模型。因此根据本发明能够在保护用户隐私的情况下，仍能高效稳定地聚合模型，具有保护用户隐私、聚合效果好、鲁棒性好、泛化能力佳等优点，适用于用户设备之间模型聚合、端云协同训练等实际应用。
-
公开(公告)号：CN106788860A
公开(公告)日：2017-05-31
申请号：CN201611263247.8
申请日：2016-12-30
Applicant: 全球能源互联网研究院 , 北京邮电大学 , 复旦大学 , 国网福建省电力有限公司 , 国网福建省电力有限公司厦门供电公司 , 国家电网公司
IPC: H04J11/00 , H04B7/0413 , H04B7/08
CPC classification number: H04J11/0023 , H04B7/0452 , H04B7/08
Abstract: 本发明提供一种分层异构多小区MIMO系统干扰消除方法，通过对宏小区用户和基站、微小区用户和基站进行联合预编码，能够有效消除小区间的相互干扰。首先通过对微小区用户进行接收滤波矩阵设计，将宏小区基站对同一微小区的干扰对齐到相同的信号空间，其次通过宏小区发送预编码的设计，完全消除宏小区基站对微小区用户的干扰。在此基础上，根据宏小区和微小区对传输速率的不同需求，通过宏小区接收滤波矩阵的设计消除宏小区的用户间干扰，并通过微小区基站发送预编码的设计消除。该方法通过减少和消除小区间的相互干扰，因而能够显著提升多小区多用户并存状态下和复杂电磁环境下的无线通信性能，在智能电网等各类复杂多小区网络中的可靠传输具有良好的应用潜力。
-
公开(公告)号：CN103193782A
公开(公告)日：2013-07-10
申请号：CN201210169784.1
申请日：2012-05-28
Applicant: 复旦大学附属金山医院
IPC: C07D487/22 , A61K41/00 , A61P35/00 , A61P13/10
Abstract: 本发明涉及光敏剂叶绿酸钠盐衍生物及其制备方法和在制备治疗肿瘤药物中的新用途，尤其是在制备光动力学治疗膀胱癌肿瘤光敏剂药物中的用途。所述的光敏剂叶绿酸钠盐衍生物包括如下结构式的叶绿酸e4钠盐、e6钠盐和f钠盐化合物，本发明的叶绿酸钠盐经体外对人膀胱癌细胞的杀伤作用试验，结果显示，其对肿瘤细胞有明显的杀伤效应，尤其治疗膀胱原位癌和难治性、反复复发性表浅性膀胱肿瘤时，疗效好，毒性极小，安全性大，治疗时不需避光，有其独特的优势，为临床应用提供了有意义的实验依据。
-
公开(公告)号：CN116363670B
公开(公告)日：2025-05-13
申请号：CN202111578044.9
申请日：2021-12-22
Applicant: 复旦大学
IPC: G06V30/244 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于笔画树表示的中文字符识别方法，根据中文字符可以层级拆解的特性，充分考虑中文字符的结构信息并将中文字符表示成为笔画树的形式，因此在现有技术的基础之上进一步缓解了序列表示到中文字符的一对多的问题；还由于本发明的方法在计算距离时为部首结构赋予更高的权重，因此使得候选的预测中文字符整体上更加贴近标签中文字符，从而提高了预测准确度。进一步，由于笔画树的表示方式融合了部首层级和笔画层级的表示优势，使得神经网络模型对有遮挡和模糊等情况的样本具备更强的鲁棒性。
-
公开(公告)号：CN118967738A
公开(公告)日：2024-11-15
申请号：CN202411028457.3
申请日：2024-07-30
Applicant: 复旦大学
IPC: G06T7/194 , G06T5/70 , G06V10/40 , G06V10/762 , G06V10/774
Abstract: 本发明提供了一种基于物体为中心扩散模型的组成式场景建模方法及装置，具有这样的特征，包括以下步骤：步骤S1，获取原始噪声；步骤S2，将场景图像和原始噪声一同输入图像分割模型，得到初步物体分割结果和背景分割结果；步骤S3，对初步物体分割结果和初步背景分割结果分别进行上采样，得到分割结果，其中，图像分割模型包括：图像编码‑加噪模块，用于对场景图像依次进行编码和噪声添加，得到加噪图像潜在表示；物体表示编码器模块，用于根据场景图像，得到物体表示；混合扩散图像解码器模块，用于根据物体表示和加噪图像潜在表示，得到初步物体分割结果和初步背景分割结果。总之，本方法能够更准确地对场景图像进行图像分割。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
