-
公开(公告)号：CN116012745A
公开(公告)日：2023-04-25
申请号：CN202111220470.5
申请日：2021-10-20
Applicant: 富士通株式会社
IPC: G06V20/40 , G06V10/25 , G06V10/74 , G06V10/774
Abstract: 本申请公开一种基于零次学习的信息处理装置和信息处理方法以及计算机可读存储介质。该信息处理装置包括：激活热力图生成单元，被配置成针对视频中的每个帧，利用预先训练的多模态模型或预先训练的注意力网络，基于预定请求生成帧的激活热力图；空间感兴趣区域确定单元，被配置成针对每个帧，基于帧的激活热力图，确定帧的感兴趣区域；以及相似度时间序列获得单元，被配置成利用预先训练的多模态模型，计算每个帧的感兴趣区域与预定请求之间的相似度，以获得视频的相似度时间序列，该相似度时间序列能够被用于在视频中识别与预定请求对应的目标帧。
-
公开(公告)号：CN114078086A
公开(公告)日：2022-02-22
申请号：CN202010806369.7
申请日：2020-08-12
Applicant: 富士通株式会社
Abstract: 公开了用于视觉任务预测的方法、设备和计算机可读存储介质。该方法包括：合成第一图像和第二图像以获得多个合成图像，每个合成图像基于第二图像所覆盖的所有频带之一得到，第一图像具有高于第二图像的空间分辨率和低于第二图像的光谱分辨率；在与所有频带中的任意N个频带组合相对应的合成图像组合之中，确定在已经针对第一图像训练的代理模型上性能最好的一个或更多个合成图像组合，其中，N是大于或等于2的整数，以及其中，N个频带分别对应于第一图像的N个通道；以及使用基于第一图像训练的视觉任务预测模型来从所确定的一个或更多个合成图像组合之中选择在目标视觉任务上表现最优的合成图像组合用于执行视觉任务。
-
-
公开(公告)号：CN110889487A
公开(公告)日：2020-03-17
申请号：CN201811052825.2
申请日：2018-09-10
Applicant: 富士通株式会社
IPC: G06N3/02
Abstract: 公开了一种神经网络架构搜索装置和方法及计算机可读记录介质。神经网络架构搜索方法包括：限定作为描述神经网络架构的架构参数的集合的搜索空间；基于控制单元的参数，对搜索空间中的架构参数进行采样，以生成至少一个子神经网络架构；计算类间损失和中心损失，通过使包括类间损失和中心损失的损失函数最小来对每个子神经网络架构进行训练；计算分类精度和特征分布得分，并且基于分类精度和特征分布得分计算每个子神经网络架构的奖励得分；以及调整步骤，将奖励得分反馈到控制单元，并使得朝向奖励得分更大的方向调整控制单元的参数，其中，迭代地进行控制步骤、训练步骤、奖励计算步骤以及调整步骤中的处理，直到满足预定迭代终止条件为止。
-
公开(公告)号：CN108133224A
公开(公告)日：2018-06-08
申请号：CN201611095611.4
申请日：2016-12-01
Applicant: 富士通株式会社
IPC: G06K9/62
CPC classification number: G06N99/005 , G06N7/00
Abstract: 本申请公开了一种用于评估分类任务复杂度的装置和方法，该装置包括：相似度计算单元，被配置为针对分类任务的至少一部分训练样本中的每一个样本，分别计算该样本与各个类别之间的相似度；以及分数计算单元，被配置为基于相似度来计算分类任务的复杂度分数。
-
Patent Agency Ranking
公开(公告)号：CN118469358A
公开(公告)日：2024-08-09
申请号：CN202310095958.2
申请日：2023-02-07
Applicant: 富士通株式会社
IPC: G06Q10/0639 , G06F17/18 , G06F18/24 , G06N3/04 , G06N3/088
Abstract: 公开了一种用于分析内容的方法和装置及计算机可读存储介质。该方法包括：获得分别与任务描述的多个类别描述中的每个类别描述相关的多个提示集合；利用多模态模型提取内容的特征以及包括多个类别描述及多个提示集合的文本的特征；基于内容的特征与和该内容属于同一类别的文本的加权的特征之间的距离的上界和内容的特征与和该内容属于不同类别的文本的加权的特征之间的距离的下界之差，来构建指示损失函数，其中，通过使指示损失函数最小来获得文本的特征的权重；和，利用多模态模型，基于内容的特征以及文本的具有所获得的权重的特征来检测与任务描述匹配的内容。
-
公开(公告)号：CN116431861A
公开(公告)日：2023-07-14
申请号：CN202111582805.8
申请日：2021-12-22
Applicant: 富士通株式会社
Abstract: 公开了一种信息处理装置和信息处理方法及计算机可读记录介质。其中，信息处理装置包括：分割单元，被配置成基于第一数量的图像的特征，将第一数量的图像分割为至少一个图像集合，其中，图像集合中包括的任意两个图像之间的相似度均大于预定第一阈值；获得单元，被配置成基于文本的特征与每个图像的特征，分别计算表示文本与每个图像之间的匹配程度的图文匹配分数，从而获得第一数量的图文匹配分数；以及确定单元，被配置成基于由反映第一数量的图像之间的关系的关系矩阵和第一数量的图文匹配分数构建的构建矩阵，从第一数量的图像当中确定与文本相关的至少一个相关图像集合，其中，图像的特征和文本的特征是通过预先训练的图文匹配模型获得的。
-
公开(公告)号：CN115222010A
公开(公告)日：2022-10-21
申请号：CN202110411394.X
申请日：2021-04-16
Applicant: 富士通株式会社
Abstract: 本申请公开一种信息处理装置、信息处理方法和预测设备。该信息处理装置包括：模型选择单元，被配置成基于多个深度神经网络模型的稳定性和精度指标变化趋势一致性中至少之一以及综合预测精度从多个深度神经网络模型中选择至少两个深度神经网络模型，以用于对待预测对象进行预测。综合预测精度通过至少两个精度指标表征。稳定性是指相应的深度神经网络模型在所述至少两个精度指标中的每个精度指标方面的稳定性。精度指标变化趋势一致性是指相应的深度神经网络模型的所述至少两个精度指标的变化趋势的一致性。
-
公开(公告)号：CN113095473A
公开(公告)日：2021-07-09
申请号：CN202010021676.4
申请日：2020-01-09
Applicant: 富士通株式会社
IPC: G06N3/04
Abstract: 公开了一种神经网络架构搜索系统和方法及计算机可读记录介质。神经网络架构搜索系统包括：搜索空间限定单元，限定作为描述神经网络架构的架构参数的集合的搜索空间，神经网络架构包括固定的初级处理部分、能自由搜索的下采样部分和能自由搜索的上采样部分；控制单元，基于控制单元的参数，对搜索空间中的架构参数进行采样，以生成子神经网络架构；训练单元，使用样本图像对所生成的子神经网络架构进行训练，以计算所生成的子神经网络架构的损失；以及奖励反馈单元，根据所生成的子神经网络架构的损失来评估控制单元的奖励，并且朝向使得奖励更大的方向调整控制单元的参数，其中，迭代地进行上述单元中的处理，直到满足预定迭代终止条件为止。
-
公开(公告)号：CN110533156A
公开(公告)日：2019-12-03
申请号：CN201810502432.0
申请日：2018-05-23
Applicant: 富士通株式会社
Abstract: 本发明公开了一种提高卷积神经网络的处理速度的方法和设备。该方法包括：根据待提高的旧卷积神经网络CNN的卷积层的旧输出数、旧CNN的测试集上的损失与训练集上的损失之比，计算经提高的新CNN的卷积层的新输出数；以及根据新CNN的卷积层的新输出数，对旧CNN的卷积层进行剪枝操作；其中，旧CNN的测试集上的损失与训练集上的损失之比越大，新CNN的卷积层的新输出数越小。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.028 seconds)
