公开(公告)号：CN108710626A

公开(公告)日：2018-10-26

申请号：CN201810229529.9

申请日：2018-03-20

Applicant: 浙江大学

Inventor： 付聪 ,  蔡登

IPC: G06F17/30

Abstract: 本发明公开了一种基于卫星系图的高维数据的近似最近邻检索方法及检索系统，其中，基于卫星系图的高维数据的近似最近邻检索方法包括：(1)对高维数据库点集建立卫星系图；(2)对待检索点，随机选择若干数据点作为候选点集，在卫星系图上进行贪婪近似最近邻检索；(3)将得到的候选点集中的给定数量的点作为结果，即待检索点的最近邻点集。利用本发明，可以有对数级的检索复杂度，不仅可以大大提高一定时间内的检索精度，而且可以大幅度减小检索时的内存占用空间和建立索引所需要的时间。

公开(公告)号：CN108153816A

公开(公告)日：2018-06-12

申请号：CN201711227321.5

申请日：2017-11-29

Applicant: 浙江大学

Inventor： 赵洲 ,  孟令涛 ,  林志杰 ,  蔡登 ,  何晓飞 ,  庄越挺

IPC: G06F17/30

Abstract: 本发明公开了一种利用非对称的多面排序网络学习解决社区问答任务的方法。主要包括如下步骤：1)针对于一组用户、问题、答案数据集，构建用户、问题、答案之间相互关系的网络，并且针对于形成的网络，利用非对称的多面排序网络学习形成多面排序标准函数。2)根据得到的多面排序标准函数，对于某一问题针对于不同用户的答案进行排序。相比于一般的问题答案推荐解决方案，本发明利用了非对称的多面排序网络学习的方法，能够综合利用问题答案之间的语义相关性与用户之间的相互关系。本发明在社交问答网站问题答案预测中所取得的效果相比于传统的方法更好。

公开(公告)号：CN106127506A

公开(公告)日：2016-11-16

申请号：CN201610422332.8

申请日：2016-06-13

Applicant: 浙江大学

Inventor： 祝宇 ,  林靖豪 ,  何石弼 ,  王北斗 ,  管子玉 ,  蔡登

IPC: G06Q30/02

Abstract: 本发明公开了一种基于主动学习解决商品冷启动问题的推荐方法，包括：步骤1，构建用户对商品的评分模型，通过用户对商品的历史评分数据和商品的属性特征对该模型进行预训练；步骤2，对于一个新商品，使用步骤1的评分模型估计出不同用户对该商品是否会评分，以及评多少分；步骤3，根据步骤2的结果，挑选用户对新商品进行评分，得到新商品上的评分数据；步骤4，利用新商品的评分数据对步骤1的评分模型进行再训练；步骤5，利用再训练的评分模型预测未挑选用户对新商品的评分，并根据该评分进行商品推荐。本发明同时考虑每个用户的用户体验，一定程度上保证挑选策略的公平性，充分利用有限的用户资源，有效的将商品推荐给用户。

公开(公告)号：CN119693768A

公开(公告)日：2025-03-25

申请号：CN202411765587.5

申请日：2024-12-04

Applicant: 浙江大学

Inventor： 梁海极 ,  武伯熹 ,  林彬彬 ,  何晓飞 ,  蔡登

IPC: G06V10/82 ,  G06V10/764 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明共公开了一种基于多模态思维链的多模态大语言模型属性预测方法，包括：获取多模态大语言模型，与掩码生成器和场景图解析器一起构成多模态属性预测框架；设计分层思维链的推理方法，将属性预测任务输入多模态属性预测框架，提取出属性表的层级，生成分层、格式化的推理提示；将属性预测任务分解成层级化的子任务，并为模型的下一步预测选取提示方法；通过批判性思维监督模型预测过程；采用逻辑检查的提示方法，识别出图像中的物体类别，并结合模型中的常识知识，提取相对应的属性值；结合生成的场景图与模型中的常识知识，对预测出的属性进行检查。本发明可有效提升属性预测任务的上下文理解能力、逻辑一致性、任务通用性和模型推理效率。

公开(公告)号：CN119399443A

公开(公告)日：2025-02-07

申请号：CN202411537179.4

申请日：2024-10-31

Applicant: 浙江大学

Inventor： 侯辰舒 ,  王闻箫 ,  何晓飞 ,  蔡登

IPC: G06V10/25 ,  G06V10/40 ,  G06N3/0455 ,  G06F18/213 ,  G06F18/25 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于自适应位置编码和并行解码的3D视觉定位方法及系统，其中方法包括：使用文本编码器处理输入的自然语言文本，得到文本令牌和特征；使用视觉编码器处理3D点云输入，得到种子点和特征；采用交叉编码器对视觉和文本特征进行互调，更新文本特征和视觉特征；预测种子点的置信度分数并排序，选出分数最高的候选点作为查询；根据自然语言描述的语义将文本令牌分为目标物体属性令牌和周围空间环境令牌；使用双分支并行解码器，生成新的查询特征，并由框预测头生成粗预测框；将生成的查询特征投影到位置特征和对象语义特征中，用于计算损失并训练网络；使用查询特征的投影结果为粗预测框评分，取分数最高者为视觉定位结果。

公开(公告)号：CN119089225A

公开(公告)日：2024-12-06

申请号：CN202411206210.6

申请日：2024-08-30

Applicant: 浙江大学

Inventor： 王晨 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06F18/231 ,  G06F18/27 ,  G06F18/213 ,  G06F18/25 ,  G06N5/04 ,  G01C21/34 ,  G01C21/36

Abstract: 本发明公开了一种基于候选车道和速度嵌入的多模态轨迹预测和规划一体化方法，包括：基于目标障碍物位置和高精地图采样其候选车道，对候选车道做聚类并过滤；将目标障碍物的信息和候选车道信息输入特征融合模块和候选车道打分模块，得到对候选车道的打分；对候选车道做速度嵌入，得到含有不同纵向行为的候选车道信息，将其送入轨迹回归模块得到预测轨迹；将预测轨迹送入轨迹打分模块，得到多模态轨迹的置信度；自车轨迹规划与上述轨迹预测的步骤大致相同；将目标障碍物的预测轨迹和自车的规划轨迹送入Cost打分模块进行综合评分。本发明基于候选车道和速度嵌入得到预测和规划轨迹，使得模型的预测和规划精度更高的同时拥有低延迟和可解释性强的特点。

公开(公告)号：CN112633382B

公开(公告)日：2024-02-13

申请号：CN202011561516.5

申请日：2020-12-25

Applicant: 浙江大学

Inventor： 刘洋 ,  蔡登 ,  郑途 ,  张毅 ,  何晓飞

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/771 ,  G06V10/82

Abstract: 本发明公开了一种基于互近邻的少样本图像分类方法及系统，其中，少样本图像分类方法包括：(1)神经网络模型前向推导查询图像和支持图像的视觉特征表示；(2)使用互近邻算法筛选少样本分类中与任务相关的局部特征描述符；图像集中各类之间的相似度；(4)使用带有标签的图像数据集进行少样本任务划分后训练神经网络模型；(5)根据与支持图像集中各类之间的相似度进行排序，选取最大相似度的类作为该图像的类预测。利用本发明，可以使得少样本图像分类在训练过程中，排除大量来自背景的局部特征描述符对相似度计算的干扰，使得分类的结果更加鲁棒。(3)使用筛选得到的描述符计算查询图像和支持

公开(公告)号：CN115601607A

公开(公告)日：2023-01-13

申请号：CN202211293036.4

申请日：2022-10-21

Applicant: 浙江大学(CN)

Inventor： 谢亮 ,  蔡登 ,  何晓飞

IPC: G06V10/77 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种不受旋转变换影响的点云3D物体检测方法，包括：(1)将神经网络第一层的网络权重视为分布在和点云特征具有相同维度的特征空间的向量集合；(2)对输入的点云数据进行种子点采样及邻域聚合，得到每个种子点周围的局部点云；(3)对网络权重和局部点云进行主成分分析；(4)将网络权重和局部点云的权重对齐，得到具有旋转不变性的特征；(5)将步骤(4)的局部点云特征输入神经网络进行前馈传递，检测网络的头部输出3D物体框的预测；(6)通过梯度反向传播训练神经网络；(7)训练完毕后，进行点云的3D物体检测任务。利用本发明，可以大大提升点云在任意旋转变换下的分类准确率、从而提升3D物体检测任务上的准确率。

公开(公告)号：CN115346210A

公开(公告)日：2022-11-15

申请号：CN202210995638.8

申请日：2022-08-18

Applicant: 浙江大学

Inventor： 黄晨晰 ,  彭亮 ,  陈铭浩 ,  吴小沛 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V20/64 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于单目相机的3D目标检测方法，包括：(1)根据单目相机的成像规则，对于每一个真实目标O，按比例生成具有相似成像的伪目标O′，构成图像数据集；(2)根据设计的质量分数函数，计算伪目标O′的质量分数；(3)使用深度网络提取图像数据集中每一张图像的特征F；(4)利用多层感知机，根据图像的特征F预测物体的3D信息以及预测目标的质量分数；(5)以步骤(2)得到的带有质量分数的伪目标O′和真实目标O作为监督信息，与步骤(4)的预测结果计算损失函数；(6)通过梯度反向传播，训练深度网络和多层感知机；(7)深度网络和多层感知机训练完毕，进行3D目标检测的应用。利用本发明，可大大提升单目目标检测的质量。

公开(公告)号：CN112199535B

公开(公告)日：2022-08-30

申请号：CN202011058365.1

申请日：2020-09-30

Applicant: 浙江大学

Inventor： 杨柳 ,  蔡登 ,  王闻箫 ,  何晓飞

IPC: G06F16/55 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/02 ,  G06N3/08

Abstract: 本发明公开了一种基于集成知识蒸馏的图像分类方法，包括以下步骤：(1)预训练教师模型，将教师模型的训练过程分为三个阶段，从每个阶段中取出一个最好的教师模型，得到3个教师模型T1、T2和T3；(2)训练学生模型，将学生模型的训练过程划分为三个阶段，每个阶段用得到的三个教师模型来联合指导学生模型；其中，T3在每个阶段的权重保持不变；T1在第一阶段权重最大，T2在第二阶段权重最大；(3)使用训练好的学生模型进行图片分类任务，输入待分类图片，进行分类预测。利用本发明，使得学生模型从教师模型中学习知识变得简单，从而进一步提高学生模型的性能，在提高模型响应速度的同时保证图像分类的精度。