-
公开(公告)号：CN111028243A
公开(公告)日：2020-04-17
申请号：CN201911206067.X
申请日：2019-11-29
Applicant: 上海交通大学
Abstract: 本发明提供一种CT扫描图像的儿童神经母细胞瘤分割方法、系统及装置，系统包括编码器模块，形态学特征提取模块，解码器模块。编码器模块使用深度神经网络从扫描图像中提取固定大小的视觉特征向量，形态学特征提取模块利用形态学工具将肿瘤的形状，大小信息提取为特征向量，解码器模块，解码视觉特征向量和形态学特征向量，得到神经母细胞瘤的分割掩膜。本发明对实际病例CT扫描图像进行神经母细胞瘤的检测和精细分割，比常规基于深度神经网络的分割方法在准确度上有明显提升，同时计算时间没有增加。
-
公开(公告)号：CN110033054A
公开(公告)日：2019-07-19
申请号：CN201910195271.X
申请日：2019-03-14
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于协同笔画优化的个性化手写体迁移方法和系统，该方法，包括：根据目标汉字的平均区域占比和平均长宽比，对待输入的汉字进行尺寸和比例的形变处理，以使得所述待输入的汉字与所述目标汉字的骨架对齐；将形变处理之后的汉字输入目标神经网络，通过所述目标神经网络输出对应的目标汉字；其中，所述目标神经网络是指经过训练的对抗生成网络，用于将输入的汉字转换为目标字体汉字。从而实现依靠少量数据集将任一印刷体汉字迁移成另一印刷体或手写体汉字，甚至能够做到个性化手写字体定制，能够快速、准确、逼真地生成目标字体。
-
公开(公告)号：CN104133837B
公开(公告)日：2017-10-31
申请号：CN201410289052.5
申请日：2014-06-24
Applicant: 上海交通大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于分布式计算的互联网信息投放渠道优化系统，其中数据收集模块收集用户行为；数据预处理模块进行数据清理、集成、归约，将收集到的用户行为信息简单化，规范化；训练模块针对训练集中的数据，用类E‑M算法进行迭代运算，得到概率累加模型中的参数；再将测试集中的数据带入概率累加模型，从而完成对各个投放渠道的贡献预测以及对于用户是否转化的预测；对贡献度高的网站或推荐类型进行信息投放，并投放给那些最有可能发生转化的用户。同时，本发明使用Hadoop平台进行分布式计算，将消耗大量资源的复杂计算通过分布到多节点上进行计算，从而实现了多节点并行处理。
-
公开(公告)号：CN107291945A
公开(公告)日：2017-10-24
申请号：CN201710567746.4
申请日：2017-07-12
Applicant: 上海交通大学
Abstract: 本发明提供一种基于视觉注意力模型的高精度服装图像检索方法及系统，所述方法包括：特征图提取步骤：对输入的待检索图片，使用深度神经网络提取固定大小的浮点数组成的特征图；注意力图提取步骤：对输入的待检索图片，使用全卷积深度神经网络提取注意力图；注意力结合步骤：对输入的特征图和注意力图进行结合，得到注意力特征图；特征向量映射步骤：对输入的特征图和注意力特征图，使用深度神经网络映射成为固定长度的图像特征向量；相似图像检索步骤。所述系统包括与所述各步骤相对应的模块。本发明能够对输入图像利用视觉注意力模型提取出注意力特征，并与全局特征拼接形成多个视角的特征，从而进行高精度的图像检索。
-
公开(公告)号：CN107105320A
公开(公告)日：2017-08-29
申请号：CN201710131940.8
申请日：2017-03-07
Applicant: 上海交通大学
IPC: H04N21/258 , H04N21/25 , H04N21/466 , G06F17/30
CPC classification number: H04N21/25891 , G06F16/7867 , H04N21/251 , H04N21/4662
Abstract: 本发明提供了一种基于用户情绪的在线视频热度预测方法及系统，所述方法包括：收视数据收集步骤，社交网络数据收集步骤，社交网络辅助学习步骤，跨域数据学习和转化步骤，混合热度预测步骤。所述系统包含与方法对应的模块。本发明收集与用户情绪相关的视频早期观看者的行为数据，对视频的早期收视数据进行加权，基于加权后的早期收视数据，提取出视频的早期热度动态特征并基于这一特征将视频进行分类，然后实现从热度趋势的角度对在线视频未来热度的预测。此外，结合社交网络中的相关数据，通过分析视频标签对视频热度的影响，该方法在同类方法中首次实现了对热度加性随机成分的预测，从而获得了更为精确的最终热度预测结果。
-
Patent Agency Ranking
公开(公告)号：CN103514369B
公开(公告)日：2016-07-06
申请号：CN201310430125.3
申请日：2013-09-18
Applicant: 上海交通大学
IPC: G06F19/00
Abstract: 本发明提供了一种基于主动学习的回归分析系统及方法，其中：数据采集模块收集回归学习所需的未标注数据，并进行预处理；训练集构建模块构建回归学习所需的训练数据，包括：初始阶段，从存储的未标注数据中随机挑选部分样本进行人工标注，构建初始训练集。迭代阶段，调用回归学习模块已经构建的回归模型，执行主动学习方法选择最有信息的样本进行标注，扩展已有的训练集；将标注后的数据存于存储模块；回归学习模块调用数据存储模块中的有标注的数，训练回归模型；上述训练集构建模块和回归学习模块，交互迭代进行；预测模块在主动学习迭代结束后，调用回归学习模块建立的回归模型，对因变量进行预测。本发明可以提高回归系统的数据分析的准确性。
-
公开(公告)号：CN102446223A
公开(公告)日：2012-05-09
申请号：CN201110448550.6
申请日：2011-12-28
Applicant: 上海交通大学
IPC: G06F17/30
Abstract: 本发明公开一种面向搜索排序的基于噪声注入主动学习的样本选取方法，对未标注样本采用噪声注入生成噪声样本，利用训练集训练出的排序模型对噪声样本进行预测，得到样本在当前排序模型下的分数分布，利用分数分布转换成排序分布，用DCG的方差度量排序分布表征不确定度，利用不确定度进行样本选样。本发明可在搜索排序问题中样本不足的条件下进行有效的选样，实现用更少的样本更有效的提升模型性能，从而达到减少样本标注代价的目的。
-
公开(公告)号：CN118551819A
公开(公告)日：2024-08-27
申请号：CN202410699534.1
申请日：2024-05-31
Applicant: 上海交通大学
IPC: G06N3/08 , G06N3/084 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种用于训练深度神经网络的在线批数据处理方法和设备，方法包括如下步骤：从给定的数据集中采样得到一个数据批次；利用基于正交化的目标函数从所述数据批次中选取子集S；基于子集S对目标深度神经网络进行训练。与现有技术相比，本发明利用正交化方法去除子集间的冗余，提供了基于正交化去冗余相关性的目标函数来同时衡量子集的多样性与代表性，并提供了基于目标函数的高效优化方法与对应的数据选择算法，能够高效的挑选多样且有代表性的子集。
-
公开(公告)号：CN118503468A
公开(公告)日：2024-08-16
申请号：CN202410624128.9
申请日：2024-05-20
Applicant: 上海人工智能创新中心 , 上海交通大学
IPC: G06F16/535 , G06F16/583
Abstract: 本发明涉及一种基于几何结构一致性的鲁棒跨模态检索方法、设备及介质，该方法利用跨模态和模态内几何结构一致性对噪声样本识别进行识别，同时针对几何结构一致性设定来设计相应训练流程，并采用基于动量的变量更新策略与双网络架构来改进训练流程。与现有技术相比，本发明具有在跨模态和模态内两个层面上进行识别大幅提升了噪声识别的准确性等优点。
-
公开(公告)号：CN118378669A
公开(公告)日：2024-07-23
申请号：CN202410476188.0
申请日：2024-04-19
Applicant: 上海交通大学
IPC: G06N3/0464 , G06N3/082
Abstract: 本公开提供一种动态神经辐射场表示和压缩的端到端联合优化方法，其包括：采用系数特征网格和基础特征网格表示动态神经辐射场，采用残差特征网格和系数特征网格补偿动态神经辐射场的误差区域，确定经过表示的动态神经辐射场；对经过表示的动态神经辐射场进行模型训练处理和模拟量化操作处理；根据经过表示的动态神经辐射场的预测压缩数据量和预设的损失函数对经过模拟量化操作处理的动态神经辐射场进行优化处理，确定训练完成的动态神经辐射场；对训练完成的动态神经辐射场进行均匀量化处理和编码处理，确定动态神经辐射场的实际压缩数据量。通过本公开，高效地对动态神经辐射场进行建模和压缩，提高动态神经辐射场的压缩率并减少还原后的失真度。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.059 seconds)
