-
公开(公告)号：CN114186687A
公开(公告)日：2022-03-15
申请号：CN202210144108.2
申请日：2022-02-17
Applicant: 之江实验室
Abstract: 本发明公开了一种面向神经网络模型计算的中间表示方法和装置，包括如下步骤：S1:解析输入的模型文件以获取神经网络的拓扑结构信息；S2:构建逻辑计算图；S21:推导逻辑计算图中每个算子的物理布局信息；S22:推导逻辑计算图中每个算子的元属性；S23:推导逻辑计算图中每个算子的输入输出逻辑张量的描述信息；S3:构建物理计算图；S31:生成物理计算图；等步骤，本发明公开的基于元属性的用于神经网络模型计算的中间表示从算子层面原生地支持数据并行和模型并行以及流水并行。本发明公开的面向神经网络模型计算的中间表示方法和装置以计算表达式为基本单元，以张量作为整个计算表达式组成的计算图中流动的数据，以构图的方式实现神经网络模型的计算过程。
-
公开(公告)号：CN114022703A
公开(公告)日：2022-02-08
申请号：CN202111248733.3
申请日：2021-10-26
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高效车辆细粒度识别方法，它通过构建高效残差结构提取车辆图像特征，然后通过空间通道损失函数提高特征提取网络的细粒度分类能力，使网络更加专注于车辆图像的不同组件区域，保证特征通道的可区分性和可辨别性，并且不增加卷积神经网络推理的计算量。本发明通过深度学习自动提取特征，避免手工设计特征区域的局限性，更能克服车辆图片复杂环境噪音的干扰，并且能通过空间特征损失函数使特征通过关注更丰富的特征区域，提高车辆细粒度识别的准确率。
-
公开(公告)号：CN113836386A
公开(公告)日：2021-12-24
申请号：CN202111410689.1
申请日：2021-11-25
Applicant: 之江实验室
IPC: G06F16/953 , G06F21/64 , H04L9/32
Abstract: 本发明提供了一种并行模式搜索空间构造系统和方法，该方法为：初始化输入逻辑张量；计算并输出逻辑张量真值；构造所有候选并行模式，确定输入和输出张量并行模式迭代内容；结合输入张量并行模式迭代内容，切分输入逻辑张量为物理张量；判断物理张量计算合法性，若合法，计算物理张量结果并输出；若非法，继续输入张量并行模式迭代过程；结合输出张量并行模式迭代内容，合并物理张量运算结果为逻辑张量；对比逻辑张量真值和逻辑张量，若相等，将该并行模式添加到合法并行模式搜索空间中，并直接继续输入张量并行模式迭代过程；若不相等，继续输出张量并行模式迭代过程，直到迭代完成后，重复所述以上步骤，直到所述输入张量并行模式迭代过程完成。
-
公开(公告)号：CN113283547B
公开(公告)日：2021-11-23
申请号：CN202110826171.X
申请日：2021-07-21
Applicant: 之江实验室
Abstract: 本发明涉及到智能电网领域，提出了一种基于多任务深度学习的最优潮流计算方法，步骤如下：获取电网在某一调度时刻的状态数据，通过采样方式对采集到的数据样本进行扩增，得到训练数据；应用最优化方法获得不同采样状态下的电网调度方案，得到训练数据的标签信息；设计深度学习神经网络模型，对最优潮流计算问题的可行性、最优解分别进行学习，输出可行性判断和最优解预测；基于多任务学习框架，对最优潮流计算问题中的可行性判断与最优解预测两个任务同时训练；根据多任务深度学习模型的输出结果，判断是否存在可行的调度方案，输出最优调度方案或预警信息。本发明不仅能够更高效地求解调度方案，而且能够对不存在可行调度方案的场景进行预警。
-
公开(公告)号：CN112733196B
公开(公告)日：2021-07-06
申请号：CN202110358755.9
申请日：2021-04-02
Applicant: 之江实验室
IPC: G06F21/62
Abstract: 本发明公开了基于向量混淆的抗成员推理攻击的隐私保护方法和系统，对分类模型输出的预测向量依次进行满足向量可用性约束以及保序性要求的混淆变换和满足随机性、向量可用性约束以及保序性要求的扰动变换，并将变换后的噪声向量作为模型分类结果进行返回。本发明无需对目标分类模型进行修改，且无需了解成员推理攻击的具体技术细节，能够简单、快速地应用于已有的分类模型，开销小，适用范围广；向量可用性约束提供了预测结果可用性和模型隐私保护性间平衡的灵活配置方案；添加的随机扰动显著降低了攻击者根据噪声向量还原出预测向量的可能性，提升了方法的鲁棒性；保序性要求则保障了模型在不降低预测准确率的情况下提升了抗成员推理攻击能力。
-
Patent Agency Ranking
公开(公告)号：CN112580786A
公开(公告)日：2021-03-30
申请号：CN202011529184.2
申请日：2020-12-22
Applicant: 之江实验室
Abstract: 本发明公开了一种用于ReID的神经网络构造和训练方法，构造方法包括：S1，构造神经网络DNN1；S2，从DNN1中选取全卷积层FCLi；S3，构造神经网络DNN2；S4，将选取的FCLi的输出特征向量图Fi和DNN1的输出连接到DNN2的输入，形成神经网络DNNfinal；训练方法包括：S1，构造DNNfinal；S2，训练DNN1；S3，构造神经网络DNN3；S4，将DNNfinal的输出连接到DNN3形成神经网络DNNaux；S5，选取多目标跟踪数据集训练DNNaux，训练过程中不更新DNN1的神经网络参数；S6，训练结束后输出的DNNfinal为用于ReID的神经网络。
-
公开(公告)号：CN112346978A
公开(公告)日：2021-02-09
申请号：CN202011245927.3
申请日：2020-11-10
Applicant: 之江实验室
Abstract: 本发明公开了一种驾驶员参与的无人车驾驶软件仿真测试装置与方法，该装置包括无人车仿真器、驾驶仿真器、陪练车仿真器、测试服务器和数据处理器。本发明使人类驾驶员可以在线参与无人车驾驶软件的仿真测试过程，从而提高仿真测试的难度和真实性；本发明通过对人类驾驶行为的记录和处理，生成若干模仿人类驾驶者驾驶行为的车辆行驶脚本，并通过陪练车仿真器执行脚本，使仿真测试中的陪练车可以模拟人类驾驶行为进行驾驶，一方面高保真地还原了真实人类的陪练行为，另一方面大大增加了仿真测试的不确定性，使仿真测试可以提供更多更逼真的临界案例，更全面地测试无人车驾驶软件的智能性和安全性。
-
公开(公告)号：CN112307553A
公开(公告)日：2021-02-02
申请号：CN202011396522.X
申请日：2020-12-03
Applicant: 之江实验室
Abstract: 本发明公开了一种对三维道路模型进行提取与简化的方法，在待提取道路要素的模型中获取多面片基准面，构建六边形包围盒并正交投影至二维，在保留了颜色与深度信息的条件下，极大地简化了复杂三维场景中道路勾画的操作难度，并根据道路提取区域获取其对应的空间与纹理坐标，达到了自动化构建道路模型的效果。本发明以计算机空间解算技术代替了原有的人工目视解译工作，有效保证了大规模三维场景下道路要素的提取效率与准确性。
-
公开(公告)号：CN114429219B
公开(公告)日：2025-02-11
申请号：CN202111502142.4
申请日：2021-12-09
IPC: G06N20/00
Abstract: 本发明公开了一种面向长尾异构数据的联邦学习方法包括如下步骤：步骤一、服务器端随机初始化全局模型w并将模型参数发给各个客户端，各个客户端利用收到的模型参数进行模型更新，并将更新后的模型参数上传至服务器端；步骤二、服务器端对收到的本地模型参数后进行聚合得到教师模型和学生模型；步骤三、服务器端对步骤二中得到的教师模型进行校准，让教师模型在无偏知识上进行学习，以此教出好的学生模型；步骤四、使用知识蒸馏将教师模型的无偏知识传递给学生模型，随后将学生模型发给各个客户端开始下一轮联邦训练。
-
公开(公告)号：CN117490718A
公开(公告)日：2024-02-02
申请号：CN202311552544.4
申请日：2023-11-21
Applicant: 之江实验室
Abstract: 一种车辆路径规划方法和装置，其方法包括：步骤一，根据定位的自车全局位置及参考线的信息，计算出自车投影到参考线的投影点坐标，从投影点坐标开始以一固定长度进行采样，得到终点参考点；步骤二，获取当前的道路边界及障碍物信息，将道路边界和障碍物边界上的离散点集作为输入，构造Voronoi图；步骤三，构造路径规划代价函数，根据路径规划代价函数搜索Voronoi图中起点到终点代价最小的无碰撞路径，得到离散路径点；步骤四，构造二次多项式规划代价函数及约束，对离散的路径点进行优化并计算出路径点对应的朝向角和曲率，得到平滑后的路径。本发明能够在有可行解的情况下输出最大程度远离所有障碍物的行驶路径，保证车辆避障的安全性和舒适性。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.021 seconds)
