-
公开(公告)号：CN116186912A
公开(公告)日：2023-05-30
申请号：CN202211544173.0
申请日：2022-11-28
Applicant: 之江实验室
Abstract: 本发明公开了误差有界的低扭曲非结构T样条曲面拟合方法及装置，该方法包括：获取待拟合网格并计算与待拟合网格同拓扑的多立方体参数域；根据多立方体参数域构造第一优化问题并求解，得到待拟合网格到待拟合参数域的低扭曲体参数化；根据低扭曲体参数化，计算待拟合网格到待拟合参数域的低扭曲边界参数化；利用最小化插值拟合和薄板能量作为光滑函数项，构造目标函数并最小化得到样条曲面的控制点，从而得到拟合曲面；若拟合曲面的最大拟合误差超出预定阈值，则采用自适应细分在参数域和表面中引入新的自由度，从而降低拟合误差；在满足拟合曲面的最大拟合误差未超出所述预定阈值和低扭曲的基础上，简化拟合曲面，得到低扭曲非结构T样条曲面。
-
公开(公告)号：CN115937452A
公开(公告)日：2023-04-07
申请号：CN202211677082.4
申请日：2022-12-26
IPC: G06T17/05 , G06V10/762 , G06V10/80 , G06V10/10
Abstract: 本发明公开了一种基于分布式计算的地图重建方法与系统，包括：采集场景图像，对场景图像进行稀疏重建，并获取各个场景图像对应的相机姿态；分析相机位姿和场景图像间的共视关系，将稀疏重建后的场景图像集合划分为若干个子集合；根据子集合中的场景图像构造各个节点所需的数据包；将数据包分发到各个节点中进行解析，得到图像深度估计任务；子节点对数据包所包含的图像集合进行深度估计，得到各个场景图像逐像素的深度信息；各个节点对深度信息进行深度融合形成稠密点云片段；子节点将稠密点云片段传输至主节点，主节点进行稠密点云融合，并进行完整稠密点云的面片化和贴图，得到地图重建结果。
-
公开(公告)号：CN114595333A
公开(公告)日：2022-06-07
申请号：CN202210447550.2
申请日：2022-04-27
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/169 , G06K9/62
Abstract: 本发明提供了一种用于舆情文本分析的半监督方法和装置，针对标注样本、未标注样本采用半监督方法提高舆情文本分析的分类准确率，首先获取舆情数据集，对数据集进行预处理；预处理后的样本使用数据增强算法生成数据增强样本；使类别标签无监督抽取聚类方式为数据集中未标注的样本生成类别标签；采用词向量隐语义空间，计算相似度与线性插值运算，运算结果生成相似度插值样本；构建最终训练样本集；采用半监督方法并使用预训练语言模型，输入最终训练样本集，对模型进行训练得到分类模型，使用分类模型对测试集预测得出分类结果。对比传统文本分类实验表明，使用该方法和装置在少量标注舆情样本、未标注舆情样本情况下提高舆情文本分类的准确率。
-
公开(公告)号：CN114580424A
公开(公告)日：2022-06-03
申请号：CN202210434737.9
申请日：2022-04-24
Applicant: 之江实验室
IPC: G06F40/295 , G06F40/186 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于法律文书的命名实体识别的标注方法和装置，包括以下步骤：步骤S1：获取法律文本，转换成索引表；步骤S2：输出句子特征编码结果；步骤S3：训练及预测；步骤S4：得到集合；步骤S5：得到多头分数转移矩阵；步骤S6：得出所述法律文本对应的分数转移矩阵；步骤S7：确定识别嵌套实体；步骤S8：利用所述识别嵌套实体构建实体标注模板。本发明通过改变对BERT模型的输入，尝试完成对嵌套实体标注的识别，利用本发明所述的多头选择矩阵标注思路，较大程度的缓解了NER任务中长文本以及嵌套实体的识别难度。
-
Patent Agency Ranking
公开(公告)号：CN114186687B
公开(公告)日：2022-05-17
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：CN114494981A
公开(公告)日：2022-05-13
申请号：CN202210357179.0
申请日：2022-04-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多层次运动建模的动作视频分类方法及系统，对段内和段间的运动信息进行多层次综合建模，其包含两个神经网络分支：段间分支对各视频段中采样得到的视频帧进行处理，用于提取前景目标的表观信息和段间运动信息；段内分支对各视频段中相邻视频帧的差值进行处理，用于提取前景目标的段内运动信息。段内分支所提取的帧差特征被用来对段间分支特征进行按通道加权，最后两个分支的卷积特征融合起来并共同输入到分类器中进行视频分类。本发明实现方法简便，手段灵活，在动作视频数据集上取得了显著的分类效果提升。
-
公开(公告)号：CN114461351A
公开(公告)日：2022-05-10
申请号：CN202210381726.9
申请日：2022-04-13
Applicant: 之江实验室
Abstract: 本发明公开了一种用于神经网络计算的动态图执行方法及装置，包括如下步骤：S1：构造和分发算子及张量；S2：算子解释器推导算子执行过程；S3：算子解释器构建运行时虚拟机的指令；S4：算子解释器将指令发送到运行时虚拟机；S5：虚拟机调度指令；S6：虚拟机释放已经执行完的指令。本发明提供了一种用于神经网络计算的动态图执行方法及装置，通过将运行时抽象为虚拟机，虚拟机实时地通过解释器获取用户搭建的每一步骤的子图调度和下发执行每个子图，既满足了用户即时调试的需求又可以局部调优，获取最优的局部模型。满足了算法研究人员开发模型过程中即时验证算法正确性和模型局部性能的需求。
-
公开(公告)号：CN113918351B
公开(公告)日：2022-03-11
申请号：CN202111487478.8
申请日：2021-12-08
Applicant: 之江实验室
IPC: G06F9/50 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种深度学习框架与AI加速卡片内分布式训练适配方法和装置，包括如下步骤：S1：深度学习框架支持新增AI加速卡片内单卡配置，其子步骤如下：S11：深度学习框架支持新硬件；S12：深度学习框架支持新硬件的设备线程；S13：深度学习框架支持新硬件的内存操作；S14：深度学习框架支持新硬件的算子核函数；S2：深度学习框架支持新增AI加速卡片内多卡配置；S3：深度学习框架支持张量切分和多卡分布；S4：深度学习框架支持新增AI加速卡片内多卡集合通信，本发明打通了深度学习框架与新增AI加速卡，并将深度学习框架源码与芯片底层软件全面对接，最大限度释放芯片的硬件能力，为端侧AI提供最强劲的算力。
-
公开(公告)号：CN112766336A
公开(公告)日：2021-05-07
申请号：CN202110028632.9
申请日：2021-01-08
Applicant: 之江实验室
Abstract: 本发明属于深度学习安全领域，涉及一种最大化随机平滑下提高模型可验证防御性能的方法，包括：步骤1、基于可微的连续映射函数推导出平滑分类器可验证防御半径与原始分类器输出之间的梯度关系；步骤2、采用平滑映射生成在可行域极值处的无穷小乘项与概率阈值限制可验证防御梯度值爆炸；步骤3、基于防御性能与准确率梯度推导可求解的目标函数；步骤4、基于目标优化函数对模型进行鲁棒性训练以实现最大化模型可验证防御。本发明通用于任意的深度学习以及机器学习分类器，首次求解了随机平滑技术下平滑分类器的可验证防御性能与原始分类器输出之间的梯度关系，解决了求解过程梯度爆炸问题，极大地提升了随机平滑下模型鲁棒性的训练效率。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.028 seconds)
