-
公开(公告)号：CN112184586A
公开(公告)日：2021-01-05
申请号：CN202011049747.8
申请日：2020-09-29
Applicant: 中科方寸知微(南京)科技有限公司 , 中国科学院自动化研究所南京人工智能芯片创新研究院
Abstract: 本发明提出了一种基于深度感知的单目视觉图像背景快速虚化的方法及实现该方法的系统，该方法通过构建单目深度估计学网络进行图片背景虚化的学习，利用进一步修改后的卷积层来学习空间权值的变化。本发明有效减少过分依赖一定场景的数据集而导致的泛化性能较差的问题，以及利用大量数据集训练端到端的神经输出网络，达到减少复杂度提高运行速度的目的。
-
公开(公告)号：CN112183727A
公开(公告)日：2021-01-05
申请号：CN202011053131.8
申请日：2020-09-29
Applicant: 中科方寸知微(南京)科技有限公司 , 中国科学院自动化研究所南京人工智能芯片创新研究院
Abstract: 本发明提出了一种基于对抗生成网络的散景效果渲染方法，通过设计一个轻量化的网络，并同时使用TensorFlow Lite框架支持的算子重新实现了实例归一化，确保提出的一个由眼镜形状的端到端生成器以及多感受野判别器组成的对抗生成网络来训练散景渲染模型的所有算子都能在智能手机的GPU上进行计算，且不占用很大的资源。本发明同时还达到了不依赖于先验的方法的同时，还可以显著的检测出待聚焦区域，使得失焦区域的模糊效果也很自然，适用于多场景的情况而非只能处理人像等特定场景的目的。
-
公开(公告)号：CN108334945B
公开(公告)日：2020-12-25
申请号：CN201810088723.X
申请日：2018-01-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于神经网络技术领域，具体涉及一种深度神经网络的加速与压缩方法及装置。旨在解决现有技术对深度神经网络进行压缩和加速占用大量内存并且精度下降的问题。本发明提供深度神经网络的加速与压缩方法，包括获取原始深度神经网络中各层的输入数据与参数矩阵；基于输入数据与参数矩阵，计算原始深度神经网络中各层的二值矩阵与浮点系数；将二值矩阵替换原始深度神经网络各层的参数矩阵，并在原始深度神经网络中构建尺度因子层，基于浮点系数初始化尺度因子层的参数，得到新的深度神经网络。本发明的方案能够将神经网络的网络参数二值化，占用更少的内存且提升精度。
-
公开(公告)号：CN111475706A
公开(公告)日：2020-07-31
申请号：CN202010237297.9
申请日：2020-03-30
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院
IPC: G06F16/9532 , G06F16/35 , G06F16/36
Abstract: 本发明公开了一种全天候自动检测重要消息的AI分析预警方法，包括第三方平台数据收集系统、热点信息分类系统和重要信息判定处理系统；所述第三方平台数据收集系统利用代码后台收集主流社交媒体、主流纸质媒体和传统电视媒体的热点消息，转化成文字信息进行统一存储；所述热点信息分类系统对热点信息的涉及领域进行初步分类，提取关键信息并统计热点信息的出现频率；所述重要信息判定处理系统对重点信息进行全天候地分析，当消息重要程度达到设置阈值时进行预警。本发明利用AI技术自动地对第三方数据平台的热点消息进行统计，结合阈值设置以及重要领域针对性筛选，保证对重要敏感消息的实时传播。
-
公开(公告)号：CN107832288B
公开(公告)日：2020-06-16
申请号：CN201710890874.2
申请日：2017-09-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种中文词语语义相似度的度量方法及装置，旨在解决中文词语语义相似度度量不准确的问题。为此目的，本发明中的度量方法包括下述步骤：采用K邻近算法计算中文词语所对应初始词向量的K个近邻词向量；采用K‑means算法计算初始词向量及其K个近邻词向量的中心向量；依据初始词向量和中心向量，以及预设的迁移向量模型g，计算中文词语的迁移向量；其中，迁移向量模型g＝α×m+β×p，α和β均为预设参数，m为初始词向量，p为中心向量；依据不同中文词语对应的迁移向量，计算不同中文词语的语义相似度。通过本发明提高了中文词语语义相似性计算的准确率，能够使词向量包含更多词语语义信息，提升了系统容错性。
-
Patent Agency Ranking
公开(公告)号：CN111104553A
公开(公告)日：2020-05-05
申请号：CN202010012178.3
申请日：2020-01-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种高效运动互补神经网络系统，包括视频读取单元、视频类别单元和神经网络补充单元；所述视频读取单元对输入的视频进行读取，同时对视频的描述信息等文字辅助信息进行提取；所述视频类别单元根据网络等视频提取源对视频的描述信息对视频的类别进行初步判定，并将视频划分到神经网络中已有的类别分区中；所述神经网络补充单元分成两个模块，对视频分类的方法进行优化，缩短视频分类的时间。本发明针对双流法和3D卷积法分别做出提高计算光流效率和缩小网络计算量的优化方法，提升了视频提取和分类的速度。
-
公开(公告)号：CN107437110A
公开(公告)日：2017-12-05
申请号：CN201710560643.5
申请日：2017-07-11
Applicant: 中国科学院自动化研究所
CPC classification number: G06N3/082 , G06N3/0454 , G06N3/063
Abstract: 本发明涉及深度神经网络领域，提出了一种卷积神经网络的分块卷积优化方法及装置，旨在解决神经网络中卷积运算在硬件处理系统中的处理瓶颈问题，该优化方法包括：选择待分块卷积的卷积层，并确定其分块尺寸上限；根据分块尺寸的上限，确定输入特征图的分块数、分块尺寸；基于分块数、分块尺寸、卷积核尺寸、输入特征图尺寸、输入特征图边界填充尺寸，计算分块特征图的分块边界填充尺寸；基于分块数、分块尺寸、分块边界填充尺寸，构建基于分块边界填充的卷积，并替换原始卷积。本发明大大缓解了卷积神经网络在嵌入式硬件平台运行的资源受限问题，并在读写存储器时最大限度的提高突发长度，提高吞吐量，降低延时，提高效率。
-
公开(公告)号：CN104217222B
公开(公告)日：2017-11-21
申请号：CN201410498343.5
申请日：2014-09-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于随机采样哈希表示的图像匹配方法，包括以下步骤：将n幅图像组成原始数据集，提取所有图像的视觉特征生成特征空间；从原始数据集中随机选择m幅图像，同时在特征空间中随机抽取p个视觉特征子集，得到一个样本子集；学习得到样本子集的t个主特征向量，作为哈希投影函数；用来生成t位二值哈希编码；重复上述步骤k次，得到k段t位二值哈希编码，并级联得到k×t位的二值哈希编码，作为匹配特征；得到待匹配图像和原始数据集中每一幅图像的二值哈希编码；基于得到的二值哈希编码进行相似度度量，得到待匹配图像的匹配结果。本发明有助于加快基于哈希编码的近似近邻查找方法的精度，适用于图像检索、图像匹配及其它机器学习算法中。
-
公开(公告)号：CN102262624A
公开(公告)日：2011-11-30
申请号：CN201110225342.X
申请日：2011-08-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出基于多模态辅助的实现跨语言沟通系统及方法，所述方法利用实现跨语言沟通系统中的前台交互模块、数据管理模块和语义关联模块，通过分析谈话内容，利用自然语言处理工具能够自动地提取对话中的中心议题及关键字，并语义关联模块根据检测到的中心议题与关键字信息，自动地搜索相关的图片和视频片段并以恰当的方式提供给谈话双方，从而达到促进彼此的了解和沟通。这里，作为辅助理解的图片和视频，既可以通过搜索的方法从网络自动扒取，也可以从一个预先已标注好的多媒体库中直接获取。最后，系统根据谈话双方的文本聊天信息以及与之相对应的图片和视频内容，生成一个多模态的谈话摘要。
-
公开(公告)号：CN101877143A
公开(公告)日：2010-11-03
申请号：CN200910242340.4
申请日：2009-12-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种二维图像组的三维场景重建方法，该方法包括以下步骤：步骤S1：输入图像组中每幅图像计算各像素的视觉关注度评价；步骤S2：在输入图像组的各幅图像上提取尺度不变特征变换特征点，并且对图像组中两两图像上的特征点进行匹配和选择，获得的匹配特征点，匹配和选择的原则包括特征点对的特征空间相似度以及获得的特征点相对应的视觉关注度；步骤S3：利用获得的匹配特征点对对摄像机参数进行估计；步骤S4：用选取的匹配特征点对、相应特征点的关注度评价以及估计得到的摄像机参数求取优化的三维场景模型。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.08 seconds)
