-
公开(公告)号：CN116186272A
公开(公告)日：2023-05-30
申请号：CN202310440825.4
申请日：2023-04-23
Applicant: 之江实验室
IPC: G06F16/35 , G06F18/22 , G06F18/214 , G06F18/241
Abstract: 本说明书公开了一种联合训练方法、装置、存储介质及电子设备。在本说明书提供的联合训练方法中，获取样本语句以及对应的标注意图和标注实体，并将样本语句分为支持集和查询集；将每个样本语句输入待训练的语句处理模型；若该样本语句属于所述支持集，则通过提取子网提取该样本语句和标注的特征；将特征输入原型构建子网，确定出与标注对应的标注特征；若该样本语句属于所述查询集，提取该样本语句的特征；通过匹配子网确定特征与匹配子网存储的各标准特征之间的相似度；通过意图识和槽位填充子网分别根据相似度确定预测意图和预测实体；以预测意图和标注意图之间的差异最小，以及预测实体和标注实体之间的差异最小为优化目标，对模型进行训练。
-
公开(公告)号：CN114331940A
公开(公告)日：2022-04-12
申请号：CN202111677658.2
申请日：2021-12-31
IPC: G06T5/50
Abstract: 本发明公开了联合局部非局部流形和截断算子的高光谱融合方法及装置，将输入高分辨率多光谱图像划分为不同子块并重构为矩阵形式，所有子块分布于多个低维流形附近；对每一个子块，使用最近邻搜索算法寻找非局部相似图像块，构建非局部相似关系，同时构建每个图像块与周围四个相邻块的相似关系，将局部与非局部相似关系整合获得流形映射矩阵L；对L进行特征分解获得特征基并构建截断算子，将L和截断算子并入高分辨率HSI融合模型，获得最终模型。使用交替方向乘子法ADMM算法优化上述模型，并进行解耦操作，最终使用共轭梯度算法PCG逐波段求解。
-
公开(公告)号：CN117079646A
公开(公告)日：2023-11-17
申请号：CN202311328287.6
申请日：2023-10-13
Applicant: 之江实验室
IPC: G10L15/06
Abstract: 本说明书公开了一种语音识别模型的训练方法、装置、设备及存储介质，通过基于通用语音数据集训练的复述模型，确定目标语音数据的第一语音特征，以及通过待训练的语音识别模型，确定目标语音数据的第二语音特征和识别结果，再将数据增强后的目标语音数据作为第一训练样本，将目标语音数据的识别结果作为第一训练样本的标注，根据第一训练样本的识别结果及其标注之间的差异，以及第一语音特征和第二语音特征之间的差异，对该语音识别模型进行训练。本方法采用语音识别模型自监督、复述模型辅助监督的方式来进行训练，在不需要人工对目标领域的语音数据进行标注的情况下，也可得到准确的语音识别模型，保证了模型训练效率。
-
公开(公告)号：CN116863270A
公开(公告)日：2023-10-10
申请号：CN202310821389.5
申请日：2023-07-05
IPC: G06V10/774 , G06V10/764 , G06V10/22
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备。本说明书实施例在模型训练的过程中，可以通过使用不同尺寸的图像对模型进行模型训练，以提高最终训练后的模型对于不同尺寸的图像的物体检测的准确性。
-
公开(公告)号：CN115760670B
公开(公告)日：2023-05-23
申请号：CN202310023010.6
申请日：2023-01-06
IPC: G06T5/50 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明公开了基于网络隐式先验的无监督高光谱融合方法及装置，获取低分辨率高光谱和高分辨率多光谱图像；采用噪声对图像进行扰动；将噪声扰动后的图像输入至编码器‑解码器体系结构，进行多级特征学习，生成高分辨率高光谱图像的模糊估计；对模糊估计分别进行空间和光谱下采样；基于低分辨率高光谱图像与空间下采样的结果，高分辨率多光谱图像与光谱下采样的结果，计算退化模型的损失函数，反向传播退化模型的优化参数给编码器‑解码器体系结构；重复执行上述过程，直至生成高分辨率高光谱图像的模糊估计达到循环终止条件。本发明利用两个并行的特殊卷积块分别模拟空间和光谱下采样，形成一个闭环，实现了无训练样本条件下的无监督学习。
-
Patent Agency Ranking
公开(公告)号：CN117079646B
公开(公告)日：2024-01-09
申请号：CN202311328287.6
申请日：2023-10-13
Applicant: 之江实验室
IPC: G10L15/06
Abstract: 本说明书公开了一种语音识别模型的训练方法、装置、设备及存储介质，通过基于通用语音数据集训练的复述模型，确定目标语音数据的第一语音特征，以及通过待训练的语音识别模型，确定目标语音数据的第二语音特征和识别结果，再将数据增强后的目标语音数据作为第一训练样本，将目标语音数据的识别结果作为第一训练样本的标注，根据第一训练样本的识别结果及其标注之间的差异，以及第一语音特征和第二语音特征之间的差异，对该语音识别模型进行训练。本方法采用语音识别模型自监督、复述模型辅助监督的方式来进行训练，在不需要人工对目标领域的语音数据进行标注的情况下，也可得到准确的语音识别模型，保证了模型训练效率。
-
公开(公告)号：CN116312480A
公开(公告)日：2023-06-23
申请号：CN202310126931.5
申请日：2023-02-10
Applicant: 之江实验室
Abstract: 本说明书公开了一种语音识别方法、装置、设备及可读存储介质，响应于流式语音识别请求，根据预设的时长，将连续接收的所述待识别音频数据，划分为待识别语音块，将各待识别语音块依次输入预训练的语音识别模型，通过特征提取子网得到第一语音特征，将该待识别语音块的第一语音特征和指定语音块的第一语音特征输入到特征编码子网，通过注意力编码层得到第一注意力得分和第二注意力得分，进而确定出该待识别语音块的第二语音特征，将第二语音特征输入解码器，确定该待识别语音块的预测文本。可见，通过特征编码子网中的注意力编码层确定第一注意力得分和第二注意力得分的方式，能够有效利用声学上下文的信息，提高文本预测的准确性。
-
公开(公告)号：CN115760670A
公开(公告)日：2023-03-07
申请号：CN202310023010.6
申请日：2023-01-06
IPC: G06T5/50 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明公开了基于网络隐式先验的无监督高光谱融合方法及装置，获取低分辨率高光谱和高分辨率多光谱图像；采用噪声对图像进行扰动；将噪声扰动后的图像输入至编码器‑解码器体系结构，进行多级特征学习，生成高分辨率高光谱图像的模糊估计；对模糊估计分别进行空间和光谱下采样；基于低分辨率高光谱图像与空间下采样的结果，高分辨率多光谱图像与光谱下采样的结果，计算退化模型的损失函数，反向传播退化模型的优化参数给编码器‑解码器体系结构；重复执行上述过程，直至生成高分辨率高光谱图像的模糊估计达到循环终止条件。本发明利用两个并行的特殊卷积块分别模拟空间和光谱下采样，形成一个闭环，实现了无训练样本条件下的无监督学习。
-
公开(公告)号：CN116312480B
公开(公告)日：2025-05-23
申请号：CN202310126931.5
申请日：2023-02-10
Applicant: 之江实验室
Abstract: 本说明书公开了一种语音识别方法、装置、设备及可读存储介质，响应于流式语音识别请求，根据预设的时长，将连续接收的所述待识别音频数据，划分为待识别语音块，将各待识别语音块依次输入预训练的语音识别模型，通过特征提取子网得到第一语音特征，将该待识别语音块的第一语音特征和指定语音块的第一语音特征输入到特征编码子网，通过注意力编码层得到第一注意力得分和第二注意力得分，进而确定出该待识别语音块的第二语音特征，将第二语音特征输入解码器，确定该待识别语音块的预测文本。可见，通过特征编码子网中的注意力编码层确定第一注意力得分和第二注意力得分的方式，能够有效利用声学上下文的信息，提高文本预测的准确性。
-
公开(公告)号：CN114331940B
公开(公告)日：2025-05-23
申请号：CN202111677658.2
申请日：2021-12-31
IPC: G06T5/50
Abstract: 本发明公开了联合局部非局部流形和截断算子的高光谱融合方法及装置，将输入高分辨率多光谱图像划分为不同子块并重构为矩阵形式，所有子块分布于多个低维流形附近；对每一个子块，使用最近邻搜索算法寻找非局部相似图像块，构建非局部相似关系，同时构建每个图像块与周围四个相邻块的相似关系，将局部与非局部相似关系整合获得流形映射矩阵L；对L进行特征分解获得特征基并构建截断算子，将L和截断算子并入高分辨率HSI融合模型，获得最终模型。使用交替方向乘子法ADMM算法优化上述模型，并进行解耦操作，最终使用共轭梯度算法PCG逐波段求解。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
