-
公开(公告)号：CN117010517A
公开(公告)日：2023-11-07
申请号：CN202310910803.X
申请日：2023-07-24
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于量子线路的量子自动编码器的实现方法，属于量子计算机视觉领域。本发明构造量子自动编码器，将将待测样本通过主成分分析法(PCA)粗略压缩，将图片信息下采样为低维向量，将低维向量编码为量子初态，将量子初态与酉变换相互作用构建参数化的量子纠缠网络，生成输出量子态，由泡利算子集构建的输出函数，将输出量子态转变为经典状态预测值；将预测值输入到经典优化器进行优化。本发明能够大幅减少网络参数的数量，从而极大地降低了增加神经网络深度的成本。
-
公开(公告)号：CN119693680A
公开(公告)日：2025-03-25
申请号：CN202411620925.6
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06F18/24 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/25 , G06N5/04 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种基于多模态模型的数据自动标注方法，属于数据标注与人工智能领域。本发明待标注图像数据与潜在标签输入数据自动标注系统；数据自动标注系统通过文本‑图像多模态模型为潜在标签进行打分排序，返回潜在标签概率排序结果；标注者人工对自动标注标签进行审核，确认标注结果并完成标注。本发明能提高数据标注时间效率；减少人工成本开销；扩大标注数据量，高效驱动更多下游人工智能模型。
-
公开(公告)号：CN119692411A
公开(公告)日：2025-03-25
申请号：CN202411679953.5
申请日：2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/08 , G06F18/214 , G06N3/045 , G06V10/82 , G06V10/764 , G06V10/74 , G06N5/04
Abstract: 本发明涉及一种提升多模态模型细颗粒度判别能力的微调优化方法，属于人工智能领域。本发明通过对微调阶段的图像编码器通道引入ArcFace的角度边界辅助损失来优化图像和文本的联合表示学习。该方法包括预训练和微调两个阶段，预训练阶段使用在大规模图像‑文本对数据集上进行训练，微调阶段则基于特定领域数据集通过固定文本分支的全部参数和图像分支的多数参数，并在图像分支结合辅助损失函数调整模型参数，从而实现多模态模型对特定细颗粒场景判别能力的优化提升。
-
Patent Agency Ranking
公开(公告)号：CN119672037A
公开(公告)日：2025-03-21
申请号：CN202411621275.7
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06T7/10 , G06F3/0484 , G06N3/08
Abstract: 本发明涉及一种支持连续点击交互式的图像分割自动标注方法和电子设备，属于数据标注与人工智能领域。本发明将待标注图像数据输入自动标注系统；用户判断是否开始新的图像标注任务；若开始新的图像标注任务，系统获取用户连续鼠标点击交互信息；若待标注图像未在系统中出现过，系统调用后端支持连续点击交互式的图像分割模型计算得到图像特征向量，自动标注系统通过图像特征向量之间关联度计算得到待标注图像分割结果，之后系统返回自动标注结果；为保证标注质量，标注者通过对自动标注标系统所得到的结果进行审核，确认标注结果并完成标注。本发明能提高数据标注时间效率；减少人工成本开销；扩大标注数据量，高效驱动更多下游人工智能模型。
-
公开(公告)号：CN119766835A
公开(公告)日：2025-04-04
申请号：CN202411620726.5
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于DDS‑TSN的AUTOSAR新型车电系统，属于汽车电子技术领域。本发明针对车辆综合化电子控制系统中业务流量高性能确定性管理、调度等需求，从系统层面综合施策，通过架构、平台、中间件、操作系统等多维协同，提供一种基于DDS‑TSN的确定性时间敏感网络中间件，打通了硬件TSN确定性通信与软件DDS确定性总线之间的关键路径，设计了一种基于DDS‑TSN的AUTOSAR新型车电系统，解决了系统总体实时、确定的软硬件关键问题。
-
公开(公告)号：CN116935126A
公开(公告)日：2023-10-24
申请号：CN202310910976.1
申请日：2023-07-24
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06N10/20 , G06N10/60 , G16H50/20
Abstract: 本发明涉及一种基于经典—量子混合机器学习的医学图像分类方法，属于计算机视觉领域。本发明经典预处理将输入的图像都经过主成分分析法(PCA)粗略压缩到低维，将输入的低维向量经量子编码器编码为量子初态，构建参数化的量子纠缠网络作为量子分类器完成分类任务，输出量子态的期望值需要将每个量子比特线路中添加泡利算子集进行测量，由泡利算子集构建的输出函数，将输出量子态转变为经典概率预测值，通过计算均方误差(MSE)损失函数，并使用基于梯度的优化方法更新量子分类器的参数。本发明极大地降低了增加神经网络深度的成本。
-
公开(公告)号：CN116403036A
公开(公告)日：2023-07-07
申请号：CN202310343586.0
申请日：2023-04-03
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06V10/82 , G06N5/04 , G06N3/08 , G06V10/774 , G06N10/00 , G06F17/11
Abstract: 本发明涉及一种基于量子随机行走算法的图像分类方法，属于图像识别领域。本发明使用量子随机行走算法对图像进行色域压缩，使图像的RGB值收敛到指定五种颜色，并保留最基本的信息，作为数据集用于训练图像分类和语义分割模型，并最终用于引擎完成推理。本发明使用的色域压缩方法基于量子随机行走算法，具有高度并行计算的优势，大幅减少了计算量。本发明使用的色域压缩方法用于处理深度学习分类模型的训练集、验证集及测试集，可以在保留基本信息的前提下减少计算量，提升推理效率。
-
公开(公告)号：CN116320435A
公开(公告)日：2023-06-23
申请号：CN202310269570.X
申请日：2023-03-20
Applicant: 北京计算机技术及应用研究所
IPC: H04N19/147 , H04N19/124 , H04N19/42 , H04N19/91
Abstract: 本发明涉及一种面向视觉分析的图像压缩方法和系统，属于数字信号处理领域。本发明编码器从原始图像获取待编码特征的紧凑表达；对编码器、解码器与待编码特征做码率‑失真‑感知联合优化，得到编码与解码网络最优参数；编码器对待编码特征做量化与压缩操作，获取其对应的二进制编码码流；解码器对二进制码流进行反量化与解码，获取重建图像。本发明所提出的压缩方法在保持一定码率控制的前提下，对下游视觉分析任务与图像压缩任务做联合优化，使得两者都保持一定合理数值，最终达到既控制编码码率又兼顾分析效率与压缩数据损失的目的。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
