-
公开(公告)号：CN113689949A
公开(公告)日：2021-11-23
申请号：CN202010421197.1
申请日：2020-05-18
Applicant: 日本电气株式会社
Abstract: 本公开的示例性实现方式涉及信息处理方法、电子设备和计算机存储介质。在一种方法中，接收与医疗检测设备的操作行为相关联的第一信息，第一信息与医疗检测设备在操作期间进行的数据采集相关联；以及输出第一信息的至少一部分。利用上述方法，可以对与检查相关联的操作行为进行质控，从而可以展示操作行为所得到的结果的质量、与推荐操作的偏差、建议的修改方向以及任何可能的统计信息，进而可以有助于医生改进对医疗检测设备进行的操作。进一步，提供了相应的电子设备和计算机存储介质。
-
公开(公告)号：CN113469204A
公开(公告)日：2021-10-01
申请号：CN202010245582.5
申请日：2020-03-31
Applicant: 日本电气株式会社
Abstract: 本公开的示例性实现方式涉及数据处理方法、装置、设备和计算机存储介质。在此描述的方法包括使用图像数据集中的第一数据集来训练图像处理模型，其中图像数据集根据预定条件被分成第一数据集和第二数据集。方法还包括通过经训练的图像处理模型从第二数据集选择至少第一子集，然后至少使用第一数据集和第一子集的组合来进一步训练图像处理模型。根据本公开的实施例，能够从不平衡的训练数据中选择有助于模型训练的样本，进而使用所选择的样本来训练图像处理模型，由此提高训练出的图像处理模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN113469202A
公开(公告)日：2021-10-01
申请号：CN202010245435.8
申请日：2020-03-31
Applicant: 日本电气株式会社
Abstract: 本公开的实施例涉及用于数据处理的方法、电子设备和计算机可读存储介质。一种数据处理的方法包括获取第一数据集合，第一数据集合中的每个数据具有指示该数据的类别的标签；从第一数据集合中确定具有噪声标签的第一数据子集；以及重新生成第一数据子集中的数据的标签，以得到第二数据集合。以此方式，数据集合中具有噪声标签的数据能够被识别，并且其噪声标签能够被自动纠正。经处理的数据集合能够被用于训练分类模型，从而提高机器学习的识别精度。
-
公开(公告)号：CN115810135A
公开(公告)日：2023-03-17
申请号：CN202111075280.9
申请日：2021-09-14
Applicant: 日本电气株式会社
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06N20/00 , G06F17/10
Abstract: 本公开的实施例涉及样本分析的方法、电子设备、存储介质和程序产品。该方法包括：获取样本集，样本集具有相关联的标注数据；利用目标模型处理样本集，以确定针对样本集的预测数据和预测数据的置信度；基于预测数据与标注数据的比较，确定目标模型的准确度；以及基于准确度和置信度，从样本集中确定可能被错误标注的候选样本。基于这样的方法，可以高效地筛选出可能被错误标注的样本。
-
公开(公告)号：CN115809413A
公开(公告)日：2023-03-17
申请号：CN202111076672.7
申请日：2021-09-14
Applicant: 日本电气株式会社
IPC: G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N20/00
Abstract: 本公开的实施例涉及一种数据分析方法、电子设备、计算机可读存储介质和计算机程序产品。该方法可以包括确定数据的特征表示，所述数据具有预先标注的标签。该方法还可以包括从多个参考特征表示中确定具有所述标签的参考数据的参考特征表示。该方法可以进一步包括根据确定的所述特征表示与所述参考特征表示的差异大小，从所述数据确定噪声数据。本公开的技术方案能够精确地确定待分析数据是否为噪声数据的分析结果，提升了用户体验。
-
公开(公告)号：CN113822444A
公开(公告)日：2021-12-21
申请号：CN202110179274.1
申请日：2021-02-09
Applicant: 日本电气株式会社
Abstract: 本公开涉及模型训练及数据处理的方法、设备和计算机可读存储介质。训练模型的方法包括：确定训练集中的与多个原始样本相对应的多个增广样本集对待训练模型的相应影响程度；基于影响程度，从多个增广样本集中确定第一组增广样本集，并且第一组增广样本集将对待训练模型具有负面影响；确定与训练集相关联的训练损失函数，在训练损失函数中，来自第一组增广样本集的增广样本被分配第一权重，以用于使负面影响减小；基于训练损失函数和训练集，训练待训练模型。以此方式，能够优化训练所得的模型的性能。
-
公开(公告)号：CN113469932A
公开(公告)日：2021-10-01
申请号：CN202010245469.7
申请日：2020-03-31
Applicant: 日本电气株式会社
Abstract: 本公开的实施例涉及信息处理的方法、电子设备和计算机存储介质。该方法包括：将一组训练图像中的第一图像应用于图像分析引擎，以确定针对第一图像的预测结果以及与预测结果相关联的不确定性度量；基于预测结果以及不确定性度量，确定与第一图像的损失函数相关联的第一权重；以及至少基于第一权重，利用一组训练图像来训练图像分析引擎，以使得与一组训练图像相关联的总损失函数的值满足预定的收敛条件。基于这样的方法，可以使得图像分析引擎更为鲁棒，提高图像分析的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
