基于单样例引导物体表征拆分的图像编辑方法

    公开(公告)号:CN112381168B

    公开(公告)日:2022-04-01

    申请号:CN202011318081.1

    申请日:2020-11-23

    Abstract: 基于单样例引导物体表征拆分的图像编辑算法,包括下列步骤:1)基于单样例的监督模块构建;2)单样例引导下的自监督模块中的对偶策略构建;3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法,只需要为每一类别图像标注一个样本形成单样例样本,利用单样例样本引导大量无标注数据训练的方式,通过单样例的监督模块和单样例引导无标注数据的自监督模块,实现复杂场景的前景物体和背景表征拆分,使得在图像表征空间即可直接操作图像,轻松实现相关图像编辑任务。

    基于单样例引导物体表征拆分的图像编辑算法

    公开(公告)号:CN112381168A

    公开(公告)日:2021-02-19

    申请号:CN202011318081.1

    申请日:2020-11-23

    Abstract: 基于单样例引导物体表征拆分的图像编辑算法,包括下列步骤:1)基于单样例的监督模块构建;2)单样例引导下的自监督模块中的对偶策略构建;3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法,只需要为每一类别图像标注一个样本形成单样例样本,利用单样例样本引导大量无标注数据训练的方式,通过单样例的监督模块和单样例引导无标注数据的自监督模块,实现复杂场景的前景物体和背景表征拆分,使得在图像表征空间即可直接操作图像,轻松实现相关图像编辑任务。

    一种云边协同神经网络的切分点数据处理方法

    公开(公告)号:CN117252235A

    公开(公告)日:2023-12-19

    申请号:CN202310439455.2

    申请日:2023-04-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种云边协同神经网络的切分点数据处理方法,在神经网络的云‑边切分点添加退出网络模块与数据压缩模块,对切分点处的数据选择提前退出神经网络、按一定比例量化后上传云端或把原始数据上传云端等分类处理方式,设计分类阈值迭代更新算法,结合网络通信状况与数据信息熵得到分类阈值,在给定的云‑边通信数据量下最大化神经网络推理准确率。本发明有效提升了分层网络在通信受限状况下实时性与准确性方面的表现,可以用于通信能力受限的云边协同神经网络。

    基于NLP的用户乘车体验打分方法
    5.
    发明公开

    公开(公告)号:CN117172587A

    公开(公告)日:2023-12-05

    申请号:CN202311010145.5

    申请日:2023-08-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种车载用户乘车体验得分方法,预先在云服务器上部署好NLP情感分析模型;再使用语音采集播报系统采集乘车用户与司机之间的语音信息,然后通过将处理过的语音信息传入中控系统的模型中,对当前语音信息进行情感分析打分,按照打分情况进行相应预警或者提示。本发明用于判断用户乘车体验是否良好,在监督司机是否照顾乘车用户体验的同时,也为公司对管理整治司机的服务态度提供帮助,更能在司机与乘车用户发生矛盾的同时,及时提供进行提示和预警,以尽早处理纠纷,并且保护乘客和网约车、出租车司机的人身安全。

    一种用于人脸变老的图像处理方法

    公开(公告)号:CN1928922A

    公开(公告)日:2007-03-14

    申请号:CN200610053531.2

    申请日:2006-09-22

    Applicant: 浙江大学

    Abstract: 本发明公开了一种人脸变老的图像处理方法。对人脸图像进行重采样,实现对老年人人脸的重建,并将年轻人重建的年老人图像由RGB空间转换到YUV空间;对人脸皱纹进行拉普拉斯建模;将建模结果应用于年轻人脸,并将结果由YUV空间转换为RGB空间。本方法通过拉普拉斯梯度场映射对皱纹建模,提取年长人脸的皱纹特征,较方便的实现逼真的年轻人脸变老处理,不受光照或图像亮度的影响。另外,本发明不需要一个人由年轻到年老的变化照片,数据获取方便。因此,通过本发明获得变老的人脸图像是一种低成本,快速的方法。

    基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法

    公开(公告)号:CN116620327A

    公开(公告)日:2023-08-22

    申请号:CN202310730740.X

    申请日:2023-06-20

    Applicant: 浙江大学

    Abstract: 基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法及系统,包括:1)收集人工驾驶车辆的行驶数据,解析整合出轨迹数据和行驶动作数据;2)通过仿真模拟系统对场景、道路、车辆、交通流进行模拟建模;3)以深度PPO模型作为训练过程中的智能体;4)训练过程中将从仿真环境中获得的车辆信息、地图信息等输入进深度网络模型,进行梯度更新并输出得到新的轨迹预测动作;5)将轨迹预测动作作为Lattice Planner的输入,计算规划器输出的每条轨迹的cost,选择cost最低的轨迹,得到模拟器规划的轨迹;6)将新的预测轨迹输入进仿真模拟环境来更新新的车辆信息、地图信息等;7)计算每个轨迹动作对应的奖励和惩罚8)重复4‑7步骤多次,强化学习网络进行重要性采样数据进行训练,通过N步参数更新法对强化学习网络进行更新,保存模型参数,得到最终的策略模型。9)基于最终的车辆策略模型,结合车辆、地图、环境信息,制定直接控制车辆的控制策略。

    基于模板学习与比对的薄面外观缺陷检测方法

    公开(公告)号:CN116912166A

    公开(公告)日:2023-10-20

    申请号:CN202310647375.6

    申请日:2023-06-02

    Abstract: 基于模板学习与比对的薄面外观缺陷检测方法,包括:1)基于良品图像自动学习构建模板原型;2)对每个模板原型,检测待检测样本图像中的模板实例;3)对每个模板实例,将对应的模板原型与模板实例区域进行映射对齐;4)对每个模板实例,将应映射对齐后的模板实例和模板原型进行比对得到特征差异图;5)对每个模板实例的特征差异图,应用缺陷检测算法参数提取模板实例内的缺陷信息;6)综合所有模板实例的缺陷信息,输出产品OK/NG判定和缺陷信息列表。本发明综合多种技术手段实现对平面规则内容产品的准确、灵活、高效的外观缺陷检测。

Patent Agency Ranking