-
公开(公告)号：CN119170257A
公开(公告)日：2024-12-20
申请号：CN202411234281.7
申请日：2024-09-04
Applicant: 海南大学 , 海南智时空科技合伙企业(有限合伙)
Abstract: 本发明公开一种基于视觉‑语言大模型的癌症辅助诊疗方法，包括如下步骤：对原始图像‑文本对信息集进行解耦，获得独立图像信息集和独立文本信息集并分别将原始独立图像信息集、原始独立文本信息集加入对应的独立图像信息集和独立文本信息集中；采用关键信息聚焦机制识别并增强独立图像信息集中图像的关键医学区域，获得赋权重图像集；将独立文本信息集、赋权重图像集和专业医学图像‑文本信息集在跨模态对齐机制下耦合，获得图像‑文本对信息集；将图像‑文本对信息集与其他多模态信息映射至同一语义空间融合并输入至基于CLIP框架构建的目标系统模型中训练，输出训练好的目标系统模型。本发明能提高对医学影像与文本信息综合判断的精准度。
-
Patent Agency Ranking
公开(公告)号：CN118761467B
公开(公告)日：2025-02-18
申请号：CN202410892770.5
申请日：2024-07-04
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06N5/025 , G06N3/096 , G06N3/045 , G06F18/2415 , G06F21/62
Abstract: 本发明公开一种基于条件级联蒸馏的知识迁移方法，云端服务器构建模型并下发至若干个所述端设备；每个端设备采集训练数据并输入至下发的模型中迭代训练，获得训练好的端设备模型，端设备将训练好的端设备模型更新上传至云端服务器；通过级联蒸馏使得各个端设备模型吸收云端模型的知识；云端服务器接收若干个端设备模型更新并通过加权聚合算法进行聚合和通信优化，将优化后的全局模型并下发至端设备；端设备采集待检测数据并输入至优化后的全局模型中，获得检测结果。本发明不仅提高了模型泛化能力，还显著减少了模型更新过程中的通信成本，实现了在保护端设备数据隐私的前提下，协同多方训练生成性能更优的全局模型。
-
公开(公告)号：CN119206567A
公开(公告)日：2024-12-27
申请号：CN202411225170.X
申请日：2024-09-03
Applicant: 海南大学 , 海南智时空科技合伙企业(有限合伙)
IPC: G06V20/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于因果正态性学习的视频异常检测方法，包括如下步骤：获取多场景的监控视频并裁剪为统一尺寸的b帧连续片段作为训练样本；构建CRCL模型，CRCL模型包括M1场景编码器、M3运动感知特征抽取器、场景去偏学习模块、因果性启发正态性学习模块和M5聚类模块，将训练样本输入CRCL模型训练，计算相关性矩阵和损失并利用梯度反向传播优化模型参数；达到预设轮次后，通过M5聚类模块计算因果表征的聚类中心并最小化聚类损失来求最佳簇；反复进行轮次训练，直至训练中相邻两轮迭代之间损失函数的下降值满足设定阈值或达到最大迭代次数，输出训练好的CRCL模型。本发明能够提高在多场景环境下视频异常检测性能。
-
公开(公告)号：CN119129641A
公开(公告)日：2024-12-13
申请号：CN202411263550.2
申请日：2024-09-10
Applicant: 海南大学 , 海南智时空科技合伙企业(有限合伙)
IPC: G06N3/008 , G06F18/25 , G06F18/241 , G06N3/0895
Abstract: 本发明公开面向交通场景的多智能体协同控制方法，包括如下步骤：接收基于深度强化学习的智能交通系统中多交通智能体的感控数据信息；提取所述多源感知信息和反馈信息的多源感知特征和反馈特征，并对多源感知特征和反馈特征进行多源异构信息融合，获得感控融合特征；将感控融合特征实时传递给多交通智能体，采取感知监督与融合反馈技术与多交通智能体进行实时信息交互实现新类别数据检测，并基于新类别数据进行增量学习，实现模型的在线更新迭代辅助多交通智能体更新策略及动作。本发明脱离人工监督信息而持续提升在数据分布变化环境中的泛化性，同时实现交通智能体之间的决策共享与决策提升，提高决策执行效率和准确性。
-
公开(公告)号：CN118779913A
公开(公告)日：2024-10-15
申请号：CN202410892522.0
申请日：2024-07-04
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06F21/62 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明公开一种端云协同学习框架下的隐私保护域适应方法，端设备获得训练数据集并使用域适应机制从训练数据集中提取特征数据并动态调整模型参数；将特征数据传输至云端服务器，云端服务器在增强型Transformer模型更新框架下进行模型训练与更新，获得训练完成的云端模型；训练过程中使用通信压缩策略优化模型参数传输、应用差分隐私保护机制以保护患者隐私；云端服务器对训练完成的云端模型通过迭代子采样和重权重策略进行优化，将优化后的模型作为最终模型下发至端设备；端设备采集待检测数据并输入至最终模型中获得检测结果。本发明能提升模型的泛化能力和学习效率，还可降低模型更新过程中的通信成本并确保端设备数据隐私的安全。
-
公开(公告)号：CN118761467A
公开(公告)日：2024-10-11
申请号：CN202410892770.5
申请日：2024-07-04
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06N5/025 , G06N3/096 , G06N3/045 , G06F18/2415 , G06F21/62
Abstract: 本发明公开一种基于条件级联蒸馏的知识迁移方法，云端服务器构建模型并下发至若干个所述端设备；每个端设备采集训练数据并输入至下发的模型中迭代训练，获得训练好的端设备模型，端设备将训练好的端设备模型更新上传至云端服务器；通过级联蒸馏使得各个端设备模型吸收云端模型的知识；云端服务器接收若干个端设备模型更新并通过加权聚合算法进行聚合和通信优化，将优化后的全局模型并下发至端设备；端设备采集待检测数据并输入至优化后的全局模型中，获得检测结果。本发明不仅提高了模型泛化能力，还显著减少了模型更新过程中的通信成本，实现了在保护端设备数据隐私的前提下，协同多方训练生成性能更优的全局模型。
-
-
-
-
-
Search Results
6
records
(took 0.044 seconds)
