-
公开(公告)号：CN117994577A
公开(公告)日：2024-05-07
申请号：CN202410132820.X
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/52
Abstract: 本发明公开了一种基于双通道特征提取网络的数据处理方法，包括：将获取到的待处理数据输入至预先训练得到的目标网络模型中进行数据分析处理；其中，目标网络模型中包括第一特征提取网络和第二特征提取网络；基于第一特征提取网络对待处理数据进行特征提取，得到第一待融合特征；以及基于第二特征提取网络对待处理数据进行处理，得到包括空洞的第二待融合特征；对第一待融合特征和第二待融合特征融合处理，得到多尺度特征，并基于多尺度特征确定注意力矩阵；基于注意力矩阵和预先设定的随机概率值，确定目标特征；通过对目标特征分析处理，确定与待处理数据相对应的数据处理结果。解决了模型过拟合的问题，提高模型预测准确度。
-
公开(公告)号：CN118037555A
公开(公告)日：2024-05-14
申请号：CN202410133124.0
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种联合非局部自相似性与张量链分解的图像填充方法，获取待恢复图像，将待恢复图像划分为多个预设大小的图像块；其中，待恢复图像包含部分缺失像素；对每个图像块，分别确定图像块对应的多个相似图像块，将图像块和相似图像块确定为一个图像块组；基于待恢复图像张量对应的张量链秩，构建张量链秩最小化函数，基于各图像块组张量对应的tucker秩，构建Tucker秩最小化函数；基于张量链秩最小化函数和Tucker秩最小化函数，构建图像填充优化函数；求解图像填充优化函数，得到与待恢复图像对应的恢复图像张量，以基于恢复图像张量确定目标恢复图像，减少了恢复图像的伪影现象，提高了图像的恢复性能。
-
Patent Agency Ranking
公开(公告)号：CN117993439A
公开(公告)日：2024-05-07
申请号：CN202410131122.8
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06N3/0464 , G06N3/0455 , G06F18/25 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种应用于移动终端的数据处理方法，包括：将获取到的待处理数据输入至预先训练得到的目标网络模型中进行数据分析处理；其中，目标网络模型中包括至少一组特征提取网络，特征提取网络包括第一特征提取单元和降采样单元，第一特征提取单元和降采样单元均对应于深度可分离卷积，第一特征提取单元和所述降采样单元所对应的卷积尺寸不同；基于第一特征提取单元对待处理数据进行特征提取，得到待处理特征；基于降采样单元对待处理特征进行特征提取，得到目标特征；通过对目标特征分析处理，确定与待处理数据相对应的数据处理结果。解决了模型的性能和参数量难以平衡的问题，降低模型复杂度，减少计算延迟。
-
公开(公告)号：CN117992608A
公开(公告)日：2024-05-07
申请号：CN202410131781.1
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F16/35 , G06F18/214 , G06F18/241 , G06F18/213
Abstract: 本发明公开了一种数据检测方法，包括：获取待检测数据，并依据预先设定的数据划分规则，确定与所述待检测数据相对应的至少一个待处理数据；对所述至少一个待处理数据进行特征提取，得到与所述待检测数据相对应的特征数据；对于每个待处理数据，基于所述待处理数据中各数据之间的关联关系，确定与所述待处理数据相对应的目标检测单位，并基于所述目标检测单位更新所述特征数据；基于预先训练得到的数据检测模型对所述特征数据进行数据检测，得到与所述特征数据相对应的预测结果；基于所述预测结果，确定所述待检测数据的目标数据；解决数据检测准确度较低的问题，提高数据检测准确度。
-
公开(公告)号：CN117994607A
公开(公告)日：2024-05-07
申请号：CN202410130601.8
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种视觉自注意力模型的训练方法，通过在视觉自注意力模型的主干网络中添加通道注意力机制；训练视觉自注意力模型，包括：获取多个训练样本；将当前训练样本中的输入样本输入至视觉自注意力模型中，确定多个特征向量；为多个特征向量拼接分类头向量以及可学习位置向量，得到待输入特征向量；将待输入特征向量输入至视觉编码器，得到待融合特征信息；基于多层感知机对待融合特征信息进行处理，得到预测结果；基于当前训练样本重复执行确定预测结果的次数达到预设次数阈值，将下一训练样本作为当前训练样本，直至视觉自注意力模型的准确率达到预设准确率阈值，提升了视觉自注意力模型对训练样本的学习能力，抑制模型的过拟合现象。
-
公开(公告)号：CN117993478A
公开(公告)日：2024-05-07
申请号：CN202410130275.0
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于双向知识蒸馏和联邦学习的模型训练方法、装置、电子设备及存储介质。该方法由客户端执行，包括：接收服务器发送的全局模型；对所述全局模型和位于客户端的局部模型进行双向知识蒸馏训练，得到中间全局模型；将所述中间全局模型发送至所述服务器，以使所述服务器对各客户端发送的中间全局模型进行模型聚合，得到目标全局模型。上述技术方案，提升了模型训练精度。
-
公开(公告)号：CN117952834A
公开(公告)日：2024-04-30
申请号：CN202410128157.6
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T3/4076 , G06N20/00
Abstract: 本发明公开了一种图像处理方法。具体方案为：获取第一分辨率图像；将第一分辨率图像输入至图像重构模型中进行分辨率调整处理，以得到与第一分辨率图像相对应的第二分辨率图像；其中，第一分辨率图像的分辨率低于第二分辨率图像的分辨率，图像重构模型中包括混合注意力模块，图像重构模型在训练阶段的损失值包括正交解耦模块确定的正交损失和基于分配权重矩阵确定的损失；输出第二分辨率图像。本发明利用图像重构模型对第一分辨率图像进行处理，获得第二分辨率图像，保证了第二分辨率图像的质量，提高了图像处理的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.113 seconds)
