-
公开(公告)号：CN119943129A
公开(公告)日：2025-05-06
申请号：CN202510026906.9
申请日：2025-01-07
Applicant: 复旦大学
Abstract: 本申请涉及抗体检测技术领域，公开了一种抗体序列检测方法、介质和设备，能够提升抗体中CDR‑H3环的结构检测精度。该方法包括：获取第一抗体序列，第一抗体序列包括成对的重链和轻链；获取第一抗体序列的第一特征、第二特征和第三特征，其中，第一特征用于指示第一抗体序列与同源序列之间的进化约束信息，第二特征用于指示第一抗体序列中的氨基酸对之间的相互关系，第三特征用于指示第一抗体序列中氨基酸之间的依赖关系；对第一特征和第三特征进行融合处理，得到第一抗体序列的融合特征；根据第二特征和融合特征，检测得到第一抗体序列的三维结构。
-
公开(公告)号：CN115705616A
公开(公告)日：2023-02-17
申请号：CN202110899802.0
申请日：2021-08-06
Applicant: 复旦大学
IPC: G06T3/00 , G06T3/40 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于结构一致性统计映射框架的真实图像风格迁移方法，步骤包括：数据集的构建与预处理、网络模型的构建、网络模型的训练优化、网络模型的测试、对图片进行风格迁移等步骤；其中网络模型基于结构一致性统计映射的框架，分为多个连续映射的子网络，每个子网络为结构相同的多尺度的编码解码网络；使用色域均值损失等损失函数对网络进行训练，能充分保持内容结构，并利用全局色彩分布信息，使网络取得更好的生成效果。与现有技术相比，本发明提出的方法能够在保持内容图片内容细节和色彩层次的前提下，实现实时的真实图像风格的迁移，并得到优于其他主流方法的整体效果。
-
公开(公告)号：CN117541868A
公开(公告)日：2024-02-09
申请号：CN202311558413.7
申请日：2023-11-21
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/74 , G06N3/0455 , G06N3/09
Abstract: 本申请提供了一种图像分类模型的训练方法、图像分类方法、模型、计算机设备及介质，包括获取包括图像三元组的训练样本，所述图像三元组包括查询图像、与所述查询图像属于相同类别的正图像和与所述查询图像属于不同类别的负图像；提取所述查询图像、所述正图像、所述负图像的向量特征；利用多头交叉注意力层对所述查询图像、所述正图像、所述负图像的向量特征交叉注意处理；利用多头自注意力层增强所述交叉注意力层的输出的表征；基于所述自注意力层的输出计算损失；以及基于所述损失训练所述图像分类模型。
-
公开(公告)号：CN117274745A
公开(公告)日：2023-12-22
申请号：CN202311258876.1
申请日：2023-09-26
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/764 , G06V10/74
Abstract: 本申请公开了一种数据集生成、语义匹配和语义匹配模型训练方法和装置，应用于客户端，其中，数据集生成方法包括：确定第一数据集，第一数据集包括多个第一图像对，各第一图像对具有对应的类别信息；将第一数据集输入至数据集处理模型，由数据集处理模型根据第一数据集进行数据集生成处理，得到第二数据集，第二数据集包括多个第二图像对，各第二图像对具有对应的像素级标签，像素级标签基于第一图像对的类别信息得到，并且像素级标签用于表示第二图像对的像素级匹配关系。由此，有效地简化了对数据集进行大量标注以得到满足要求的数据集的处理过程，节省了人工成本，并且使得基于数据集训练得到的语义匹配模型具有更强的泛化能力和准确性。
-
Patent Agency Ranking
公开(公告)号：CN117235580A
公开(公告)日：2023-12-15
申请号：CN202311256052.0
申请日：2023-09-26
Applicant: 复旦大学
Abstract: 本申请公开了一种样本类型检测、类别置信度确定模型生成方法和装置，应用于客户端，其中，样本类型检测方法包括：确定第一样本；将第一样本输入至类别置信度确定模型，类别置信度确定模型包括多个类别置信度确定模块，类别置信度确定模块包括目标类别对应的目标类别置信度确定函数，由类别置信度确定模型通过目标类别置信度确定函数，确定第一样本和目标类别之间的分布距离，得到多个目标类别置信度；根据多个目标类别置信度，确定第一样本相对于目标类别的样本类型，样本类型包括分布内样本和分布外样本。如此，提升了样本类型检测的准确性，能够准确完成分布外样本检测任务。
-
公开(公告)号：CN115641256B
公开(公告)日：2023-05-26
申请号：CN202211310125.5
申请日：2022-10-25
Applicant: 复旦大学
IPC: G06T3/00 , G06T7/269 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本申请涉及人工智能领域，公开了风格迁移模型的训练方法、视频风格迁移的方法以及装置。训练方法包括获取训练数据，包括N帧样本内容图像和N个样本风格图像；通过风格去除模型，将N帧样本内容图像和N个样本风格图像进行图像风格迁移，得到N帧第一真实图像；通过风格恢复模型，将N帧样本内容图像和N帧第一真实图像进行图像风格迁移，得到N帧第二真实图像；根据N帧样本内容图像和N帧第一真实图像之间的第一损失函数、以及N帧样本内容图像和N帧第二真实图像之间的第二损失函数，确定风格去除模型的第一参数和风格恢复模型的第二参数。本发明可以高效地将风格图像的风格迁移给视频帧，同时不造成扭曲与伪影，并且不会造成前后帧的不连贯。
-
公开(公告)号：CN117541868B
公开(公告)日：2024-12-03
申请号：CN202311558413.7
申请日：2023-11-21
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/74 , G06N3/0455 , G06N3/09
Abstract: 本申请提供了一种图像分类模型的训练方法、图像分类方法、模型、计算机设备及介质，包括获取包括图像三元组的训练样本，所述图像三元组包括查询图像、与所述查询图像属于相同类别的正图像和与所述查询图像属于不同类别的负图像；提取所述查询图像、所述正图像、所述负图像的向量特征；利用多头交叉注意力层对所述查询图像、所述正图像、所述负图像的向量特征交叉注意处理；利用多头自注意力层增强所述交叉注意力层的输出的表征；基于所述自注意力层的输出计算损失；以及基于所述损失训练所述图像分类模型。
-
公开(公告)号：CN115641256A
公开(公告)日：2023-01-24
申请号：CN202211310125.5
申请日：2022-10-25
Applicant: 复旦大学
IPC: G06T3/00 , G06T7/269 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本申请涉及人工智能领域，公开了风格迁移模型的训练方法、视频风格迁移的方法以及装置。训练方法包括获取训练数据，包括N帧样本内容图像和N个样本风格图像；通过风格去除模型，将N帧样本内容图像和N个样本风格图像进行图像风格迁移，得到N帧第一真实图像；通过风格恢复模型，将N帧样本内容图像和N帧第一真实图像进行图像风格迁移，得到N帧第二真实图像；根据N帧样本内容图像和N帧第一真实图像之间的第一损失函数、以及N帧样本内容图像和N帧第二真实图像之间的第二损失函数，确定风格去除模型的第一参数和风格恢复模型的第二参数。本发明可以高效地将风格图像的风格迁移给视频帧，同时不造成扭曲与伪影，并且不会造成前后帧的不连贯。
-
公开(公告)号：CN115272782A
公开(公告)日：2022-11-01
申请号：CN202111613040.X
申请日：2021-12-27
Applicant: 复旦大学
Abstract: 本发明提供一种辅助无人系统视觉决策的解释序列产生方法，为无人系统的监督任务提供层次化的决策依据，赋予系统决策透明性，方便开发者持续优化模型，其特征在于，包括以下步骤：步骤S1，将图像数据输入至预训练好的卷积神经网络模型获取最后一层的特征图张量以及每一层梯度信息；步骤S2，基于特征图张量和每一层梯度信息，采用人工智能可解释方法，获取决策显著图集合；步骤S3，基于决策显著图集合获取激活的输入数据图像集合；步骤S4，将激活的输入数据图像集合输入至预训练好的卷积神经网络模型，采用全局工作空间映射获取各显著图组对应的权重系数；步骤S5，基于各显著图组对应的权重系数合成显著图，并基于权重系数的预定顺序得到决策序列。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.012 seconds)
