-
公开(公告)号：CN117271734A
公开(公告)日：2023-12-22
申请号：CN202311246615.8
申请日：2023-09-25
Applicant: 重庆长安汽车股份有限公司
IPC: G06F16/332 , G06F40/35 , G06N20/00
Abstract: 本发明提出一种基于结构化数据微调预训练语言大模型的方法及系统，涉及语音交互的技术领域，解决了工业领域中的结构化数据的微调需求，导致会话生成难度大的问题，首先设定预训练语言大模型的输入数据和输出数据，其次获取包含输入数据的特征的结构化数据，再对结构化数据进行预处理，得到文本数据，然后基于文本数据，生成包含输出数据的特征的训练语料，并利用训练语料对预训练语言大模型进行微调，得到用于会话生成的微调后预训练语言大模型。本发明满足了对工业领域中的结构化数据的微调需求，通过提高预训练语言大模型的泛化能力，有效降低了会话生成难度。
-
公开(公告)号：CN117078560A
公开(公告)日：2023-11-17
申请号：CN202311251959.8
申请日：2023-09-26
Applicant: 重庆长安汽车股份有限公司
IPC: G06T5/00 , G06T7/10 , G06T15/00 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于对抗生成网络的图像真实感增强方法及系统，通过类别标签映射对真实样本图像与仿真样本图像进行配对，得到语义对齐的真实图像碎片和仿真图像碎片；将仿真样本图像的渲染信息编译为渲染特征；构建图像真实感增强模型，利用渲染特征以及配对好的真实图像碎片和仿真图像碎片训练图像真实感增强模型，根据生成图像的真实感损失和特征结构损失调整图像真实感增强模型的参数，得到训练好的图像真实感增强模型；利用训练好的图像真实感增强模型生成更具真实感的仿真图，实现复杂场景图像多目标的真实感风格迁移的同时保障了图像真实感风格迁移的效率和效果。
-
公开(公告)号：CN115630682A
公开(公告)日：2023-01-20
申请号：CN202211349205.1
申请日：2022-10-31
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种对抗样本生成方法、装置、设备、介质及模型训练方法，所述对抗样本生成方法通过向条件对抗生成网络中输入原始图像以及定向攻击标签，以生成第一扰动图像；采用核函数对所述第一扰动图像进行平滑处理，得到第二扰动图像；将所述第二扰动图像与所述原始图像进行叠加，形成对抗样本。本发明所提供的对抗样本生成方法由于引入了核函数对初始生成的扰动图像进行平滑处理，降低了生成的对抗样本对于攻击模型的敏感性，具有较好的迁移攻击性能，此外由于本发明的条件对抗生成网络中包含CAN网络，使得利用本方法生成的对抗样本在黑盒场景下相对于传统的基于梯度迭代的方法具有更高的计算效率。
-
公开(公告)号：CN115546525A
公开(公告)日：2022-12-30
申请号：CN202211289814.2
申请日：2022-10-20
Applicant: 重庆长安汽车股份有限公司
IPC: G06V10/762 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本申请涉及多视图聚类技术领域，特别涉及一种多视图聚类方法、装置、电子设备及存储介质，其中，方法包括：获取待聚类的多个视图；提取每个视图的至少一个图像特征，得到多个图像特征；将多个图像特征输入预先训练得到的聚类模型，利用聚类模型的预设公共隐空间和预设结构化隐空间分别提取不同视图之间的互补信息和结构信息，利用互补信息和结构信息匹配每个视图的实际类别，基于实际类别对多个视图进行聚类，输出多个视图的聚类结果。由此，解决了相关技术基于原始数据矩阵或者浅层特征构建图，并利用不同的融合策略将多个图融合起来的方式，不仅计算量大，且聚类效果严重依赖于原始构图的质量，从而限制了多视图聚类的效果等问题。
-
公开(公告)号：CN117149479A
公开(公告)日：2023-12-01
申请号：CN202310916998.9
申请日：2023-07-24
Applicant: 重庆长安汽车股份有限公司
IPC: G06F11/07 , G06F16/903 , G06F18/22 , G06F40/186 , G06F40/284 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种车机日志检测模型训练方法、装置、电子设备及存储介质，包括：获取待检测的车机日志，生成车机日志对应车机日志数据，对车机日志数据进行精细化处理，得到精细化日志数据，基于精细化日志数据，确定目标日志模板中日志单词的词向量，并将日志单词的词向量的加权平均值作为目标日志模板向量，对车机日志数据进行滑动窗口分割，得到分割结果，采用目标日志模板向量对分割结果进行处理，得到待训练数据集，根据待训练数据集训练预设神经网络，得到车机日志检测模型。本发明实施例基于加权优化的最长公共子序列模型，对日志关键字段提高计算权重，提高了后续日志事件模板的精确率，从而提高了日志异常检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117079067A
公开(公告)日：2023-11-17
申请号：CN202310479740.7
申请日：2023-04-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V10/774 , G06V10/75 , G06V10/82 , G06V10/42 , G06V10/54 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本申请涉及机器学习技术领域，提供了一种模型对抗攻击方法、装置、设备及介质，方法包括：通过初始生成网络，得到携带标签的第一攻击数据集对应的初始对抗样本，并将初始对抗样本传输至目标攻击模型对应的替代模型，得到替代模型的损失值；将第一攻击数据集和不携带标签的第二攻击数据集传输至特征匹配网络，以对语义特征、纹理特征进行特征匹配，得到特征匹配网络的损失值；根据替代模型的损失值、特征匹配网络的损失值，更新初始生成网络的参数，得到目标生成网络；将目标攻击数据集传输至目标生成网络，得到目标对抗样本，并将目标对抗样本传输至目标攻击模型，以实现模型对抗攻击。提高了跨域数据对目标模型的攻击效果，模型攻击范围更广。
-
公开(公告)号：CN116958746A
公开(公告)日：2023-10-27
申请号：CN202310914130.5
申请日：2023-07-24
Applicant: 重庆长安汽车股份有限公司
IPC: G06V10/774 , G06V10/56 , G06V10/82 , G06N3/0475 , G06N3/084
Abstract: 本发明公开了对抗样本生成方法、系统、存储介质及电子设备，涉及汽车智能化应用技术领域，其方法包括以下步骤：S1、获得与训练样本对应的第一颜色统计特征，基于训练样本xi的随机噪声生成第一对抗样本；S2、获得第二颜色统计特征；S3、将第一颜色统计特征及第二颜色统计特征进行归一化处理，分别获得第一颜色分布特征及第二颜色分布特征，并计算二者在颜色各通道之间的相似损失值；S4、通过相似损失值计算获得总体损失值，通过总体损失值与原始损失值计算得到更新损失值；S5、通过更新损失值反向传播更新第一对抗样本，通过本发明生成的对抗样本无论在数字世界和还是在物理世界均可与训练数据具有更高的相似性。
-
公开(公告)号：CN116373536A
公开(公告)日：2023-07-04
申请号：CN202310274293.1
申请日：2023-03-20
Applicant: 重庆长安汽车股份有限公司
IPC: B60H1/00
Abstract: 本申请公开了一种车载空调控制方法、装置及可读存储介质，涉及空调控制技术领域，用于得到表现更加优异的空调控制策略，以提升乘客的使用体验感。该方法包括：获取当前时刻的当前车辆数据以及当前时刻之前预设时间段的历史车辆数据，并根据当前车辆数据以及历史车辆数据得到待处理车辆数据；确定待处理车辆数据的特征向量；特征向量包括第一特征向量以及第二特征向量；基于第一特征向量、第二特征向量以及预先训练好的车载空调控制模型，得到车载空调控制策略，并按照车载空调控制策略控制车载空调。
-
公开(公告)号：CN116311116A
公开(公告)日：2023-06-23
申请号：CN202310139681.9
申请日：2023-02-20
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N20/20
Abstract: 本申请涉及车辆技术领域，特别涉及一种基于多视角连续学习的分类方法、装置、设备及存储介质，其中，方法包括：获取第一视角图像数据和第二视角图像数据，融合第一视角图像数据和第二视角图像数据，得到双视角融合数据，并将双视角融合数据输入至预先学习的多个分类器，得到每个分类器输出的双视角融合数据所属类别的概率，基于每个分类器输出的双视角融合数据所属类别的概率，聚合得到最终分类结果。由此，解决了传统深度学习模型的融合过程具有一定的偶然性，模型无法记住或识别先前状态，导致难以处理对之前状态的重新访问等问题，从而进一步提升无人驾驶系统在复杂场景中的安全性与稳定性。
-
公开(公告)号：CN116307112A
公开(公告)日：2023-06-23
申请号：CN202310139040.3
申请日：2023-02-20
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06F16/2458
Abstract: 本申请涉及非均匀时序数据做预测技术领域，特别涉及一种非均匀时序数据的处理方法、装置、电子设备及存储介质，包括：获取当前车辆的非均匀时序数据；对非均匀时序数据进行预处理，并按照预设组合策略，对预处理后的非均匀时序数据进行数据组合，得到多个用于预测的数据组；将多个用于预测的数据组输入至预先构建的预测模型，并根据预测结果对当前车辆的未来状态进行预测。由此，解决了目前非均匀时序数据，不能直接作为时序模型的输入数据等问题，能够预测在一段时间内车内温度变化、车速变化、光照强度变化等，对驾驶员开启空调、空调温度设置造成怎样的影响，从而预估驾驶员开启空调的时间以及温度的设置，为驾驶员推荐所需要的空调设置。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.045 seconds)
