-
公开(公告)号：CN117689933A
公开(公告)日：2024-03-12
申请号：CN202311576114.6
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06T7/00 , G06V10/774
Abstract: 本发明提供一种医疗图像分类模型的联邦训练方法，包括：S1、初始化的步骤：在中心服务器上随机初始化一个全局模型并将其传递给多个参与方以作为每个参与方的初始本地模型，其中，每个参与方存储有本地数据，所述每个参与方的本地数据包括多个医疗图像及其对应的疾病标签，且每个参与方的本地数据与其他参与方的本地数据之间不存在交集；S2、联邦训练的步骤：所述中心服务器每接收到一个参与方完成本地训练后的本地模型的参数时进行一次全局模型更新，并将更新后的全局模型参数发送给对应参与方，该参与方将接收到的更新后的全局模型参数作为新的本地模型的参数进行下一次本地训练。
-
公开(公告)号：CN117272225A
公开(公告)日：2023-12-22
申请号：CN202311227928.9
申请日：2023-09-21
Applicant: 中国科学院计算技术研究所
IPC: G06F18/25 , G06F18/241 , G06F18/2415 , A61B5/00 , A61B5/16
Abstract: 本发明提出一种基于Stroop范式和近红外数据的认知检测支持方法和装置，包括根据fNIRS数据中HbO信号在各频率波段上大脑脑区间的耦合强度作为大脑效应连接图，通过卷积神经网络提取该大脑效应连接图的数据特征，得到大脑效应连接特征；通过卷积神经网络提取该fNIRS数据的数据特征，得到时空谱特征；将该大脑效应连接特征、该时空谱特征和该任务执行结果的数据特征进行拼接，得到融合特征，分类器根据该融合特征得到该训练用户属于AD、MCI和健康的概率作为认知检测支持结果。本发明能够通过各个不同视角数据的智能融合，综合评估用户的认知状态。
-
-
公开(公告)号：CN116204824A
公开(公告)日：2023-06-02
申请号：CN202310115408.2
申请日：2023-02-07
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F18/21 , A61B5/11 , G06F123/02
Abstract: 本发明提出一种基于注意力机制的多实例行为识别方法，包括：获取已知行为数据，生成多个行为数据包，对该行为数据包进行实例标记，并构建为训练集；构建识别模型，并以该训练集对该识别模型进行训练；该识别模型包括特征提取器、编码器和分类器，其中该编码器利用多头自注意力机制对该行为数据包内的实例进行权值分配；以该识别模型进行人体行为识别。本发明还提出一种基于注意力机制的多实例行为识别系统，以及一种用于实现多实例行为识别的数据处理装置。
-
公开(公告)号：CN116091841A
公开(公告)日：2023-05-09
申请号：CN202310173583.7
申请日：2023-02-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于端边云协同的深度神经网络分类方法，其获取经训练的多出口分类模型；根据端设备、边缘设备、云设备上可用的CPU、内存、网络带宽对经训练的多出口分类模型进行在线动态分区以确定使端边云协同推理的总的处理时延期望最小化的协同推理策略，多出口分类模型的任一出口模块进行提前分类预测的结果未达标时，该出口模块启动最优出口预测以从下游的出口模块和预测层中确定最有可能使分类预测的结果达标的最优出口，并指示下一次的分类预测跳跃至最优出口执行。
-
Patent Agency Ranking
公开(公告)号：CN112597884B
公开(公告)日：2023-04-28
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
公开(公告)号：CN115712852A
公开(公告)日：2023-02-24
申请号：CN202211446503.2
申请日：2022-11-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种神经网络分类模型的训练方法，模型包括提取样本特征的特征提取器和根据样本特征对样本分类的分类器，该方法包括按以下方式对基于源域的样本及标签训练得到的初始的模型进行一轮或多轮训练：S1、获取训练集，包括源域的样本对和目标域的样本对，任意样本对包括两个样本，每个样本为对人员采集的传感器数据，两个样本所对应的人员和被采集时该人员的行为类别相同；S2、利用训练集对当前的模型进行一次或多次训练，每次训练时基于预定的损失函数更新模型的参数，该损失函数被配置为：惩罚源域的样本的分类偏差、惩罚源域和目标域的样本的样本特征间的边缘分布差异和条件分布差异以及惩罚每个样本对中两个样本对应的时序分布差异。
-
公开(公告)号：CN115690534A
公开(公告)日：2023-02-03
申请号：CN202211315590.8
申请日：2022-10-26
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种图像分类模型的训练方法，所述图像分类模型通过特征提取器提取样本对应的样本特征并通过分类器根据样本特征对样本进行分类，所述方法包括：S1、获取初始的训练集，其包括来自多个源域的样本及指示每个样本所属源域的域属性以及所属类别的标签，其中，所述样本为图像，各源域的标签空间相同，一种标签对应一个子域；S2、利用初始的训练集训练特征提取器提取样本特征，并基于第一损失函数计算的损失值更新特征提取器的参数，所述第一损失函数被配置为基于域属性和标签惩罚不同源域的同一子域的样本对应的样本特征之间的差异；S3、对初始的训练集中的样本进行增强处理以添加所述多个源域之外的增强样本，利用样本及其增强样本对特征提取器和两个分类器进行对抗训练。
-
公开(公告)号：CN113112029B
公开(公告)日：2022-09-16
申请号：CN202110435786.X
申请日：2021-04-22
Applicant: 中国科学院计算技术研究所
IPC: G06F16/182
Abstract: 本发明提供一种应用于异构计算设备的联邦学习系统和方法，所述系统包括联邦学习管控平台以及多个联邦学习参与方计算设备，其中，在所述联邦学习管控平台和联邦学习参与方计算设备上部署联邦学习应用模块。本发明使各联邦学习参与方可以在使用异构计算设备的情况下，通过注册审批的形式加入联邦，在管控平台的调度下，使用适配于异构计算设备的通用联邦学习应用模块执行联邦学习建模任务及预测任务，使得有意愿加入联邦的参与方在能满足基本需求的情况下灵活、按需选择计算设备，并且降低部署和运维难度。
-
公开(公告)号：CN114399695A
公开(公告)日：2022-04-26
申请号：CN202210050077.4
申请日：2022-01-17
Applicant: 中国科学院计算技术研究所
IPC: G06V20/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G08B21/24 , G08B6/00
Abstract: 本发明提供一种盲人避障方法，所述方法包括：S1、获取当前环境的深度图像及RGB图像；S2、将所述深度图像切分成多个列区域并对每个列区域进行处理以获得每个列区域中的最小深度值；S3、基于每个列区域的最小深度值分别对每个列区域进行障碍物报警；S4、采用预设的目标检测模型检测RGB图像中的障碍物位置及类型并通过语音报告给盲人。本发明通过采用深度摄像头做避障检测，能够快速发现前面的障碍物体；通过RGB摄像机获取可见光图像(RGB图像)，在强光下也不会受到干扰，抗干扰能力极强。采用深度图像结合彩色图像，通过基于深度学习的图像识别，不仅能够有效避障，还可以区分前面障碍物的位置和类型，给盲人用户更准确的指引，提升安全性。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.054 seconds)
