-
公开(公告)号：CN109427052B
公开(公告)日：2020-10-02
申请号：CN201710757936.2
申请日：2017-08-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司 , 沈阳何氏眼科医院有限公司
Abstract: 本发明实施例提供基于深度学习处理眼底图像的相关方法及设备。其中，一种基于深度学习的眼底图像处理方法包括：以预设分割方式分割待处理眼底图像，获得至少一个分析图像；通过眼底图像深度学习网络模型对至少一个分析图像进行分析，获得至少一个中间图像；融合至少一个中间图像，以获得包含特征标记的待处理眼底图像；其中，眼底图像深度学习网络模型为通过深度学习网络对至少一个训练图像分别进行多层卷积计算，以迭代更新深度学习网络模型获得的；在每一次更新深度学习网络模型的过程中，结合最后一层卷积计算获得的特征图及至少一个更新特征图，更新深度学习网络模型；更新特征图为对一层卷积计算获得的特征图再次进行卷积计算获得的特征图。
-
公开(公告)号：CN108630319A
公开(公告)日：2018-10-09
申请号：CN201710169102.X
申请日：2017-03-21
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
IPC: G16H50/70
Abstract: 本发明提供一种基于医疗数据建模的预测方法及装置，该方法包括：根据源医疗数据的业务类型将源医疗数据划分为多类业务数据；对多类业务数据进行关联处理，构建可供建模的数据集；根据所述数据集进行建模，生成医疗预测模型；根据所述医疗预测模型，对测试集样本进行预测；本发明实施例提供的方法减小了医疗预测的工作量，提升预测效率。
-
公开(公告)号：CN108132957A
公开(公告)日：2018-06-08
申请号：CN201611095424.6
申请日：2016-12-01
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
IPC: G06F17/30
Abstract: 本发明公开了一种数据库处理方法，包括：利用源数据库的表结构信息，获取含有单主键的至少一个第一表；针对每个含有单主键的第一表，将单主键数据与所述源数据库中除所述至少一个第一表外的第二表进行匹配，建立含有单主键的第一表与第二表之间的主从表关系；利用建立的主从表关系，利用左连接的方式确定源数据库的表之间的关联关系；对得到的关联关系进行排序和合并，生成关系树。本发明同时还公开了一种数据库处理装置。
-
公开(公告)号：CN108121993A
公开(公告)日：2018-06-05
申请号：CN201611075915.4
申请日：2016-11-28
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团公司
IPC: G06K9/62
Abstract: 本发明公开了一种数据处理方法，包括：获取多个数据样本；所述多个数据样本形成数据集合；利用所述数据集合，基于Adaboost算法，确定所述多个数据样本的分类；其中，确定所述多个数据样本的分类过程中，每个弱分类器的输出表征对数据样本分类的判决结果为以下之一：正确、错误、有缺失值未确定数据样本的分类；分类错误和有缺失值未确定数据样本分类的数据样本的权重增加，以对所述多个数据样本进行下一次的分类。本发明同时还公开了一种数据处理装置。
-
公开(公告)号：CN119323964A
公开(公告)日：2025-01-17
申请号：CN202411443211.2
申请日：2024-10-16
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请实施例提供了一种音频信号的编码方法、解码方法、设备及存储介质，该方法包括：获取第t帧的第一音频信号；根据目标编码模式，确定待编码的第一目标信号；对所述第一目标信号进行编码得到第一编码信号，向第二设备发送所述第一编码信号；其中，所述目标编码模式包括第一模式和第二模式；在所述第一模式下，所述第一目标信号为所述第一音频信号；在所述第二模式下，所述第一目标信号为第二音频信号，所述第二音频信号是所述第一音频信号和第一残差信号中信息量的较少者，所述第一残差信号是所述第一音频信号与预测得到的第t帧的预测信号之间的残差。本申请在兼容传统编码解码方法的同时，还通过引入神经网络，进一步提升音频编码效率。
-
Patent Agency Ranking
公开(公告)号：CN114764614B
公开(公告)日：2024-11-12
申请号：CN202110029346.4
申请日：2021-01-11
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明提供一种神经网络压缩方法、装置和存储介质，属于计算机视觉领域。所述神经网络压缩方法，通过对训练后的神经网络的每一指定卷积层进行逐层执行如下操作：在所述指定卷积层后分别添加编码层和激活层，得到待压缩的神经网络；采用训练图像集和验证图像集，将所述待压缩的神经网络训练m个迭代，直到所述激活层输出的特征向量的稀疏性满足第一阈值；根据所述激活层输出的特征向量和第二阈值，删除所述指定卷积层中的冗余通道，获取剪枝后的指定卷积层；最后，获得对所有指定卷积层都完成剪枝后的压缩后的神经网络模型；通过上述方法实现对通过对剪枝方法的优化，实现对卷积神经网络的压缩效果的优化。
-
公开(公告)号：CN118799551A
公开(公告)日：2024-10-18
申请号：CN202410838457.3
申请日：2024-06-26
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/25 , G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种目标检测方法、装置、设备、存储介质及程序产品，通过对待检测图像进行目标定位，根据定位出的第一位置信息从待检测图像中提取目标对象所在区域的局部图像；对局部图像中的目标对象和标定线进行定位，得到目标对象的第一位置检测结果和标定线的第二位置检测结果；当标定线处于同一平面时，根据第二位置检测结果，确定目标对象的位移检测结果；当标定线不处于同一平面时，根据第一位置检测结果对标定线进行角度补偿，并根据补偿角度和第二位置检测结果，确定目标对象的位移检测结果，从而有效提高标定线连续性判断的准确率，提高任意视角下目标位移检测的精度。
-
公开(公告)号：CN118797491A
公开(公告)日：2024-10-18
申请号：CN202311713870.9
申请日：2023-12-13
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/2431 , G06F18/214 , G06N3/0442 , G06N3/084 , G06N3/09
Abstract: 本申请公开了一种信号检测方法、装置、设备及计算机可读存储介质。其中，方法包括：获取目标信号数据；对所述目标信号数据进行周期性划分，得到至少两个周期的信号数据；对所述至少两个周期的信号数据进行特征提取，得到关键点特征；所述关键点特征表征所述目标信号数据所在业务领域的关键先验知识；基于提取的所述关键点特征，构建第一网络；所述第一网络表征图卷积神经网络；利用所述第一网络进行信号的异常检测，得到相应的检测结果。
-
公开(公告)号：CN117274659A
公开(公告)日：2023-12-22
申请号：CN202310939189.X
申请日：2023-07-27
Applicant: 中国移动通信集团广东有限公司 , 中移湾区(广东)创新研究院有限公司 , 中国移动通信有限公司研究院
Inventor： 张豪杰 , 党志俊 , 蔡铁光 , 刘少武 , 陈翰翔 , 崔志顺 , 蔡伟文 , 孔轶 , 许耀顺 , 罗亚丹 , 万奇 , 刘福生 , 左建 , 李梓萌 , 刘玮 , 朱建 , 蔡静仪 , 吴威 , 李虹 , 张慧勇 , 吉毅 , 倪春亚 , 张志鹏 , 何应腾 , 袁晓航 , 马文婷 , 郝源 , 康悦 , 李科 , 马婧
IPC: G06V10/764 , G06V10/82
Abstract: 本公开提供一种图像处理方法、图像处理装置、存储介质及电子设备，涉及人工智能技术领域。所述方法包括：基于目标检测算法获取检测目标的先验知识，所述检测目标为连续目标，所述先验知识包括所述连续目标的头尾信息；依据所述头尾信息确定所述检测目标的起止位置，并在所述起止位置确定的范围内，依次搜索所述检测框的大小满足预设条件的中间检测目标；对于搜索到的当前中间检测目标，确定所述当前中间检测目标与前一个所述中间检测目标的中心点连线的角度，当所述中心点连线的角度小于预设阈值时，将所述当前中间检测目标作为所述检测目标在当前位置的检测结果。本公开利用角度信息的一致性控制目标的连续性，提高了目标检测的准确率和检出率。
-
公开(公告)号：CN111612021B
公开(公告)日：2023-10-31
申请号：CN201910133229.5
申请日：2019-02-22
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/98 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明提供一种错误样本识别方法、装置及终端，该错误样本识别方法包括：获取待识别数据集；利用所述待识别数据集训练深度学习网络，获得所述待识别数据集中的每个样本的损失值序列；根据所述每个样本的损失值序列，识别得到所述待识别数据集中的错误标注样本。本发明的实施例，可以利用样本自身的特征信息，即正确标注样本和错误标注样本在模型训练过程中损失值序列上的不同表现，实现对错误标注样本的自动识别，从而提高识别错误标注样本的效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.088 seconds)
