-
公开(公告)号：CN117649662A
公开(公告)日：2024-03-05
申请号：CN202311372211.3
申请日：2023-10-23
Applicant: 北京计算机技术及应用研究所
IPC: G06V20/70 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种面向目标检测预标注场景的自动标注结果可靠性判别方法，属于目标检测领域。本发明通过在目标检测算法原有的分类分支和回归分支基础上，增加回归框可靠判断分支，计算回归分支输出结果和标注框的IOU值(取值0～1之间，愈大愈接近真值)，并将该值作为可靠判断分支的学习目标，可靠判断分支输出值高的对应的回归分支输出越准确，从而将回归问题转换为分类问题。本发明通过增加目标检测输出的回归位置质量判断分支，将目标框预测位置准确性问题转换为0‑1的概率判断；本发明将目标预测位置精度概率与类别概率融合输出结合，来筛选提取预标注输出结果，在保持预测标签类别精度的同时，也能保证预测标签的位置准确性。
-
公开(公告)号：CN117010517A
公开(公告)日：2023-11-07
申请号：CN202310910803.X
申请日：2023-07-24
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于量子线路的量子自动编码器的实现方法，属于量子计算机视觉领域。本发明构造量子自动编码器，将将待测样本通过主成分分析法(PCA)粗略压缩，将图片信息下采样为低维向量，将低维向量编码为量子初态，将量子初态与酉变换相互作用构建参数化的量子纠缠网络，生成输出量子态，由泡利算子集构建的输出函数，将输出量子态转变为经典状态预测值；将预测值输入到经典优化器进行优化。本发明能够大幅减少网络参数的数量，从而极大地降低了增加神经网络深度的成本。
-
公开(公告)号：CN116776950A
公开(公告)日：2023-09-19
申请号：CN202310465958.7
申请日：2023-04-27
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/082 , G06N3/084 , G06N3/047 , G06F18/24 , G06F18/214
Abstract: 本发明涉及一种基于样本重放和知识蒸馏的终身学习方法，属于人工智能领域。本发明中，任务t代表将要处理的任务数据集，缓冲区M存放了过去任务的部分数据集以及旧模型的概率输出信息，当前任务的样本通过蓄水池抽样算法选择性地加入到缓冲区M中；在训练时，选择一种深度学习模型F，模型F在任务t上训练损失记为Loss1，模型F在缓冲区M上的损失记为Loss2，总损失为Loss＝Loss1+α*Loss2；判断是否达到训练总轮数epochs，如果达到则导出训练好的模型文件，否则反向传播更新权重并再次计算Loss。本发明是一个通用的终身学习训练策略，适用于任何分类任务的深度学习模型，可以缓解神经网络灾难性遗忘问题，使深度学习模型具备持续学习的能力。
-
公开(公告)号：CN116416124A
公开(公告)日：2023-07-11
申请号：CN202310465984.X
申请日：2023-04-27
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于背景差分的安全场景预警方法，属于目标识别领域。本发明使用背景差分方法，选定背景帧作为参考，提取出图像中的物体，并通过几何空间关系计算判断物体是否为障碍物、越界或超量。本发明采用静止的摄像头和光照条件，并基于空间几何计算方法区分静止和移动的物体，用于在工作场景中的危险行为预警，为操作人员提供实时精准辅助，有效提高生产安全系数。本发明适用于三种场景：检测通道中是否存在较大尺寸的静止障碍物；检测工具台上的工具是否距离工具台边缘过近或越界(防止跌落)；检测工具台上的零部件是否属于且仅属于一个完整的产品。
-
公开(公告)号：CN114863091A
公开(公告)日：2022-08-05
申请号：CN202210404364.0
申请日：2022-04-18
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于伪标签的目标检测训练方法，属于半监督学习领域。本发明的分类输出进行多级处理，类别输出概率大于等于第一阈值的作为该目标的类别伪标签，类别输出概率值大于第二阈值小于第一阈值的，标记为特殊类，类别输出概率值小于等于第二阈值，作为背景类；在优化损失函数中，特殊类对损失函数无贡献；目标检测算法模型的输出包括分类分支、回归分支和回归框可靠判断分支，在回归分支输出的基础上，计算回归分支输出结果和标注框的IoU值，并将IoU值作为回归框可靠判断分支的学习目标，回归框可靠判断分支输出值高的对应的回归分支输出越准确。本发明保持新模型的输出多样性，保持伪标签类别精度的同时，也能保证伪标签的位置准确性。
-
Patent Agency Ranking
公开(公告)号：CN114666335A
公开(公告)日：2022-06-24
申请号：CN202210281072.2
申请日：2022-03-21
Applicant: 北京计算机技术及应用研究所
IPC: H04L67/1001 , H04L67/1008 , H04L67/1029
Abstract: 本发明涉及一种基于DDS的分布式系统负载均衡装置，属于分布式运算领域。本发明的装置包括客户端和服务端，客户端部署在需要进行负载均衡管理的计算机节点上，客户端包括节点资源信息收集模块和命令接收执行模块，用于所在计算机节点的节点资源信息收集并将信息上报到服务端，通过接收服务端的命令执行节点上任务的迁移操作；服务端包括节点负载检测模块和负载均衡调度模块，从客户端接收节点资源信息，针对各节点的资源特性统计负载状态，根据负载状态分析出任务迁移方案，向客户端发送；客户端与服务端之间通过DDS中间件进行数据和命令通信。本发明解耦实现了节点间大批量的、低延时的数据传输，具有良好的稳定性、扩展性、移植性以及灵活性。
-
公开(公告)号：CN113408731A
公开(公告)日：2021-09-17
申请号：CN202110683925.0
申请日：2021-06-21
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种K‑Nearst‑Neighbor量子线路实现方法，属于量子算法仿真领域。本发明结合量子线路编辑和经典KNN算法的基本思想，构造了量子KNN线路；将待检测样本放在量子计算网络第一寄存器中，训练集存入第二寄存器，并准备一位辅助位量子态|0>在第三寄存器中,通过量子受控非门、泡利门对样本和训练集进行运算，并统计Hamming距离，根据Hamming距离更改辅助量子位，对KNN类别进行测量。本发明量子信息处理表现出的并行性将是经典计算能力无法比拟的。同时，经典量子混合计算架构也符合当前量子人工智能领域的发展趋势，使得本发明具有科研前沿性和创新性。
-
公开(公告)号：CN113378373A
公开(公告)日：2021-09-10
申请号：CN202110634612.6
申请日：2021-06-08
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种图像CS中基于二进制序列族的确定性双极矩阵设计方法，属于图像处理领域。本发明根据采样信号大小的维度，设定参数，选择相应的迹生成函数；选取有限域上的一个本原域元素，应用选择的迹生成函数，可得到相应的二进制序列族，对其进行元素替代转换可得到对应的双极性序列族，将此双极性序列族的所有序列作为列向量进行排列可得到子矩阵1；选取有限域上的另一个本原域元素，重复上述过程，得到对应的双极性序列族和子矩阵2；把子矩阵1和子矩阵2以列扩展形式进行连接得到确定性双极矩阵。本发明具有高感知性能，低存储、低计算复杂度和易于硬件实现的工程实践化特征，可用于实际的压缩感知应用场景。
-
公开(公告)号：CN112364980A
公开(公告)日：2021-02-12
申请号：CN202011238536.9
申请日：2020-11-09
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明公开了一种弱监督场景下基于强化学习的深度神经网络训练方法，包括：通过弱监督学习生成弱监督标注样本；合并弱监督标注样本与人工标注样本得到混合训练数据集；采用混合训练数据集对联合目标任务和数据源鉴别任务的深度神经网络进行预训练；采用强化学习进行样本加权，初始化代理器的参数并加载预训练环境的参数，代理器为所述强化学习模型，环境为所述联合目标任务和数据源鉴别任务的深度神经网络；代理器与环境进行若干轮交互训练，交互训练为马尔可夫决策过程，代理器与环境在交互训练中进行零和博弈。该方法通过在深度神经网络的训练过程中应用自适应样本加权策略，提升了深度神经网络对弱监督标注样本中的噪声和冗余信息的鲁棒性。
-
公开(公告)号：CN119743261A
公开(公告)日：2025-04-01
申请号：CN202411679407.1
申请日：2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: H04L9/30
Abstract: 本发明涉及一种基于量子近似优化算法的整数分解方法，属于密码破译技术领域。本发明构建子句以描述分解RSA密钥M的优化算法，M为一整数；基于子句构建参数化量子线路；基于量子近似优化算法求解参数化量子线路的参数，测量最终量子态；量子态测量结果映射为RSA密钥M的两项质因数P和Q，P和Q用于计算RSA算法的私钥。本发明采用参数化量子门电路描述密钥整数分解优化问题，易于在通用量子计算机上实现和进行扩展。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.047 seconds)
