-
公开(公告)号：CN119723550A
公开(公告)日：2025-03-28
申请号：CN202411785261.9
申请日：2024-12-05
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06V20/62 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种基于扩散模型的图像文本识别方法、装置和计算机设备，其中，该基于扩散模型的图像文本识别方法包括：基于输入图像的视觉特征，通过训练完备的扩散模型对输入图像进行重建，得到对应的目标图像；扩散模型的训练为：获取训练数据集；训练数据集中各样本图像对应不同的图像失真情况；基于各样本图像对扩散模型进行训练，得到训练完备的扩散模型；训练过程中的扩散模型用于将每个样本图像进行正向扩散，得到噪声图像，通过学习逐步去噪重建真实图像，实现目标图像的生成；对目标图像进行文本识别，得到目标图像中的文本字符序列。通过本申请，解决了无法在复杂场景下进行准确的文本识别的问题，实现了在复杂场景下进行准确的文本识别。
-
公开(公告)号：CN119539010A
公开(公告)日：2025-02-28
申请号：CN202411472372.4
申请日：2024-10-21
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06N3/082 , G06N3/0455 , G06F18/23 , G06F18/22
Abstract: 本申请涉及机器学习技术领域，提出一种机器学习模型微调方法、系统、服务器和客户端。在该方法中，首先由服务器对机器学习模型的所有网络层进行压缩处理，得到压缩后的目标网络层，并将目标网络层发送至客户端；然后，客户端基于本地的训练数据集对目标网络层的模型参数进行优化更新，并将优化更新后的模型参数发送回服务器；最后，服务器根据接收到的优化更新后的模型参数，对机器学习模型进行微调。采用该方法能够在模型微调的过程中减少传输的模型参数的数量，从而降低敏感信息的泄露风险，提高数据的隐私安全性。
-
公开(公告)号：CN118939757A
公开(公告)日：2024-11-12
申请号：CN202410990608.7
申请日：2024-07-23
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: G06F16/33 , G06F16/338 , G06F16/31 , G06F40/216
Abstract: 本发明公开了一种基于大语言模型的零样本跨语言重排序方法、电子设备、介质，包括：获取若干语言种类对应的查询，以及若干语言种类对应的文档数据；对每一语言种类对应的文档数据建立词条到文档的映射，得到对应的倒排索引；将查询输入至该语言种类对应的倒排索引，得到每一查询对应的第一重排文档列表；对于每一查询，将查询分解为若干个子查询，对该查询对应的第一重排文档列表中的每一文档设置唯一标志符；设置提示词模板，将查询、子查询、第一重排文档列表、每一文档对应的唯一标志符、提示词模板输入至大语言模型中，输出每一文档与查询的相关性标志符排序，得到每一查询对应的第二重排文档列表。
-
公开(公告)号：CN118569356A
公开(公告)日：2024-08-30
申请号：CN202410729737.0
申请日：2024-06-06
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: G06N3/098 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N5/04 , H04L67/10 , G06V10/82 , G06V10/94 , G06V10/764 , G16H50/20
Abstract: 本发明公开了一种基于分组生成及联邦学习的业务执行方法、设备、介质，应用于客户端，包括：接收服务器下发的基准数据集、初始化的业务执行网络和生成对抗网络；利用本地数据集对业务执行网络进行训练，从而在基准数据集上进行推断，统计各标签的准确率组成向量；每一组别参与联邦学习的每轮迭代训练过程，包括对生成对抗网络进行训练；将高斯噪声输入随机选取的若干个经服务器聚合得到的全局对抗生成模型得到合成样本集；其中，每一组别是服务器基于经阈值截断、随机翻转的准确率组成向量对客户端进行分组得到；利用合成样本集和本地数据集对重新初始化的业务执行网络进行训练；接收经服务器聚合得到的全局业务执行网络，以此执行业务任务。
-
公开(公告)号：CN114482413B
公开(公告)日：2022-11-08
申请号：CN202210141363.1
申请日：2022-02-16
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: E04C5/16
Abstract: 本发明公开了一种插杆式快速连接装置，包括一端敞开结构的上套筒和下套筒，上套筒内设有伸出开口的插杆件，下套筒的敞开端设有可拆卸的挤压套筒，挤压套筒内设有多个挤压垫片，多个挤压垫片贴合连接围成中空的锥形筒结构，锥形筒的外锥面上设有螺旋槽，螺旋槽套设有锥形弹簧，锥形筒的外径和内径由下端面至上端面逐渐减小，插杆呈锥形且其锥度与锥形筒的内锥面的锥度相同，完成连接时，插杆的头部穿过锥形筒，挤压垫片的内表面与插杆表面贴合，本发明的插杆式快速连接装置，结构简单，方便安装并且连接效果牢固，挤压垫片间不易发生轴向相对运动。
-
Patent Agency Ranking
公开(公告)号：CN113591183B
公开(公告)日：2023-10-13
申请号：CN202110814032.5
申请日：2021-07-19
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06F30/13 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种黏性土地层多支点式围护结构非平衡计算方法，包括以下步骤：确定基坑剖面参数以及土体物理力学参数，确定围护结构模型简图及内支撑布置形式；计算深侧围护结构深度，计算作用在该侧围护结构上的主动土压力；根据围护结构位移改变量对作用在浅侧围护结构上的极限土压力进行修正；根据内支撑两端支撑力大小相同、位移改变量几何关系及修正后的浅侧围护结构上的力矩平衡方程，计算浅侧围护结构反弯点处的剪力，确定浅侧围护结构的有效嵌固长度和浅侧围护结构长度。本发明解决了非对称基坑围护结构设计按照开挖较深一侧设计时浅侧围护结构没有充分发挥支护作用的问题，在传统等值梁法的基础上做出修正，能够合理设计两侧围护结构。
-
公开(公告)号：CN113591183A
公开(公告)日：2021-11-02
申请号：CN202110814032.5
申请日：2021-07-19
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06F30/13 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种黏性土地层多支点式围护结构非平衡计算方法，包括以下步骤：确定基坑剖面参数以及土体物理力学参数，确定围护结构模型简图及内支撑布置形式；计算深侧围护结构深度，计算作用在该侧围护结构上的主动土压力；根据围护结构位移改变量对作用在浅侧围护结构上的极限土压力进行修正；根据内支撑两端支撑力大小相同、位移改变量几何关系及修正后的浅侧围护结构上的力矩平衡方程，计算浅侧围护结构反弯点处的剪力，确定浅侧围护结构的有效嵌固长度和浅侧围护结构长度。本发明解决了非对称基坑围护结构设计按照开挖较深一侧设计时浅侧围护结构没有充分发挥支护作用的问题，在传统等值梁法的基础上做出修正，能够合理设计两侧围护结构。
-
公开(公告)号：CN113033696A
公开(公告)日：2021-06-25
申请号：CN202110393261.4
申请日：2021-04-13
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于对比对抗网络的小样本商品图像分类算法，包括下列步骤：1)同类别与不同类别样本对组成；2)样本对相似性分类网络构建；3)相似性全局网络卷积；4)同类别样本对判别网络；5)分类网络与判别网络对抗优化。本发明还提供一种基于对比对抗网络的小样本商品图像分类系统。本发明利用大量标注的非目标类别商品样本，可以实现在标注少量目标类别商品图像时，通过对抗的方式实现相似性比对知识的转化，实现小样本商品图像的精准分类。
-
公开(公告)号：CN112381168B
公开(公告)日：2022-04-01
申请号：CN202011318081.1
申请日：2020-11-23
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/04 , G06T11/00
Abstract: 基于单样例引导物体表征拆分的图像编辑算法，包括下列步骤：1)基于单样例的监督模块构建；2)单样例引导下的自监督模块中的对偶策略构建；3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法，只需要为每一类别图像标注一个样本形成单样例样本，利用单样例样本引导大量无标注数据训练的方式，通过单样例的监督模块和单样例引导无标注数据的自监督模块，实现复杂场景的前景物体和背景表征拆分，使得在图像表征空间即可直接操作图像，轻松实现相关图像编辑任务。
-
公开(公告)号：CN112381168A
公开(公告)日：2021-02-19
申请号：CN202011318081.1
申请日：2020-11-23
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于单样例引导物体表征拆分的图像编辑算法，包括下列步骤：1)基于单样例的监督模块构建；2)单样例引导下的自监督模块中的对偶策略构建；3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法，只需要为每一类别图像标注一个样本形成单样例样本，利用单样例样本引导大量无标注数据训练的方式，通过单样例的监督模块和单样例引导无标注数据的自监督模块，实现复杂场景的前景物体和背景表征拆分，使得在图像表征空间即可直接操作图像，轻松实现相关图像编辑任务。
-
-
-
-
-
-
-
-
-
Search Results
351
records
(took 0.071 seconds)
