-
公开(公告)号：CN108875777A
公开(公告)日：2018-11-23
申请号：CN201810413037.5
申请日：2018-05-03
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法，首先利用手机装上专业光学放大摄像头采集纺织面料样本数据；其次，构建双路深度神经网络，以采集到纺织面料样本中部分图像块为输入，输出为纺织面料中纤维种类及混纺比例，对采集到的样本数据集预处理后，对构建的双路深度网络进行训练；实际使用中，利用手机配备的专业光学放大摄像头拍摄任意一种纺织面料，获得的图片远程传入训练好的深度网络，输出对应纺织面料中纤维种类以及对应混纺比例。通过上述3个步骤，可以识别出任意一种纺织面料中纤维种类以及对应混纺比例。
-
公开(公告)号：CN119295841B
公开(公告)日：2025-05-02
申请号：CN202411818625.9
申请日：2024-12-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 基于时空分布变化的伪造图片鉴别方法和装置，其方法包括：步骤1:获取任务训练数据，将其划分为训练集和验证集；采用所述训练数据，使用去噪扩散隐式模型去噪采样过程获得相邻噪声图的时序变化数据；获得每个候选判别因子DFactor和时间序列数据#imgabs0#之间的距离，基于KL散度的损失函数从候选DFactor的集合#imgabs1#中获得固定长度为#imgabs2#的最佳DFactor判别因子；采用最佳DFactor判别因子将时序变化数据构建成有向加权的演化图#imgabs3#；采用有向加权的演化图，学习所述时间序列的特征表示；将特征表示与对应的真假标签作为输入，训练分类器，实现伪造图片鉴别。本发明在图片伪造鉴别领域引入时序信息，不依赖于预训练加噪模型，在实际应用场景中有很好的泛化能力。
-
公开(公告)号：CN119445194A
公开(公告)日：2025-02-14
申请号：CN202411356507.0
申请日：2024-09-27
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/764 , G06N3/084 , G06N3/0464 , G06N3/0895 , G06T7/00 , G06T7/73
Abstract: 本发明公开了一种位置自监督的结直肠CT图像病变识别与定位方法，其通过自动化图像级分类和Patch级定位，显著减少医生工作量，并通过自监督学习减少对标注数据的依赖，具体包括构建多模态CT扫描序列数据集，关键帧选取与标注，图像预处理，以及结直肠CT图像识别与定位网络的构建和训练；网络包含图像级分类分支和Patch级定位分支，后者通过病变位置自监督模块增强病变区域识别；方法还包括时序和模态一致性约束，以提高病变区域位置定位的准确性；此外，方法通过掩码校正回路策略，增强类别标签与病变位置的一致性；本发明方法作为辅助工具，能够有效辅助医生进行手术规划和治疗选择，具有重要的临床应用价值。
-
公开(公告)号：CN119130492A
公开(公告)日：2024-12-13
申请号：CN202411234924.8
申请日：2024-09-04
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
IPC: G06Q30/018 , G06Q50/50 , G06F18/213 , G06F18/24 , G06F18/2135 , G06N3/048
Abstract: 一种针对快速变异信息的小样本电信反欺诈方法和装置，其方法包括：利用通用大模型构建特征抽取器；利用新数据收集支撑数据集；利用通用大模型收集支撑数据集的特征向量；获取支撑数据集的表征向量表达，组装特征矩阵；训练扩展小模型以适配新的数据风险。本发明首先收集小样本的支持数据集，通常为几条至几十条不等，然后利用超大规模语言模型对支撑文本进行数值特征转换，保留文本语义的同时降低大样本的需求；接着在支撑文本的样例空间进行降维，保留对新风险识别精度最大贡献的维度，最后在新特征空间中训练小模型完成新风险的识别。本发明针对快速变异的电信反欺诈识别问题，提供一种可持续发展的可快速迭代的小样本电信欺诈风险识别方法。
-
公开(公告)号：CN119129655A
公开(公告)日：2024-12-13
申请号：CN202411106683.9
申请日：2024-08-13
Applicant: 国网智能电网研究院有限公司 , 国网山东省电力公司济南供电公司 , 国网信息通信产业集团有限公司 , 中国电力科学研究院有限公司 , 浙江大学 , 国家电网有限公司
Inventor： 张希 , 王博 , 陈江琦 , 周飞 , 张国梁 , 王勇 , 刘晗 , 徐康 , 郭鹏天 , 王晓辉 , 李黎 , 陈勇 , 陈霞 , 梁栋 , 张纪伟 , 张若冰 , 邱镇 , 卢大玮 , 宋明黎 , 宋杰 , 王万国 , 袁弘
IPC: G06N3/0464 , G06N3/082 , G06N3/045 , G06V10/82
Abstract: 本发明提供了一种卷积网络掩码方法、系统、设备及存储介质，包括：对于卷积模块中卷积核大于设定阈值的卷积层，引入与输入特征图相同宽、高的分组矩阵，并为所述分组矩阵设置分组索引；每个输出位置在执行卷积的时间，从与所述分组矩阵同一位置上分组索引相同的区域取值并计算，得到带掩码的卷积计算结果。本发明提出一种带掩码的卷积计算方法，实现了将卷积集成到掩码图像建模自监督预训练方法中，同时还实现了高效并行计算。
-
Patent Agency Ranking
公开(公告)号：CN118427720A
公开(公告)日：2024-08-02
申请号：CN202410300080.6
申请日：2024-03-15
Applicant: 浙江大学
IPC: G06F18/243 , G06F18/27 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/01
Abstract: 基于可解释图神经树的电力系统暂稳判别方法和系统，其方法包含：S1.构建电网状态样本数据集；S2.对电网数据进行图表示与特征提取；S3.构建电网状态预测图卷积网络模型；S4.构建图神经网络可解释增强的决策树模型；S5.对决策树模型进行可视化渲染与可解释性增强；S6.根据模型进行电力系统判稳决策，实时监控和故障诊断，在电力系统实时监控和故障诊断应用中，模型接收来自电力系统的实时数据，输出暂稳判别结果。
-
公开(公告)号：CN118097378A
公开(公告)日：2024-05-28
申请号：CN202410053703.4
申请日：2024-01-15
Applicant: 浙江大学
IPC: G06V10/96 , G06V10/764 , G06V10/26 , G06V10/82 , G06V10/44 , G06V10/25 , G06V10/766 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 面向应用侧资源受限场景的计算机视觉多任务模型方法，计算机视觉多任务模型包括一个特征提取器、一个特征金字塔网络以及多个预测器，计算机视觉多任务包括图像分类、目标检测、语义分割、深度估计，预测器与计算机视觉多任务一一对应；包括：通过统一的数据增强方法对计算机视觉多任务中的每个任务所用训练数据集进行处理，以获取每个所述计算机视觉任务的训练数据；通过目标检测任务对应的训练数据，对基于特征金字塔的计算机视觉多任务模型的特征提取器、特征金字塔网络以及目标检测任务对应的预测器进行预训练；通过每个计算机视觉任务对应的训练数据，对基于特征金字塔的计算机视觉多任务模型进行训练。
-
公开(公告)号：CN117011525A
公开(公告)日：2023-11-07
申请号：CN202310880957.9
申请日：2023-07-18
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0985 , G06N3/0495
Abstract: 一种面向视觉大模型的解耦优化算法和系统，其算法包括以下步骤：1)提取类别语义特征；2)类别语义特征优化；3)根据类别语义信息压缩模型参数。本发明找到与特定任务相关的类别语义信息，取代交互式大模型的提示信息，完成特定任务解耦，同时通过增加硬编码，从而完成对模型架构的缩减与整体网络性能的优化。
-
公开(公告)号：CN116842708A
公开(公告)日：2023-10-03
申请号：CN202310718754.X
申请日：2023-06-16
Applicant: 浙江大学
IPC: G06F30/20 , G06F16/215 , G06F18/214 , G06F18/24
Abstract: 一种基于正则化的在线指数凹优化方法，包含：步骤1.收集公开数据集，对数据集进行数据清洗和分析；步骤2.对参数进行初始化设置；分别对四个参数进行初始化设置；步骤3.对获得的在线数据，根据学习到的模型给出决策，然后获得本轮基于真实标签与决策差异的损失；步骤4.根据损失函数信息做决策更新；决策更新主要分成两个部分：对每个损失函数中的指数凹部分执行ONS迭代、对正则化部分使用近端映射；步骤5.记录本轮学习到的参数，基于此得到一个模型，该模型用于步骤3中，然后重复步骤3和步骤4，对参数不断进行学习和更新，直至完成T轮博弈。本发明有能力利用的指数凹性来实现与ONS相同的遗憾界并达到正则化的效果。
-
公开(公告)号：CN116363418A
公开(公告)日：2023-06-30
申请号：CN202310240413.6
申请日：2023-03-06
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本说明书公开了一种训练分类模型的方法、装置、存储介质及电子设备。本方法通过确定各子网络层对应的输入维度中的无效维度，确定了对分类模型的输出结果无效的各子网络层对应的无效维度上各计算节点输出的结果，根据这些输出的结果确定第一损失，根据基于训练样本标注确定的第二损失以及该第一损失，确定总损失，以总损失最小训练分类模型，减少了各子网络层对应的无效维度上各计算节点输出的结果对分类模型的输出结果的影响，提高了分类模型的分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.06 seconds)
