公开(公告)号：CN118857274A

公开(公告)日：2024-10-29

申请号：CN202411344842.9

申请日：2024-09-25

Applicant: 之江实验室

Inventor： 马嘉 ,  兰昆艳 ,  刘洋 ,  施航 ,  任祖杰

IPC: G01C21/08 ,  G06F18/25 ,  G06F18/15 ,  G06F18/213 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/048

Abstract: 本说明书公开了一种模型训练方法和地磁导航的航迹规划方法及装置。所述模型训练方法包括：获取目标区域的地磁信息以及目标载体在第一时刻所处运动环境的环境信息并输入待训练的航迹规划模型，通过决策网络，确定目标载体的运动决策信息；根据运动决策信息以及第一时刻的状态信息，确定第二时刻的状态信息；根据第一时刻的状态信息和第二时刻的状态信息，确定奖励值；将第一时刻的状态信息和第二时刻的状态信息输入价值网络，以通过价值网络，确定第一时刻的状态信息对应的评价值以及第二时刻的状态信息对应的评价值；根据第一时刻的状态信息的评价值、第二时刻的状态信息对应的评价值以及奖励值，确定损失值并进行模型训练。

公开(公告)号：CN118673959B

公开(公告)日：2024-10-22

申请号：CN202411153835.0

申请日：2024-08-21

Applicant: 之江实验室

Inventor： 袁勇 ,  施航 ,  任祖杰 ,  缪锐 ,  朱琦 ,  孙沁璇 ,  刘洋 ,  彭风光 ,  庞心健

IPC: G06N3/04 ,  G06N3/086 ,  G06V10/764 ,  G06V10/82

Abstract: 在本说明书提供一种混合精度量化方法、装置、介质及设备，通过确定深度神经网络模型中的各层的量化位宽，对深度神经网络模型进行量化，确定候选量化模型，并将样本分别输入深度神经网络模型以及候选量化模型，确定候选量化模型的量化误差、加速比以及压缩效果，进而确定候选量化模型的适应度，最后，根据预设的进化算法以及候选量化模型的适应度，确定深度神经网络模型的目标量化模型，使得混合精度量化方法能够根据少量无标签样本确定深度神经网络模型的目标量化模型，提高了混合精度量化方法的泛用性。

公开(公告)号：CN118097359A

公开(公告)日：2024-05-28

申请号：CN202410493628.3

申请日：2024-04-23

Applicant: 之江实验室

Inventor： 缪锐 ,  施航 ,  任祖杰 ,  袁勇 ,  朱琦 ,  孙沁璇 ,  刘洋

IPC: G06V10/80 ,  G06V20/13

Abstract: 本说明书提供的一种模型训练方法、装置、存储介质以及电子设备，获取目标区域的全色图像、多光谱图像以及标准融合图像，将全色图像以及多光谱图像输入到目标模型中，以提取出全色图像的频域特征以及多光谱图像的频域特征，并将全色图像的频域特征以及多光谱图像的频域特征进行特征融合，以确定出第一特征图像，以及，对全色图像以及多光谱图像进行图像融合，以根据融合后的图像中包含的各像素点的像素信息，确定出自适应权重，并根据自适应权重对融合后的图像进行处理，以得到第二特征图像，将第一特征图像与第二特征图像进行叠加，以确定输出的预测融合图像，以最小化预测融合图像与标准融合图像之间的偏差为优化目标，对目标模型进行训练。

公开(公告)号：CN117746193A

公开(公告)日：2024-03-22

申请号：CN202410194170.1

申请日：2024-02-21

Applicant: 之江实验室

Inventor： 窦宝成 ,  马嘉 ,  兰昆艳 ,  任祖杰 ,  施航

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/75 ,  G06V20/13

Abstract: 本说明书公开了一种标签优化方法、装置、存储介质及电子设备。所述标签优化方法包括：获取样本图像的各基础标签，将样本图像和各基础标签输入到预先训练的细粒度遥感目标检测模型中，得到样本图像的预测标签以及预测标签对应的置信度，针对每个基础标签，根据该基础标签和该基础标签对应的匹配标签集中的预测标签之间一致程度，以及，该基础标签对应的匹配标签集中包含的各预测标签的置信度，确定该基础标签对应的质量权重，以根据质量权重从各基础标签中筛选出待优化基础标签，并根据匹配标签集对待优化基础标签进行优化，得到优化后标签，根据优化后标签以及其他基础标签，对细粒度遥感目标检测模型进行训练。

公开(公告)号：CN117649613A

公开(公告)日：2024-03-05

申请号：CN202410128325.1

申请日：2024-01-30

Applicant: 之江实验室

Inventor： 窦宝成 ,  马嘉 ,  兰昆艳 ,  任祖杰 ,  施航

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80

Abstract: 本说明书公开了一种光学遥感图像优化方法、装置、存储介质及电子设备。所述光学遥感图像优化方法包括：获取第一目标图像以及第一目标图像对应的第二目标图像，其中，第一目标图像为光学遥感图像，第二目标图像为合成孔径雷达SAR图像，对第一目标图像进行图像检测，以从第一目标图像中确定出部分存在图像信息缺失的图像区域，作为目标区域，根据第一目标图像的风格特征，对第二目标图像进行图像调整，得到调整后的第二目标图像，将目标区域内的第一目标图像替换为目标区域内调整后的第二目标图像，以将第二目标图像融合到第一目标图像中，得到优化后第一目标图像。进而可以将优化后的第一目标图像通过去云雾网络处理得到去云雾后恢复的图像。

公开(公告)号：CN117456323A

公开(公告)日：2024-01-26

申请号：CN202311350663.1

申请日：2023-10-17

Applicant: 之江实验室

Inventor： 缪锐 ,  施航 ,  任祖杰 ,  袁勇 ,  朱琦 ,  孙沁璇 ,  刘洋 ,  彭风光 ,  庞心健

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/56 ,  G06V10/58

Abstract: 本说明书公开了一种图像融合的方法、装置、存储介质及电子设备，包括：将第一图像和低分辨率多光谱图像分别输入预先训练的图像融合模型的特征提取子网，确定全色特征和光谱特征。将全色特征的频域特征以及光谱特征的频域特征输入图像融合模型的特征融合子网，确定第一融合特征。根据第一融合特征，确定第一融合图像。根据全色图像以及第二图像，通过特征提取子网，确定第一特征以及第二特征。根据第一特征的频域特征以及第二特征的频域特征输入特征融合子网，确定第二融合特征。根据第二融合特征，确定目标融合图像。以融合频域特征为主，融合空域特征为辅进行图像融合，提高目标融合图像准确性。

公开(公告)号：CN113094246B

公开(公告)日：2022-03-25

申请号：CN202110338640.3

申请日：2021-03-30

Applicant: 之江实验室 ,  中国科学院计算技术研究所

Inventor： 任祖杰 ,  郑守建 ,  彭晓晖 ,  王一帆

IPC: G06F11/34 ,  G06F11/30 ,  G06F9/448

Abstract: 本发明公开了一种边缘异构计算环境仿真系统，包括Core模块和Algorithm模块，所述Core模块包括Task、Application、Broker、Cluster、Machine、Scheduler角色，以及Simulation、Monitor、Algorithm组件，所述Algorithm模块用于保存用户自定义的一组迁移调度决策算法；系统采用松耦合的模块设计，降低各模块间的依赖性；采用多组向量刻画任务资源需求与设备计算能力，使系统能够对复杂的边缘计算场景进行有效表示；设计了完整的任务生命周期，并支持自定义算法的实现与替换，增强了系统的可定制化能力，有助于系统后续的持续更新与维护。

公开(公告)号：CN112015673B

公开(公告)日：2021-03-16

申请号：CN202011137494.X

申请日：2020-10-22

Applicant: 之江实验室 ,  浙江大学

Inventor： 杨弢 ,  曾令仿 ,  毛旷 ,  潘秋红 ,  何水兵 ,  任祖杰 ,  银燕龙 ,  陈刚 ,  于策

IPC: G06F12/02

Abstract: 本发明涉及计算机内存计算领域，具体涉及一种基于混合存储的存内计算方法与装置，该方法包括：首先通过混合存储区将数据进行混合存储，然后利用数据转存区通过字线驱动器和控制器对某一指定行的数据进行移位操作，最后基于混合存储和移位操作进行数据的乘法计算。本发明结合非易失存储与内存计算，一方面计算数据以纳秒级的速度从非易失器件中获得，特别是对于深度神经网络推理这种场景，可将模型参数事先存放于非易失存储区，计算时能减少了数据访问的时间，提高了系统性能；另一方面通过改进电路操作流程，减少了不必要的数据搬移时间，使得移位时间也能缩短至纳秒级别，提升了对于乘法计算这种有大量移位操作的计算效率，提高了系统性能。

公开(公告)号：CN112232528B

公开(公告)日：2021-03-09

申请号：CN202011473442.X

申请日：2020-12-15

Applicant: 之江实验室

Inventor： 曾令仿 ,  银燕龙 ,  何水兵 ,  毛旷 ,  杨弢 ,  任祖杰 ,  陈刚

IPC: G06N20/20 ,  G06F21/60

Abstract: 本发明公开了一种联邦学习模型训练方法、装置及联邦学习系统，边缘计算服务器和端设备接收云端联邦学习子系统形成的全局机器学习模型信息；一个边缘计算服务器与一个以上的端设备利用网络局部性的优势形成区域，端设备依靠本地数据并采用截断的方式完成模型本地训练，边缘计算服务器负责所辖区域内端设备的多轮更新并向云端联邦学习子系统发送更新后的模型信息；边缘计算服务器也采用截断的方式完成模型本地训练，云端联邦学习子系统负责多个边缘计算服务器的梯度更新；在训练到达收敛期，分别对边缘计算服务器所辖区域内端设备和云端联邦学习子系统负责的多个边缘计算服务器实施截断节点的补偿，形成全局机器学习模型信息。

公开(公告)号：CN112418422A

公开(公告)日：2021-02-26

申请号：CN202011307776.X

申请日：2020-11-20

Applicant: 之江实验室 ,  浙江大学

Inventor： 何水兵 ,  胡双 ,  孙贤和 ,  银燕龙 ,  陈刚 ,  任祖杰

IPC: G06N3/08

Abstract: 本发明公开了一种基于人脑记忆机制的深度神经网络训练数据采样方法，包括如下步骤：S1，在初始训练周期，设置下一轮要训练的序列为整个训练集；S2，将训练序列中包含的数据根据批大小打包为多个批，放入神经网络进行训练，并获得样本的训练损失值；S3，根据损失值将样本序列划分为困难、中间、简单三种类型；S4，整个训练序列的样本都增加一个基本时钟，中间和简单的样本需要根据倒计时等待函数分别计算样本的额外增加的时钟数；S5，整个训练集的样本都减少一个时钟数，将时钟数为0的样本放入下一轮将要训练的序列之中；S6，重复步骤2‑5，直到神经网络收敛或者训练周期数结束。