-
公开(公告)号：CN105806485B
公开(公告)日：2017-09-26
申请号：CN201610157732.0
申请日：2016-03-21
Applicant: 浙江大学
IPC: G01J3/50
Abstract: 一种用于纺织品自动色彩采集及校准的方法。此方法由三个有效步骤组成：1)利用色彩采集装置采集CIE 1931 XYZ色彩空间数据，得到CIE 1931 XYZ色彩空间与CMYK色彩空间对应的训练数据；2)利用角点对齐的方法对步骤1)中所得训练数据与标准色块进行对齐。该色彩采集装置包含遮光罩、自动滑轴、照相机、被测样品以及测色仪。该色彩采集装置去除光照强度对采集的训练数据的影响，通过X、Y方向的滑轴自动获得被测样品上的所有色块值。通过对照相机获得被测样品的图像与标准色块对齐，得到准确的训练样本，进而保证了训练的准确性。
-
公开(公告)号：CN114330554B
公开(公告)日：2025-04-08
申请号：CN202111639661.5
申请日：2021-12-29
Applicant: 浙江大学
Abstract: 一种面向智能安防的视觉深度模型知识重组方法，首先，收集安防边缘测的视觉数据，明确模型任务，收集数据进行标注，训练目标任务模型。然后，利用归因图计算目标模型和不同预训练模型之间的可迁移分数，将归一化的可迁移分数作为模型选择的概率，可放回地采样形成模型集合；在联邦学习范式的基础上，将目标模型分发到不同的节点，利用表征蒸馏迁移预训练模型的特征提取能力，在目标模型学习和迁移完成后，通过平均的方式在中心节点进行知识重组，重组过后的模型再次分发到选择的模型节点进一步迭代。最后，再利用目标数据集进行微调目标模型，从而学习得到一个在智能安防领域的目标任务上表现良好的视觉深度模型，并且保护了数据隐私和模型隐私。
-
公开(公告)号：CN119446335A
公开(公告)日：2025-02-14
申请号：CN202411416119.7
申请日：2024-10-11
Applicant: 浙江大学
Abstract: 基于三元比较专业知识决策的药物‑靶标相互作用机制预测方法和系统，其方法包括：首先，对初始药物靶标作用机制数据进行预处理，得到药物分子、靶标蛋白的完整信息并筛选头部类和尾部类；然后，将原始的多分类长尾问题分解为多个简单的子任务，每个子任务包含两个原始类别及设计的通用类别#imgabs0#提出一训练策略，使用两个不同的编码器分别对药物分子和靶标蛋白进行编码，得到各自的嵌入向量；采用多个线性层构建预测模型，将得到的药物及蛋白质嵌入向量作为预测模型的输入，对于预测类别概率分数使用交叉熵分类损失函数进行自适应学习率优化算法优化模型参数，提出基于类别平衡的决策投票模块；最后通过训练得到药物‑靶标相互作用机制预测模型，用该模型对真实场景下药物‑靶标对进行相互作用机制预测任务。本发明能有效地解决呈现长尾分布的药物靶标作用机制预测问题。
-
公开(公告)号：CN119295841A
公开(公告)日：2025-01-10
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：CN119091134A
公开(公告)日：2024-12-06
申请号：CN202411018850.4
申请日：2024-07-29
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/26 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于深度语义分割优化模型的图像分割方法，特点是根据预设的训练参数，使用公开的语义分割数据集VOC2012的训练集根据交叉熵损失函数对设置有编码器的待训练的深度语义分割模型进行训练，获取每一轮次训练得出的权重文件，基于公开的语义分割数据集VOC2012的验证集对所有权重文件进行验证，筛选出mIoU值最高的权重文件，得到该权重文件所对应的预训练的深度语义分割模型；通过基于语义类别和区域边界偏差修正的优化方法或基于局部噪声消除的优化方法对预训练的深度语义分割模型进行优化，得到优化后的深度语义分割优化模型；将待检测的图像输入至深度语义分割优化模型中进行语义分割，得到语义分割结果；优点是提高了语义分割精度。
-
Patent Agency Ranking
公开(公告)号：CN118155661A
公开(公告)日：2024-06-07
申请号：CN202410265676.7
申请日：2024-03-08
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
IPC: G10L25/51 , G10L15/08 , G10L15/26 , G10L19/18 , H04L9/40 , H04L9/32 , G06F18/25 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09 , G06Q50/50
Abstract: 一种基于多模态融合深度神经网络模型电信反欺诈方法和系统，其方法包括：步骤1.将信息中的语音模态转换为文字模态；步骤2.将信息中的图像进行切片并转换为图像数字向量；步骤3.将信息中的文本转换为数字向量；步骤4.文本图像信息融合向量生成；步骤5.多层联合向量的深度学习网络迭代训练；步骤6.欺诈识别预测；待预测是否为欺诈的样本输入到已经训练好的分类器模型中，利用最后一层迭代后的输出向量，经过双曲正切函数进行映射，完成欺诈预测时的是否违规的判断。
-
公开(公告)号：CN116881716A
公开(公告)日：2023-10-13
申请号：CN202310851553.7
申请日：2023-07-12
Applicant: 浙江大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/09 , G06F17/16 , G06F17/11
Abstract: 基于时序二分图神经网络的用户缺失属性补全方法，首先，对时序用户属性矩阵进行预处理，进行数据归一化，并记录分类变量和连续变量。然后将时序用户属性矩转化为时序二分图结构，并采用图卷积神经网络来聚合提取图中节点嵌入向量和边嵌入向量，并使用LSTM融合不同时间步的节点特征；将时序二分图中预测边的两端节点的图特征拼接作为用户节点‑属性节点的边预测模型的输入；采用多个线性层构建边预测模型，引入多任务学习框架同时学习分类任务和回归任务，从而灵活处理分类变量和连续变量。最后，通过该框架来对用户缺失属性进行补全，并将结果写回原数据中。本发明还包括基于时序二分图神经网络的用户缺失属性补全方法的系统。
-
公开(公告)号：CN115908920B
公开(公告)日：2023-10-03
申请号：CN202211453096.8
申请日：2022-11-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464
Abstract: 基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。
-
公开(公告)号：CN116796699A
公开(公告)日：2023-09-22
申请号：CN202310841499.8
申请日：2023-07-11
Applicant: 浙江大学 , 国网山东省电力公司济南供电公司
IPC: G06F30/398 , G06N3/088 , G06N3/0895 , G06N3/092 , G06N3/045
Abstract: 基于状态关系主动提问的存储电路智能化设计方法和系统，其方法包括：首先将存储电路数据的节点特征进行对齐从而构建存储电路结构状态的一条高维向量表示。然后利用随机采样的存储电路结构数据训练特征提取器，之后构建强化学习模型。在训练强化学习模型时，将每一步遇到的存储电路结构状态特征提取出来，并放入特征池中。然后依据每一步当前存储电路结构状态特征与特征池的距离，判断是否向专家进行提问。若向专家提问，专家会给予具体动作建议让模型去执行。最后，为了保证模型能够快速学习专家知识，为每一条专家建议的样本设置额外的内置奖励。
-
公开(公告)号：CN116681106A
公开(公告)日：2023-09-01
申请号：CN202310317221.0
申请日：2023-03-29
Applicant: 浙江大学
IPC: G06N3/045 , G06N3/08 , G06N5/04 , G06V10/764 , G06V10/82
Abstract: 本发明公开了基于生命周期预测的视觉Transformer模型加速算法，包括：1)使Transformer模型进行前半部分的正向传播；2)光滑化生命周期函数并构建视觉Transformer权重转换模块；3)构建视觉Transformer权重转换模块；4)模型推理；5)训练模型。本发明使用生命周期预测模块为视觉Transformer模型的每个输入的图片块预测生命周期。在进行模型推理时，本发明依据预测出的生命周期适时丢弃图片块，从而减少不必要的推理计算，实现模型的推理加速的效果。在模型训练时，本发明通过权重转换模块，将不可微分的图片块生命周期转化为可微的权重函数，实现方便的模型端到端训练。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.035 seconds)
