公开(公告)号：CN115512109A

公开(公告)日：2022-12-23

申请号：CN202211138798.7

申请日：2022-09-19

Applicant: 浙江大学

Inventor： 冯天 ,  张微 ,  马笑文 ,  马梦婷 ,  沈骏翱

IPC: G06V10/26 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于关系型上下文聚合的图像语义分割方法。本发明针对高分辨率遥感图像背景复杂，尺度变化大等问题，基于关系型上下文聚合机制，在图像语义分割任务中引入语义级多尺度上下文生成器和关系级多尺度上下文整合器。本发明通过语义级多尺度上下文生成器，有效地提取图像中每个语义范围内的语义级上下文信息作为类别表达，并通过关系级多尺度上下文整合器，结合语义内像素与像素之间的关系与语义间像素与类之间的关系，为每个像素构建密集而精确的上下文信息，从而增强像素的特征表达能力，并且减少了背景噪声的干扰。本发明为上下文聚合机制在复杂背景图像的分割任务上提供一种新的解决方案，并且能够提高相应图像语义分割的性能。

公开(公告)号：CN113887470A

公开(公告)日：2022-01-04

申请号：CN202111202067.X

申请日：2021-10-15

Applicant: 浙江大学

Inventor： 张微 ,  马梦婷

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务注意力机制的高分辨率遥感图像地物提取方法。该方法基于多模态数据的特征融合思路，采用多任务架构将高分辨遥感图像的RGB通道和IR通道分别从多任务网络架构的两个分支同时输入，同时将多任务注意网络模块融合进入编码器部分中，旨在编码过程中能够充分结合来自RGB和IR通道的互补信息，形成用于分割的判别表示，增强注意力机制能力，由此大大提高了地物提取模型提取高分辨率遥感图像中地物目标的性能。

公开(公告)号：CN119810507A

公开(公告)日：2025-04-11

申请号：CN202411820442.0

申请日：2024-12-11

Applicant: 浙江大学长三角智慧绿洲创新中心

Inventor： 李传莹 ,  马周健 ,  张微 ,  柴春雷

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/092

Abstract: 本公开提供了一种数据分类方法、装置、电子设备及存储介质，方法包括：从待分类数据集中获取待分类数据，待分类数据集包含数量不均的多种数据；将待分类数据输入混合精度深度强化学习模型中；在当前时间步中，混合精度深度强化学习模型对待分类数据进行分类，得到待分类数据的分类结果；在下一个时间步中，混合精度深度强化学习模型对分类结果进行评估，得到奖励；根据奖励对混合精度深度强化学习模型进行优化；获取下一个待分类数据，并重新输入混合精度深度强化学习模型进行分类，直至混合精度深度强化学习模型收敛；利用收敛后的混合精度深度强化学习模型对获取的目标数据进行分类，得到目标分类结果。

公开(公告)号：CN119808623A

公开(公告)日：2025-04-11

申请号：CN202411820446.9

申请日：2024-12-11

Applicant: 浙江大学长三角智慧绿洲创新中心

Inventor： 李传莹 ,  于卓玉 ,  张微 ,  柴春雷

IPC: G06F30/28 ,  G06F8/72

Abstract: 本公开提供了一种针对大涡模拟的优化方法、装置及电子设备，方法包括：获取大涡模拟代码运行的初始结果；对大涡模拟代码进行性能分析，确定大涡模拟代码运行所消耗的资源；确定大涡模拟代码中的热点函数；对热点函数中变量的精度类型进行修改，将精度类型由高精度修改为低精度；重新运行修改后的大涡模拟代码得到运行结果；将运行结果与初始结果进行比对，得到比对结果，并根据比对结果确定大涡模拟代码的修改是否达标；若大涡模拟代码的修改不达标，则重新对热点函数中变量的精度类型进行修改，并运行修改后的大涡模拟代码。应用本方法，可以在保证运行结果精确度的情况下，提高大涡模拟代码的运行速度，降低资源消耗。

公开(公告)号：CN119476609A

公开(公告)日：2025-02-18

申请号：CN202411581422.2

申请日：2024-11-07

Applicant: 浙江大学

Inventor： 张微 ,  葛舒宁 ,  杨帆 ,  张雨辰

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/213 ,  G06F17/16 ,  G06F21/62 ,  G06N3/0442 ,  G06N3/098 ,  H04L69/16 ,  G06F123/02

Abstract: 本发明公开了一种基于联邦学习的家庭住宅用电量预测方法、介质及设备。针对多终端环境中不同数据特性导致的知识混淆问题，本发明提出了一种融合奇异谱分析与联邦学习的家庭住宅用电量预测方法，是首个在联邦学习框架下同时解决能耗预测精度和数据隐私问题的方法，能够安全有效地预测住宅能耗数据的各种分布。本发明通过使用奇异谱分析技术从住宅能耗数据中提取层次特征，使得预测模型可以更好地理解和区分各个终端的数据特性，提高跨终端的学习效果和预测准确性。同时，本发明采用双向长短期记忆神经网络进行数据局部处理，只将处理后的模型参数或学习结果共享到中央服务器，避免了数据与全局模型的直接交互，降低了训练时间和隐私泄露的风险。

公开(公告)号：CN118213968A

公开(公告)日：2024-06-18

申请号：CN202410173157.8

申请日：2024-02-07

Applicant: 浙江大学

Inventor： 张微 ,  陈洁 ,  杨帆 ,  冯天

IPC: H02J3/00 ,  G06Q50/06 ,  G06Q10/04 ,  G06F18/2131 ,  G06N3/0442

Abstract: 本发明公开了一种基于自适应集成学习的非平稳工业用电量预测方法。针对工业用电量数据具有非平稳性、量级大、突变频繁以及准确预测困难等问题，本发明设计了一种将自适应稳态小波变换与双向长短期记忆神经网络结合的新型集成模型，是第一个为非平稳工业用电量预测而专门设计的自适应集成学习模型。本发明提出的自适应稳态小波变换，利用高通和低通滤波器将原始时间序列分解为若干子序列，更利于神经网络进行特征学习。同时，本发明使用双向特征提取方法来捕获更有价值的特征信息，从而提升整体预测性能。本发明为非平稳工业用电量预测任务提供了新的解决方式，并且提高了工业用电量预测的准确性。

公开(公告)号：CN116452912B

公开(公告)日：2024-04-05

申请号：CN202310320811.9

申请日：2023-03-28

Applicant: 浙江大学 ,  杭州普健医疗科技有限公司

Inventor： 顾静军 ,  卜佳俊 ,  张微 ,  丁元 ,  包锐钻 ,  王志华 ,  周公敢 ,  沈林华

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供一种训练方法、目标检测方法、介质及电子设备。所述训练方法包括：获取医疗图像数据集和各所述医疗图像的实际包围盒标签；通过所述检测网络的骨干网络对各所述医疗图像进行处理，以获取各所述医疗图像的特征图金字塔；通过所述检测网络的对比头对各所述特征图金字塔中的特征图进行处理以获取各所述医疗图像的对比特征图，并根据各所述实际包围盒标签对各特征图进行处理，以获取各所述医疗图像的正负样本对比标签；根据各所述实际包围盒标签、各所述包围盒预测结果、检测损失函数、各所述正负样本对比标签、各所述对比特征图以及对比损失函数，对所述检测网络进行训练。所述训练方法能够提升病变检测模型的性能。

公开(公告)号：CN117524352A

公开(公告)日：2024-02-06

申请号：CN202311571270.3

申请日：2023-11-23

Applicant: 浙江大学

Inventor： 杨乐豪 ,  冯天 ,  安丰 ,  张微

IPC: G16C20/50 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开一种基于图神经网络扩散模型的PROTAC分子设计方法，具体为：将两个待处理配体片段分子图输入到经过训练的最优三维等变的分子图神经网络扩散模型中，根据化学连接体片段分子图中的原子的数值设计符合配体片段分子图的化学连接体片段，输出化学连接体片段预测分子图，将该预测分子图输入至化学键重建模块中以获取其键级信息，而后将待处理化学连接体片段分子图的键级信息与两个待处理配体片段分子图进行融合，得到完整的蛋白降解靶向嵌合体分子结构，完成PROTAC分子设计。本发明将三维等变的分子图神经网络扩散模型运用到蛋白降解靶向嵌合体化合物分子设计中为该类型的药物分子设计及筛选提供了重要的解决思路。

公开(公告)号：CN117456185A

公开(公告)日：2024-01-26

申请号：CN202311486252.5

申请日：2023-11-09

Applicant: 浙江大学

Inventor： 冯天 ,  洪廷锋 ,  马笑文 ,  车瑞 ,  张微

IPC: G06V10/26 ,  G06V10/74 ,  G06V20/13 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应模式匹配和嵌套建模的遥感图像分割方法，具体过程为：获取一个经过训练的语义分割模型，将待语义分割的遥感图像输入到语义分割模型中，获得所述遥感图像的语义分割结果。通过在语义分割模型的解码器模块的各个阶段中，嵌入多尺度加强模块，实现地面物体的嵌套多尺度建模；通过自适应模式匹配模块，通过像素的局部特征，寻找与其处于同一空间分布模式中的一组像素，以识别地物的几何形变并过滤背景噪声；通过空间维度、通道维度上的特征映射，识别模式像素间的组合关系并计算自适应权重。此外，本发明主要使用逐深度(Depth‑wise)卷积和逐点(Point‑wise)卷积构建，在大大减少了所需的注意力操作的同时，提升了语义分割模型精度。

公开(公告)号：CN117422878A

公开(公告)日：2024-01-19

申请号：CN202311486255.9

申请日：2023-11-09

Applicant: 浙江大学

Inventor： 张微 ,  车瑞 ,  马笑文 ,  洪廷锋 ,  冯天

IPC: G06V10/26 ,  G06V20/13 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支动态注意力的遥感图像语义分割方法，其包括：获取一个经过训练的语义分割模型，将待语义分割的遥感图像输入语义分割模型中，获得遥感图像的语义分割结果，在语义分割模型的解码器模块中，将关系注意力模块引入动态注意力双分支中，获取局部纹理细节和全局上下文信息，此外，本发明设计动态权重分配机制分支，自适应调整两个动态注意力分支的贡献，从而构建更具辨别力的特征表示。本发明不仅改进传统注意力机制的不足，还实现自适应调节遥感图像中局部信息和全局信息的贡献，从而解决了其背景噪声多、地物复杂多样的问题，为高分辨率遥感图像分割任务提供一种新的解决方案，提高了遥感图像语义分割的准确性。