-
公开(公告)号：CN116942169A
公开(公告)日：2023-10-27
申请号：CN202311223540.1
申请日：2023-09-21
Applicant: 之江实验室
Abstract: 本申请提供一种微型化脑电信号放大器及脑机接口芯片系统。该放大器包括斩波调制单元、固定增益放大单元及斩波解调制单元。斩波调制单元通过输入电容连接至固定增益放大单元的输入端。斩波调制单元用于将脑电信号进行斩波调制；固定增益放大单元用于将斩波调制后的脑电信号进行放大处理，包括两个晶体管对，其中一个的栅漏极分别连接放大单元的正向输入端和负向输出端，另一个的栅漏极分别连接放大单元的负向输入端和正向输出端。两个晶体管对的栅极和漏极之间的寄生电容分别形成第一和第二反馈电容。斩波解调制单元连接至放大单元的输出端，用于将放大后的脑电信号解调至原始信号频段得到原始的脑电信号。从而，可以减小输入电容。
-
公开(公告)号：CN116126750B
公开(公告)日：2023-08-22
申请号：CN202310199473.8
申请日：2023-02-24
Applicant: 之江实验室
IPC: G06F12/0877 , G06F7/50 , G06F3/06
Abstract: 本说明书公开了一种基于硬件特性的数据处理的方法及装置。首先，获取各待处理数据以及确定高速缓冲存储器中所能缓存的数据大小，待处理数据用于表示神经网络模型执行运算任务所需的数据。其次，在神经网络模型执行运算任务时，按照数据大小，对各待处理数据进行切分，得到各切分数据。而后，针对每个切分数据，将该切分数据缓存到高速缓冲存储器中，得到缓存后的切分数据，以使处理器基于数据大小对缓存后的切分数据进行运算，得到运算结果。最后，根据运算结果，进行数据处理。本方法可以提高数据处理的效率。
-
公开(公告)号：CN114781642B
公开(公告)日：2022-09-23
申请号：CN202210685444.8
申请日：2022-06-17
Applicant: 之江实验室
IPC: G06N5/02
Abstract: 本发明提供一种跨媒体对应知识的生成方法和装置，该方法包括：根据预先定义的第一种媒体的第一知识单元生成第二种媒体的第二知识单元；生成第一知识单元对应的第一特征参数向量及第二知识单元对应的第二特征参数向量；根据预设的映射关系，将第一特征参数向量、第二特征参数向量分别映射到对应的二维球形特征面上，获得第一特征参数向量在对应二维球形特征面上的第一特征点、第二特征参数向量在对应的二维球形特征面上的第二特征点；对第一特征点与第二特征点分别进行索引，获得第一索引和第二索引；根据第一索引和第二索引生成第一知识单元与第二知识单元的双向索引对应关系。本发明实现了跨媒体知识单元之间的相互映射。
-
公开(公告)号：CN114781400B
公开(公告)日：2022-09-09
申请号：CN202210685231.5
申请日：2022-06-17
Applicant: 之江实验室
IPC: G06F40/30 , G06F40/284 , G06T7/00 , G06V10/764 , G06K9/62
Abstract: 本发明提供一种跨媒体知识语义表达方法和装置，所述方法包括：根据预设的语义描述，进行数据采集，语义描述包括一有限语义产生式集合；将数据采集获得的拓扑结构的数据信息输入预设的与语义描述对应的自动机的堆栈中，自动机用于进行跨媒体知识映射，自动机包括一有限状态集、一输入词汇表和一堆栈，有限状态集用于指示自动机所包括的状态，输入词汇表用于指示自动机所包括的词汇；通过自动机将数据信息进行映射，获得数据采集所采集的目标对象的子结构和/或分支分别对应的关键帧；根据数据采集所采集的目标对象的子结构和/或分支分别对应的关键帧，生成拓扑结构的可视化语义表达，可视化语义表达为第二种媒体表达方式。实现跨媒体知识对齐。
-
公开(公告)号：CN119361020A
公开(公告)日：2025-01-24
申请号：CN202411908673.7
申请日：2024-12-24
Applicant: 之江实验室 , 上海人工智能创新中心
Abstract: 本申请涉及一种基于生成式模型的抗菌肽生成方法、装置及计算机设备，涉及人工智能、生物信息学技术领域，通过获取现有的抗菌肽序列的集合；利用预训练的生成式模型，在现有的抗菌肽序列的基础上预测新型抗菌肽，得到预测序列；将所述预测序列输入预训练的抗菌肽分类器，判断所述预测序列是否具有抗菌活性；所述抗菌肽分类器基于抗菌肽标签集和非抗菌肽序标签集训练得到；将具有抗菌活性的所述预测序列作为最终的目标抗菌肽序列进行输出，解决了抗菌肽设计生成效率低的问题，能够借助生成式模型和分类器，实现对抗菌肽的从头生成和判定，提高了生成效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119152294A
公开(公告)日：2024-12-17
申请号：CN202411645184.7
申请日：2024-11-18
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/24 , G06V10/774 , G06F18/2411
Abstract: 本发明公开了一种基于跨模态对齐和原型多样化的连续小样本图片分类方法，该方法包括：首先对输入图片添加视觉软提示提取图片特征，并将图片特征输入特征适配器获取优化后的图片特征，同时对类别标签添加文本软提示提取初步的类别文本原型；其次，将优化后的图片特征输入原型偏置器，对类别文本原型进行调整，从而获得融入视觉信息的类别文本原型；最后计算上述类别文本原型与图片特征之间的相似度，并将该输入图片预测为具有最大相似度的类别。本发明能够捕捉输入特异的视觉信息进行文本原型更正，有利于提升输入图片的分类精度；本发明实现方法简便、灵活，显著提高了新类别的预测精度，同时可以有效缓解模型在旧类别的灾难性遗忘现象。
-
公开(公告)号：CN118211132B
公开(公告)日：2024-08-06
申请号：CN202410633939.5
申请日：2024-05-21
Applicant: 之江实验室
IPC: G06F18/2411 , G06F18/214
Abstract: 本说明书公开了一种基于点云的三维人体表面数据生成方法及装置，终端设备先获取人体的初始点云，而后确定出初始点云对应的初始特征分布，在提取初始点云对应的初始特征分布之后，通过特征向量提取模型更准确的提取初始特征分布所对应的初始特征向量，而后通过将初始特征向量输入预测模型，得到预测特征向量，将预测特征向量转化为预测特征信息，而后通过初始点云与预测特征分布得到初始点云中每个点云点对应的重构特征信息，并根据重构特征信息生成人体表面数据。通过特征向量提取模型更准确的提取初始特征分布所对应的初始特征向量，并通过预测模型对初始特征向量进行优化，提高了生成出的人体表面数据的精细度与真实度。
-
公开(公告)号：CN117994470B
公开(公告)日：2024-06-07
申请号：CN202410410295.3
申请日：2024-04-07
Applicant: 之江实验室
Abstract: 本说明书公开了一种多模态层次自适应的数字网格重建方法及装置，将待重建对象的目标模态的数据和目标文本输入特征增强模块，得到第一特征和第二特征，通过第一编码器和第二编码器以此得到第一目标特征和第二目标特征，进而，通过专家积模型将第一目标特征对应的第一正态分布和第二目标特征对应的第二正态分布融合，得到第三正态分布，根据第一正态分布、第二正态分布和第三正态分布，通过第一解码器和第二解码器得到第一数字网格属性和第二数字网格属性，进而以此重建得到待重建对象的三维数字网格。可见，通过上述方案，能够更好地利用不同模态的信息，增强整体的信息表征能力，从而提高三维网格重建任务的性能。
-
公开(公告)号：CN117874706B
公开(公告)日：2024-05-31
申请号：CN202410281158.4
申请日：2024-03-12
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/213 , G06F40/30 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/096
Abstract: 本说明书公开了一种多模态知识蒸馏学习方法及装置。采用本申请提供的多模态知识蒸馏学习方法，可通过本申请所设计的多模态模型中的语义学习子网和视觉学习子网，分别生成学习了图像信息的文本特征以及学习了文本信息的图像特征，并将二者对齐到同一语义空间中，最终通过输出子网融合生成同时包含语义和视觉信息的多模态特征。
-
公开(公告)号：CN117978937A
公开(公告)日：2024-05-03
申请号：CN202410369278.X
申请日：2024-03-28
Applicant: 之江实验室
IPC: H04N5/262 , G06V40/20 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , H04N13/106
Abstract: 本说明书公开了一种视频生成的方法、装置、存储介质及电子设备。其中，首先获取康复运动训练原始视频，并提取该康复运动训练原始视频中包含的每一帧图像的图像特征以及所述康复运动训练原始视频中包含的各个帧图像之间的康复运动的动作姿态的变化特征，进而根据提取到的图像特征，确定该康复运动训练原始视频中包含的每一帧图像对应的人体姿态信息，根据提取到的变化特征，确定该康复运动训练原始视频中包含的每一帧图像对应的人体姿态信息中所包含的各个关节点的权重信息，最后根据确定出的每帧图像对应的权重信息，确定出每帧图像对应的扩展人体姿态信息，并根据每帧图像对应的扩展人体姿态信息，生成扩展康复运动训练视频。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.035 seconds)
