用于深度学习训练的方法和设备

    公开(公告)号:CN108229649B

    公开(公告)日:2023-12-05

    申请号:CN201710800049.9

    申请日:2017-09-07

    Abstract: 描述用于深度学习训练的方法和设备。在一个方面,使用软标签对诸如图像中的检测边界框或输入音频特征的音素的候选单元进行分类,其中,在图像的情况下,标签至少具有基于检测边界框与一个或多个类的地面实况边界框的重叠的0到1之间的可能的值的范围。(56)对比文件Andrew L. Maas 等.Lexicon-FreeConversational Speech Recognition withNeural Networks《.The 2015 AnnualConference of the North American Chapterof the ACL》.2015,Masaki Umemura 等.IMAGE LABELING FORLIDAR INTENSITY IMAGE USING K-NN OFFEATURE OBTAINED BY CONVOLUTIONAL NEURALNETWORK《.Remote Sensing and SpatialInformation Sciences》.2016,第XLI-B3卷

    用于深度学习图像超分辨率的系统和方法

    公开(公告)号:CN108694700B

    公开(公告)日:2023-12-01

    申请号:CN201810310847.8

    申请日:2018-04-09

    Abstract: 本发明提供一种用于超分辨率成像的方法,该方法包括:由处理器接收低分辨率图像;由所述处理器生成中等高分辨率图像,与所述低分辨率图像相比,所述中等高分辨率图像具有提高的分辨率;由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像;以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。

    用于采样率转换的多相设备及其制造方法和测试方法

    公开(公告)号:CN107979354B

    公开(公告)日:2023-08-25

    申请号:CN201711006900.7

    申请日:2017-10-25

    Abstract: 公开用于采样率转换的多相设备及其制造方法和测试方法。描述涉及多相数字滤波器的设备(以及制造所述设备的方法)、系统和方法。在一个方面,提供了一种设备,包括:至少一对子滤波器,每对子滤波器具有对称系数;以及网格,包括与所述至少一对子滤波器中的具有对称系数的每对子滤波器对应的两个加法器和馈线。在一个方面,所述设备是多相有限脉冲响应(FIR)数字滤波器,包括插值器和抽取器,其中,插值器和抽取器中的每个具有:至少一对子滤波器,每对子滤波器具有对称系数;以及网格,包括与所述至少一对子滤波器中的具有对称系数的每对子滤波器对应的两个加法器和馈线。

    用于干扰解调参考信号检测的方法和设备

    公开(公告)号:CN108337076B

    公开(公告)日:2022-04-19

    申请号:CN201710934807.6

    申请日:2017-10-10

    Abstract: 一种用于干扰解调参考信号检测的方法和设备,一种用于在一件用户设备(UE,例如,移动装置)中描述干扰解调参考信号(DMRS)的特征的系统和方法。UE确定业务信号是否在基于DMRS的传输模式中被发送;如果是,则UE从接收到的信号消除业务DMRS;否则UE从接收到的信号消除业务数据信号。然后,分析剩余的信号在四个干扰DMRS候选的每个中具有的功率量,并执行假设检验以确定在信号中是否存在干扰DMRS,如果存在,则确定干扰DMRS的秩以及每个干扰DMRS层的端口号和扰码标识。

    学习多个随机变量之间的随机推断模型的方法和装置

    公开(公告)号:CN113516153A

    公开(公告)日:2021-10-19

    申请号:CN202110381691.4

    申请日:2021-04-09

    Abstract: 一种用于操作神经网络的系统和方法。在一些实施例中,神经网络包括变分自编码器,并且训练神经网络包括用第一随机变量的多个样本以及第二随机变量的多个样本来训练变分自编码器,第一随机变量的多个样本和第二随机变量的多个样本不成对,训练神经网络包括基于第一损失函数来更新神经网络中的权重,第一损失函数基于与以下之间的一致性的偏差的度量:从第一随机变量到第二随机变量的条件生成路径,以及从第二随机变量到第一随机变量的条件生成路径。

    使用深度卷积网络的图像去噪系统和方法

    公开(公告)号:CN113379613A

    公开(公告)日:2021-09-10

    申请号:CN202110256234.2

    申请日:2021-03-09

    Abstract: 一种用于对图像进行去噪的方法,包括:由用户设备的处理电路接收输入图像;由处理电路将输入图像提供给包括多尺度残差密集块(MRDB)的经训练的卷积神经网络(CNN),该MRDB包括:残差密集块(RDB);和空洞空间金字塔池化(ASPP)模块;由处理电路使用该MRDB计算MRDB输出特征图;以及由处理电路基于MRDB输出特征图来计算输出图像,该输出图像是输入图像的去噪版本。

Patent Agency Ranking