公开(公告)号：CN116385270A

公开(公告)日：2023-07-04

申请号：CN202310412411.0

申请日：2023-04-18

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 虞钉钉 ,  徐清 ,  王晓梅 ,  沈伟林 ,  沈旭立 ,  曹培

IPC: G06T3/40 ,  G06T3/00 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于多重损失和分辨率的图像转图像的方法，包括：获取输入图像，并对图像进行多分辨率预处理；将得到的不同分辨率图像输入到已经训练好的深度模型；其中，深度模型根据多个不同的分辨率，先从低分辨率模块至高分辨率模块依次进行训练，再进行整个模型的联合训练；在模型训练中，构造的损失函数包括：每个分辨率下的生成图像和真实图像之间的L1损失、由判别模型判断的生成图像是否真实的损失和生成图像和真实图像之间的风格损失；不同分辨率的图像通过深度模型进行整合最终得到相对应的图像。本发明充分利用图像的不同分辨率信息，结合应用多重损失训练好的深度模型，可以有效提高转换图像的质量。

公开(公告)号：CN115239789A

公开(公告)日：2022-10-25

申请号：CN202210565544.7

申请日：2022-05-23

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 沈旭立 ,  王晓梅 ,  宣凯文

IPC: G06T7/62 ,  G06T7/73 ,  G06N3/08

Abstract: 一种用于确定液体体积的方法及装置、存储介质、终端，所述方法包括：获取待处理图像，所述待处理图像包括所述目标容器的影像；确定单位长度，所述单位长度是指单位体积的液体在所述待处理图像中在第一方向上对应的像素点的数量，所述第一方向为所述刻度线的分布方向；确定液面位置和参考位置，其中，所述液面位置为所述液面在所述待处理图像中在所述第一方向上的位置，所述参考位置为参考刻度值对应的刻度线在所述待处理图像中在所述第一方向上的位置；根据所述液面位置、所述参考位置、所述参考刻度值和所述单位长度，确定所述液体的体积。本发明提供了一种通用性、鲁棒性更好的确定液体体积的方法。

公开(公告)号：CN115905485A

公开(公告)日：2023-04-04

申请号：CN202211422630.9

申请日：2022-11-14

Applicant: 复旦大学

Inventor： 沈旭立 ,  蔡华 ,  薛向阳

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/36 ,  G06F40/30 ,  G06N3/0455 ,  G06N5/02

Abstract: 本发明提供一种基于常识自适应选择的共情对话方法及系统，首先利用神经网络的表征能力，通过感知对话的上下文情感识别信息，编码得到历史对话的上下文信息与常识图谱的先验信息。然后将编码得到的特征信息通过工作空间基于选择常识特征编码算法进行筛选，自适应地统一情感认知信息，确保筛选出的常识特征编码与历史对话的上下文情感识别信息的一致性，从而输出更符合使用者感受的共情对话文本。本发明利用对话中的情感信息来辅助理解对话意图，这样既提升了上下文的理解能力，又能让使用者觉得自身情绪状态被理解，从而提升沟通效率和用户体验。而且本发明还可以应用到各类无人系统或人机交互场景，具有适用范围广、使用价值高的优点。

公开(公告)号：CN115272782A

公开(公告)日：2022-11-01

申请号：CN202111613040.X

申请日：2021-12-27

Applicant: 复旦大学

Inventor： 沈旭立 ,  薛向阳 ,  戈维峰 ,  李斌

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种辅助无人系统视觉决策的解释序列产生方法，为无人系统的监督任务提供层次化的决策依据，赋予系统决策透明性，方便开发者持续优化模型，其特征在于，包括以下步骤：步骤S1，将图像数据输入至预训练好的卷积神经网络模型获取最后一层的特征图张量以及每一层梯度信息；步骤S2，基于特征图张量和每一层梯度信息，采用人工智能可解释方法，获取决策显著图集合；步骤S3，基于决策显著图集合获取激活的输入数据图像集合；步骤S4，将激活的输入数据图像集合输入至预训练好的卷积神经网络模型，采用全局工作空间映射获取各显著图组对应的权重系数；步骤S5，基于各显著图组对应的权重系数合成显著图，并基于权重系数的预定顺序得到决策序列。