公开(公告)号：CN116071556A

公开(公告)日：2023-05-05

申请号：CN202310311383.3

申请日：2023-03-28

Applicant: 之江实验室

Inventor： 黄智华 ,  李超 ,  刁博宇 ,  王京 ,  胡泽辰 ,  宫禄齐 ,  郑新千

IPC: G06V10/26 ,  G06V10/762 ,  G06V10/52 ,  G06V10/80

Abstract: 本发明公开了一种基于目标框的大尺寸图像自适应裁剪方法和装置，基于包含目标框的训练样本图像和未标注的测试样本图像，从训练样本中分层采样部分数据作为验证样本，使用循环聚类算法提取训练样本图像的目标框特征集合，使用验证样本对目标框特征集合筛选并验证，得到最优的自适应的目标框特征集合，以此作为滑窗平铺裁剪的重叠像素基准，将大图裁剪成多个子图。该方法提出了多尺度融合的特征提取改进算法、新的特征筛选算法及裁剪评价函数，优化了滑窗平铺裁剪算法，一定程度上解决了大尺寸图像裁剪预处理过程中的关键信息丢失，裁剪子图数量多、信息冗余，耗时长的问题。

公开(公告)号：CN116051620A

公开(公告)日：2023-05-02

申请号：CN202310342885.2

申请日：2023-04-03

Applicant: 之江实验室

Inventor： 王京 ,  李超 ,  李璐 ,  黄智华 ,  胡泽辰

IPC: G06T7/60 ,  G06T7/30 ,  G06V10/20 ,  G06V20/10

Abstract: 本发明公开了一种基于InSAR技术冻土区活动层厚度估计方法和系统，该方法包括以下步骤：首先获取冻土实验区时间序列SAR图像、土壤含水量数据、土壤孔隙度数据并对数据预处理；然后对时间序列SAR图像进行差分干涉处理；再构建InSAR季节性形变模型；然后基于InSAR季节性形变模型的进行时序InSAR解算流程；最后构建InSAR季节性形变的活动层厚度反演模型，并根据冻土实验区的季节性形变获取大范围多年冻土区的活动层厚度。本发明可应用于大范围多年冻土区活动层厚度的估计，能够大范围、高精度、高分辨率的获取多年冻土区的活动层厚度结果，这对冻土区的环境、水文生态、工程建筑的运营具有重要科学与工程意义。

公开(公告)号：CN115860378A

公开(公告)日：2023-03-28

申请号：CN202211500037.1

申请日：2022-11-28

Applicant: 之江实验室

Inventor： 黄智华 ,  李超 ,  王京 ,  杨弢

IPC: G06Q10/0631

Abstract: 本申请涉及一种资源分配方法、装置、系统和电子装置，其中，该方法包括：获取待分配资源，以及待分配资源对应的初始权值矩阵，并根据初始权值矩阵以及预设的权值筛选范围生成初始优匹配点集合；针对优匹配点集合进行循环搜索处理，检测是否存在与初始权值矩阵对应的权值更新结果；若未检测到权值更新结果，获取初始优匹配点集合对应的匹配点数据；若检测到权值更新结果，根据权值更新结果和初始权值矩阵生成目标优匹配点集合，并获取目标优匹配点集合对应的匹配点数据；基于匹配点数据生成目标资源分配结果。通过本申请，解决了资源分配方法的效率低的问题，实现了高效、准确的资源分配方法。

公开(公告)号：CN115424119B

公开(公告)日：2023-03-24

申请号：CN202211373030.8

申请日：2022-11-04

Applicant: 之江实验室

Inventor： 李超 ,  王劲

IPC: G06V10/82 ,  G06V10/74 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了基于语义分形的可解释GAN的图像生成训练方法及装置，将传统的GAN模型修改为一个可解释的GAN，使得其高层的特征表示是明确且一致的；在可解释GAN中，同一层的所有滤波器“学习着”被相同的部分激活，从而使得GAN内部的特征表示清晰且一致的语义信息；本发明在无需额外标注，仅使用正常的训练样本的情况下，设计分形损失函数，约束GAN的特征表达，使其自动地学习关注物体重要的部分；通过同时优化GAN原本损失函数与分形损失函数，在提升GAN内部特征可解释性的同时，也保证了GAN生成图片的质量。

公开(公告)号：CN115660070A

公开(公告)日：2023-01-31

申请号：CN202211413167.1

申请日：2022-11-11

Applicant: 之江实验室

Inventor： 宫禄齐 ,  李超 ,  孙啸峰 ,  黄智华

IPC: G06N3/082 ,  G06N3/0464 ,  G06N3/08

Abstract: 目的是解决现有的深度学习模型压缩技术如剪枝,量化难以直接应用在生成对抗网络模型中的问题，提出了一种针对生成对抗网络模型的压缩方法，(1)获得将要压缩的生成对抗网络，并将其作为教师网络；(2)构建最大学生网络模型并预训练；(3)学生网络模型剪枝；(4)学生网络模型蒸馏。本发明能够有效的减少网络的参数量与计算量。涉及人工智能领域，具体涉及生成对抗神经网络压缩领域。对生成对抗网络的实际应用与部署有着重要意义。通过本方法，在工业中广泛使用的cyclegan模型参数量压缩43倍，模型计算量压缩29倍，模型的表现能力(FID)几乎没有下降，压缩后的cyclegan′生成的图片与原cyclegan网络生成的图片用肉眼难以分辨。

公开(公告)号：CN115424119A

公开(公告)日：2022-12-02

申请号：CN202211373030.8

申请日：2022-11-04

Applicant: 之江实验室

Inventor： 李超 ,  王劲

IPC: G06V10/82 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于语义分形的可解释GAN的图像生成训练方法及装置，将传统的GAN模型修改为一个可解释的GAN，使得其高层的特征表示是明确且一致的；在可解释GAN中，同一层的所有滤波器“学习着”被相同的部分激活，从而使得GAN内部的特征表示清晰且一致的语义信息；本发明在无需额外标注，仅使用正常的训练样本的情况下，设计分形损失函数，约束GAN的特征表达，使其自动地学习关注物体重要的部分；通过同时优化GAN原本损失函数与分形损失函数，在提升GAN内部特征可解释性的同时，也保证了GAN生成图片的质量。

公开(公告)号：CN115081936B

公开(公告)日：2022-11-18

申请号：CN202210856415.3

申请日：2022-07-21

Applicant: 之江实验室

Inventor： 刁博宇 ,  李国邦 ,  许宇栋 ,  李超

IPC: G06Q10/06 ,  G06Q50/26

Abstract: 本发明公开一种面向应急条件下多遥感卫星观测任务调度的方法和装置，方法包括：步骤一，构建初始任务需求信息表和卫星资源信息表，再创建任务队列；步骤二，调度系统接收到当前应急任务需求，将当前应急任务插入到新到任务队列进行任务调度，判断和决策当前应急任务是否执行，若执行则插入到等待任务队列，反之拒绝执行，后对下一新到任务进行任务调度；步骤三，开始执行应急任务时，将应急任务加入正在执行任务队列，应急任务执行完成后，再将应急任务加入已执行任务队列；步骤四，当所有任务均执行完成后，汇总出任务调度结果表，形成最终任务调度方案。本发明可以为多卫星组的任务规划提供参考，大幅降低时间复杂度，达到更高的任务规划效率。

公开(公告)号：CN114612802A

公开(公告)日：2022-06-10

申请号：CN202210508800.9

申请日：2022-05-11

Applicant: 之江实验室

Inventor： 胡泽辰 ,  李超 ,  刁博宇 ,  王京 ,  黄智华 ,  郑新千

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于MBCNN的舰船目标细粒度分类系统及方法。所述方法包括获取可见光遥感图像的舰船图像并输入预训练好的舰船目标检测模型，经过网络前向推理，输出所有舰船的位置坐标信息；对可见光遥感舰船图像按照舰船的位置坐标信息进行裁剪，获得舰船图像；对舰船图像进行预处理，得到归一化后的舰船图像；构建舰船目标细粒度分类模型，并进行预训练；将该舰船图像输入预训练好的舰船目标细粒度分类模型，经过网络前向推理，输出舰船所属的种类标签。本发明具有准确性高、识别效率高的特点，解决了传统BCNN的一些计算上的缺陷以及细粒度分类上存在的问题。

公开(公告)号：CN112926088A

公开(公告)日：2021-06-08

申请号：CN202110292473.3

申请日：2021-03-18

Applicant: 之江实验室 ,  广州大学

Inventor： 林思昕 ,  孙哲 ,  殷丽华 ,  那崇宁 ,  李丹 ,  李超 ,  罗熙 ,  韦南

IPC: G06F21/62 ,  G06N20/00 ,  G06N5/04

Abstract: 本发明公开了一种基于博弈论的联邦学习隐私策略选择方法，该方法包括：服务器为参与方提供具有不同服务成本的阈值，参与方根据是否满足服务质量、隐私泄露代价等来选择最佳阈值，并由服务器在下一次迭代训练中更新服务成本；服务器通过多次迭代来获得最优的模型参数，以此保持模型长期稳定的服务状态，并提供给参与方。该方法有效避免了参与方“搭便车”等恶意行为，使得服务器可以最大限度地得到服务费用，参与方可以获得长期的优质服务。

公开(公告)号：CN119942315A

公开(公告)日：2025-05-06

申请号：CN202510412530.5

申请日：2025-04-02

Applicant: 之江实验室

Inventor： 杨嵘 ,  张璞 ,  姚柯璐 ,  李超

IPC: G06V10/98 ,  G06V10/776 ,  G06V20/70 ,  G06V10/25 ,  G06V10/82 ,  G06N5/04

Abstract: 本申请涉及数据处理技术领域，公开了一种标注数据评分方法及基于其的假阳性标注数据识别方法，其中，评分方法包括：获取包含目标对象的目标图像；重复构建基于目标类别名称和干扰类别名称集合的选择题，并将选择题与目标图像输入到至少一个视觉语言模型进行问答；重复从预先配置的判断题模板池中生成基于目标类别名称和目标图像的判断题，并将判断题与目标图像输入到至少一个视觉语言模型进行问答；基于选择答案正确次数和判断答案正确次数，确定所有视觉语言模型的平均评分，并将平均评分作为目标图像中目标框标注数据对应的目标评分。本申请提供的技术方案，能够提升标注数据评分的准确性，确保评估结果的全面性与精确性。