-
公开(公告)号：CN117994671A
公开(公告)日：2024-05-07
申请号：CN202211377516.9
申请日：2022-11-04
Applicant: 中国科学院计算技术研究所
IPC: G06V20/13 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于3D CNN和Transformer的轻量化高光谱遥感图像分类方法和系统，将3D CNN和Transformer结合，分类系统可以充分发挥两者的优势，通过3D CNN来获取高光图像的局部信息，并可以利用Transformer来获取数据的全局信息。此外，提出的分类系统可以消除3D CNN参数量过多的问题，并且缓解Transformer对于数据的依赖。
-
公开(公告)号：CN113936295A
公开(公告)日：2022-01-14
申请号：CN202111103913.2
申请日：2021-09-18
Applicant: 中国科学院计算技术研究所
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/70 , G06K9/62 , G06N20/20
Abstract: 本发明提出一种基于迁移学习的人物检测方法和系统，包括：构建用于图像目标检测的教师网络和其对应的学生网络，获取已标注人物类别标签的图片数据集作为训练数据集；以该训练数据集对该教师网络和该学生网络进行训练时，提取老师网络每层目标检测FPN的分类分支输出，得到包括NCHW四个通道输出结果的四维矩阵；通过在该四维矩阵的C通道方向求和，得到NHW维度的特征矩阵作为特征掩码矩阵，基于该特征掩码矩阵、老师网络和学生网络的FPN特征图，得到特征图约束损失；对教师网络的损失、学生网络的损失和该特征图约束损失进行求和，得到蒸馏损失，该蒸馏损失收敛后使用该学生网络对图片中的人物进行检测。
-
公开(公告)号：CN113936169A
公开(公告)日：2022-01-14
申请号：CN202111098800.8
申请日：2021-09-18
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于二值神经网络的图像分类方法和系统，包括：构建包括特征扩增层、二值卷积层、激活层和分段缩放层的神经网络模块，并通过堆叠神经网络模块构建二值神经网络；获取已经标记图像类别标签的图像作为训练数据，将训练数据的浮点特征图输入至二值神经网络中第一个模块的特征扩增层，以扩增浮点特征图的通道数，得到扩增特征图，将扩增特征图转换为二值特征图后输入至卷积层，得到二值特征图的卷积特征图，卷积特征图经归一化处理后输入至分段缩放层，通过分段缩放层的缩放因子调整模块输出的浮点特征图，并将结果作为输入传递给下一个神经网络模块，将最后一个神经网络模块得到的训练数据的图像类别作为训练结果。
-
公开(公告)号：CN109034198B
公开(公告)日：2020-12-11
申请号：CN201810664250.3
申请日：2018-06-25
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于特征图恢复的场景分割方法和系统，包括对原始图像进行降采样，得到降采样图像，通过特征学习网络得到该降采样图像的降采样特征图，将该降采样特征图的尺寸恢复为原始图像尺寸，得到上采样特征图，将该上采样特征图输入场景分割网络，得到该原始图像的场景分割结果。本发明利用降采样输入图像可以获得的较快的分割速度；利用原始大小输入图像可以获得的较高的分割精度。此外，本发明还提出了辅助中间层监督和边境区域重加权的方法辅助场景分割神经网络模型的优化过程，从而在保持模型加速的前提下提升加速后模型的分割精度。
-
公开(公告)号：CN107564013A
公开(公告)日：2018-01-09
申请号：CN201710650541.2
申请日：2017-08-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种场景分割修正方法，通过局部边界修正网络，以完全残差卷积网络作为前端模型，将该前端模型的置信度图和原始图像按通道拼接起来，作为该局部边界修正网络的输入，从而输出该置信度图所有位置的局部聚合系数，将该局部聚合系数与该置信度图的对应位置相乘，聚合到中心点，得到场景分割的局部边界修正结果；使用已知的场景分割数据集对该局部边界修正网络进行训练。同时本发明还提出了将全局残差修正网络和该局部边界修正网络串联起来，形成级联的框架，该级联的框架可以对前端模型的分割结果进行全局修正和局部修正，从而得到更加精确的场景分割修正结果。
-
Patent Agency Ranking
公开(公告)号：CN119313952A
公开(公告)日：2025-01-14
申请号：CN202411342753.0
申请日：2024-09-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/0455 , G06N3/094
Abstract: 本发明提出一种高光谱遥感图像分类方法、装置、存储介质，该方法包含：获取待测高光谱遥感图像的源域数据集与目标域数据集，该源域数据集的样本量大于该目标域数据集；分别对该源域数据集与目标域数据集进行多尺度中心样本信息增强处理，得到第一多尺度中心样本集、第二多尺度中心样本集；将该第一多尺度中心样本集输入至分类模型进行预训练，该分类模型包含分支融合网络，用以执行特征融合处理，输出融合的空谱特征；将预训练后的分类模型迁移至该第二多尺度中心样本集，执行轻量化微调处理，该分类模型输出最终的目标分类结果。该方法在参数量少的情况下达到了优异的分类效果，提高了高光谱遥感图像的分类准确性。
-
公开(公告)号：CN119026543A
公开(公告)日：2024-11-26
申请号：CN202411121715.2
申请日：2024-08-15
Applicant: 中国科学院计算技术研究所
IPC: G06F30/3315 , G06F30/3312 , G06F30/3953 , G06N20/00
Abstract: 本申请公开了一种布线前静态时序分析方法及其装置，方法包括：将布线前的集成电路进行基于图的建模，将电路进行网络划分，输出电路的网络级建模结果；从布线前电路数据中提取网络延迟预测特征集；根据网络延迟预测特征集，采用分布式梯度增强库，构建网络延迟预测模型，输出不同工作条件下的网络延迟预测结果；基于网络级建模结果及各工作条件下的网络延迟预测结果，采用线性复杂度算法计算到达时间及松弛，输出最终的布线前静态时序分析结果。本发明在多设计模式下以高精度一致地获得静态时序分析结果，本发明方法具有鲁棒的可泛化性。
-
公开(公告)号：CN117991628A
公开(公告)日：2024-05-07
申请号：CN202211378151.1
申请日：2022-11-04
Applicant: 中国科学院计算技术研究所
IPC: G05B13/04 , G06N3/045 , G06N3/0499 , G06N3/048 , G06N3/092
Abstract: 本发明提出一种基于上下文符号策略的元强化学习自动控制方法和系统，包括：将基础控制对象的运动轨迹的上下文变量输入参数生成器，得到上下文变量中所有动作维度在符号网络中的预测参数；路径选择器通过在预测参数上乘以二进制掩码，以从符号网络中选择代表符号表达式形式的路径；符号网络根据路径和预测参数，生成训练样本的预测控制策略；使用预测控制策略控制基础控制对象，根据其运动轨迹使用强化学习训练更新参数生成器和路径选择器；将目标控制对象的上下文变量输入训练完的路径选择器和参数生成器，得到符号网络的结构和参数，从而得到目标控制对象符号化的控制策略，以控制策略控制目标控制对象完成控制目标。
-
公开(公告)号：CN117935868A
公开(公告)日：2024-04-26
申请号：CN202410111561.2
申请日：2024-01-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种随机递增存储器，其包含：多个偏斜单元，配置为将一元比特流存储为偏斜数格式；至少一计算单元，配置为对所述多个偏斜单元存储的偏斜数进行递增操作。本发明还提出一种脉动随机递增存储器体系结构，其包含多路存储器；每一路存储器包含：多个一元处理单元，呈多行排列分布；多个随机递增存储器，同一行的一元处理单元配置一随机递增存储器；多路存储器之间由边缘部件隔开。该随机递增存储器能够将一元比特流累加为偏斜数格式，并与脉动阵列结构集成为脉动随机递增存储器体系结构，以降低累加能耗，提升能效。
-
公开(公告)号：CN117689864A
公开(公告)日：2024-03-12
申请号：CN202211024965.5
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0499
Abstract: 本发明提出一种硬件感知的高效特征融合网络搜索方法和系统，包括：构建包括融合特征搜索单元、融合路径搜索单元和融合模式搜索单元的特征融合网络；特征融合网络从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的最优特征的通道进行分组，融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；根据候选特征对，融合模式搜索单元从包括多个候选融合操作的操作集中搜索得到融合策略，并以融合策略对候选特征对进行特征融合，得到每个候选特征对的融合特征；基于融合特征确定图片中检测目标的预测位置类别。把在目标硬件上特征融合网络的硬件开销作为搜索目标；在目标硬件上能实现精度和计算开销的良好权衡。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.036 seconds)
