-
公开(公告)号：CN118760736A
公开(公告)日：2024-10-11
申请号：CN202410956784.9
申请日：2024-07-17
Applicant: 之江实验室
IPC: G06F16/33 , G06F16/332 , G06F18/214 , G06F18/22 , G06F18/24 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种基于混合专家LLM的标签计算方法，所述方法包括：设计一种混合专家LLM系统模型架构的标签计算方法，采用多个LLM并行计算与模型集成。设计基于向量相似性的标签语义扩展、基于LLM+小样本先验知识的先验计算、基于LLM+RAG的后验计算、基于多LLM联合软判决的标签过滤、基于知识蒸馏的二次标签召回等技术实现对标签的精准计算。本法方法区别于传统的标签计算方案，大大提升了标签计算的准确性和可靠性，有效解决了模型幻觉问题同时并保证了标签计算的准确性。
-
公开(公告)号：CN117011672B
公开(公告)日：2024-01-09
申请号：CN202311259542.6
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于类特定元提示学习的小样本类增对象识别方法和装置，该方法包括：采用基础任务的大量有标签图片构造基于类别特定提示的跨模态特征学习网络；从基础任务中构造具有伪基础任务和多阶段伪增量任务的元学习情景训练数据集，用以模拟真实的小样本类增对象识别任务；针对每个伪学习任务，使用支持集图片，构造类特定的提示向量，使用查询集图片，优化跨模态特征学习网络中的提示生成器及上下文提示向量；使用最终的跨模态特征学习网络获取增量任务的所有类别文本特征，根据测试图片的图片特征与所有类别文本特征的余弦相似度进行类别识别。本发明实现方法简便、灵活，显著提高了新类别的泛化能力，缓解旧类别的灾难性遗忘现象。
-
公开(公告)号：CN115359074B
公开(公告)日：2023-03-28
申请号：CN202211284399.1
申请日：2022-10-20
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/136 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/088
Abstract: 本发明公开了基于超体素聚类及原型优化的图像分割、训练方法及装置，使用训练数据进行无监督超体素聚类；基于超体素聚类结果构造基于伪标签的元学习训练数据集；采用元学习训练数据集构造基于原型优化的小样本医疗图像分割网络；将测试类的有标签训练图片输入上述小样本图像分割网络，提取相应的图片特征，根据图片所对应的真实分割掩码，计算该类别的类原型向量；将测试类的测试图片输入上述网络提取特征，计算测试图片特征与类原型向量之间的余弦相似度，并基于相似度对原型进行优化；计算图片特征与优化后的原型向量之间的余弦相似度，并对余弦相似度进行归一化处理，将相似度大于分类阈值的位置，预测为前景所在位置，得到最终的分割结果。
-
Patent Agency Ranking
公开(公告)号：CN117892764A
公开(公告)日：2024-04-16
申请号：CN202311817973.X
申请日：2023-12-26
Abstract: 本申请涉及一种图神经网络生成方法、装置、计算机设备、存储介质和计算机程序产品。包括：在图神经网络的训练过程中，通过图神经网络获取图拓扑数据的平均度数，并确定图拓扑数据的邻接矩阵；在平均度数满足度数条件的情况下，基于平均度数确定图拓扑数据的图划分力度；基于按图划分力度对邻接矩阵进行划分确定的各顶点的邻接点数量，对各顶点进行排序，得到各顶点的排序结果；基于通过排序结果确定的动态邻居划分表，将图拓扑数据的多个子特征分别与邻接矩阵依次进行聚合，得到各子特征的子聚合结果；将各子聚合结果进行整合处理，输出图拓扑数据对应的聚合结果，基于聚合结果，生成训练后的图神经网络。采用本方法可加速图神经网络的训练速度。
-
公开(公告)号：CN117611951A
公开(公告)日：2024-02-27
申请号：CN202311815373.X
申请日：2023-12-26
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/26
Abstract: 本说明书公开了一种基于退化图像的检测模型训练以及检测方法及装置。所述任务执行方法包括：根据获取到的各样本图像，确定合成图像。针对每个检测模型，将合成图像输入到该检测模型的图像恢复网络中，得到该检测模型的图像恢复网络输出的恢复后图像，并将恢复后图像输入到该检测模型的目标检测网络中，得到该检测模型的目标检测网络输出的目标检测结果，作为该检测模型对应的目标检测结果。以最小化该检测模型的图像恢复网络针对合成图像输出的恢复后图像与合成图像对应的真实清晰图像之间的偏差，以及最小化该检测模型针对合成图像的目标检测结果与合成图像对应的实际结果之间的偏差为优化目标，对该检测模型进行训练。
-
公开(公告)号：CN117011672A
公开(公告)日：2023-11-07
申请号：CN202311259542.6
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于类特定元提示学习的小样本类增对象识别方法和装置，该方法包括：采用基础任务的大量有标签图片构造基于类别特定提示的跨模态特征学习网络；从基础任务中构造具有伪基础任务和多阶段伪增量任务的元学习情景训练数据集，用以模拟真实的小样本类增对象识别任务；针对每个伪学习任务，使用支持集图片，构造类特定的提示向量，使用查询集图片，优化跨模态特征学习网络中的提示生成器及上下文提示向量；使用最终的跨模态特征学习网络获取增量任务的所有类别文本特征，根据测试图片的图片特征与所有类别文本特征的余弦相似度进行类别识别。本发明实现方法简便、灵活，显著提高了新类别的泛化能力，缓解旧类别的灾难性遗忘现象。
-
公开(公告)号：CN116153523A
公开(公告)日：2023-05-23
申请号：CN202310216414.7
申请日：2023-03-02
Applicant: 之江实验室
Abstract: 本发明公开了一种骨支架模型内扩散场的模拟方法和装置，构建需要模拟的骨支架模型，设置扩散物质、扩散物质对应的扩散方程、模拟的各项初始参数；构建用于扩散场模拟的神经网络，从骨支架模型内采样三维点作为样本点，并将样本点处的初始参数带入扩散方程后，根据扩散方程构建损失函数；以样本点及扩散时刻作为神经网络的输入，并采用损失函数对神经网络进行参数优化；利用参数优化的神经网络进行扩散场模拟得到模拟扩散结果。该方法在确保模拟精度的情况下，尽可能提升模拟运算速率。
-
公开(公告)号：CN115359074A
公开(公告)日：2022-11-18
申请号：CN202211284399.1
申请日：2022-10-20
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/136 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于超体素聚类及原型优化的图像分割、训练方法及装置，使用训练数据进行无监督超体素聚类；基于超体素聚类结果构造基于伪标签的元学习训练数据集；采用元学习训练数据集构造基于原型优化的小样本医疗图像分割网络；将测试类的有标签训练图片输入上述小样本图像分割网络，提取相应的图片特征，根据图片所对应的真实分割掩码，计算该类别的类原型向量；将测试类的测试图片输入上述网络提取特征，计算测试图片特征与类原型向量之间的余弦相似度，并基于相似度对原型进行优化；计算图片特征与优化后的原型向量之间的余弦相似度，并对余弦相似度进行归一化处理，将相似度大于分类阈值的位置，预测为前景所在位置，得到最终的分割结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
