-
公开(公告)号：CN116861985A
公开(公告)日：2023-10-10
申请号：CN202310796834.7
申请日：2023-06-29
Applicant: 南湖实验室
IPC: G06N3/082 , G06N3/0464
Abstract: 本方案公开了一种基于卷积层相对信息熵的神经网络剪枝子网搜索方法，该方法创新地利用了模型权重的信息熵来对不同卷积层的冗余度进行比较，各卷积层基于冗余程度的不同进行区别对待，冗余程度低的层剪枝时保留相对较大比例，而冗余度高的层剪枝时保留相对较小比例，使通过本方案得到的子网络具有更佳的网络性能，能够适用于任意比例范围(0～1之间)的神经网络剪枝需求，可以根据设定的剪枝保留比例需求，搜索大量符合要求的子网络，并利用有效的自适应批量归一化评估器从中选出最优子网络。
-
公开(公告)号：CN115937745A
公开(公告)日：2023-04-07
申请号：CN202211612025.8
申请日：2022-12-14
Applicant: 南湖实验室
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习和时序判定法的动作计数框架，该框架包括模型检测模块和时序判定模块，所述时序判定模块基于输入的包含特定重复动作的视频段进行判断。该基于深度学习和时序判定法的动作计数框架及构建方法解决了视频理解中对于开始结束信息无法有效预测的问题，提升了预测性能和效率；同时还解决了以往的重复动作计数模型在对于长时间段视频的动作计数预测中，因为采样帧的分布相对于视频长度会过于稀疏而导致的计数值有上限的问题，从而提升了重复动作计数模型的准确度性能。
-
公开(公告)号：CN115331056A
公开(公告)日：2022-11-11
申请号：CN202210973706.0
申请日：2022-08-15
Applicant: 南湖实验室
IPC: G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于反向传播梯度筛选的异常检测方法及模型，包括：S1.准备经过训练的异常检测模型；S2.将待预测图片输入异常检测模型进行一般的前向传播得到预测结果，当预测结果为异常时，执行步骤S3；S3.确定用于求梯度的特征图矩阵；S4.对预测结果进行反向传播计算得到特征图矩阵对应的梯度矩阵；S5.对梯度矩阵在横纵坐标的方向上求平均梯度得到平均梯度矩阵；S6.对平均梯度矩阵与特征图矩阵进行矩阵相乘操作并将各个通道的同位置元素的值进行累加得到梯度图；S7.基于步骤S6获取的梯度图进行梯度筛选得到异常感知区域。本发明在原有的基于深度神经网络的分类模型框架上实现扩展功能，在保持模型框架精简的同时能够实现异常区域的定位。
-
公开(公告)号：CN114117333B
公开(公告)日：2022-05-17
申请号：CN202210068973.3
申请日：2022-01-20
Applicant: 南湖实验室
Abstract: 本发明公开了一种用于异常检测的对抗重构网络设计、训练方法及检测方法，尤其涉及一种用于异常检测的可支持多段式训练的对抗重构网络损失函数设计方法，包括重构网络损失函数和判别网络损失函数，所述的重构网络损失函数包括重构损失函数和重构对抗损失函数，所述的判别网络损失函数包括真实图像判别损失函数和判别对抗损失函数，所述的重构损失函数用于评估重构网络的重构性能，真实图像判别损失函数用于评估判别网络的判别性能，所述的重构对抗损失函数和判别对抗损失函数用于重构网络和判别网络对抗训练的交互。前述对抗重构网络损失函数涉及方法为多段式训练策略提供基础，使模型训练更稳定，克服对抗重构网络的对抗训练不稳定的问题，保证最终的重构网络能够高效复原正常样本，且判别网络对正常样本赋高分。
-
公开(公告)号：CN118485893A
公开(公告)日：2024-08-13
申请号：CN202410692099.X
申请日：2024-05-31
Applicant: 南湖实验室
IPC: G06V10/774 , G06V10/82 , G06N3/082 , G06V10/776
Abstract: 本发明公开了一种考虑量化和剪枝的影响的模型优化方法及系统，涉及图像处理技术领域，方法包括获取预训练模型和基本数据；对预训练模型进行结构转换，得到转换后的模型；对转换后的模型进行参数评分，得到模型参数评分结果；根据模型参数评分结果，对转换后的模型进行量化剪枝，得到裁剪后的模型；利用图像训练样本集对裁剪后的模型进行迭代训练，并判断训练后的模型是否达到目标精度和目标计算量，若是，则将训练后的模型作为优化后的模型；否则返回步骤“对转换后的模型进行参数评分，得到模型参数评分结果”，直至训练后的模型达到目标精度和目标计算量为止。本发明可有效提升图像处理模型的图像处理速度和效率。
-
Patent Agency Ranking
公开(公告)号：CN116821949A
公开(公告)日：2023-09-29
申请号：CN202310416470.5
申请日：2023-04-19
Applicant: 南湖实验室
Abstract: 本发明公开了一种基于区块链的心理健康聊天机器人隐私保护方法及其系统，设计了一个全流程的心理健康聊天机器人隐私保护框架，可以在严格的隐私保护前提下，为患者提供心理健康聊天机器人服务，该框架使用区块链来验证和管理心理健康聊天机器人的部署环境和心理健康聊天机器人应用，与用户交互的心理健康聊天机器人应用都部署在机密计算环境中，机密计算环境能够确保用户的聊天记录不会被未授权的用户访问，能够保护用户的隐私信息不会被泄露。
-
公开(公告)号：CN114418898B
公开(公告)日：2022-07-26
申请号：CN202210274449.1
申请日：2022-03-21
Applicant: 南湖实验室
IPC: G06T5/00 , G06T7/73 , G06V10/774 , G06K9/62
Abstract: 本发明提供了一种基于目标重叠度计算和自适应调整的数据增强方法，包括：S1、将已标注的目标检测任务的数据集作为对象；S2、对待扩展目标进行选择：选定一个或多个目标类别作为待扩展类别，筛选出整个数据集中包含所述待扩展类别的图片的集合作为待扩展集合，从整个数据集中随机选取一定比例数量的图片组成集合作为待生成集合；S3、所述待扩展集合与所述待生成集合中的图片随机组合，通过重叠度计算与自适应调整的方法，生成新图片与新标签以进行数据增强。本发明可以提升数据集中的图片数量、目标数量、目标与背景组合的多样性，提升深度神经网络模型的训练效率和性能。
-
公开(公告)号：CN115759757A
公开(公告)日：2023-03-07
申请号：CN202211615887.6
申请日：2022-12-15
Applicant: 南湖实验室
IPC: G06Q10/0635 , G06Q40/04
Abstract: 本发明公开一种交易风险预警方法、系统和电子设备，涉及安全预警技术领域。本发明主要应用于可信执行环境中，在实施过程中，将交易数据输入到由基于机密计算的深度学习训练得到交易风险预警模型即可得到交易风险预警结果，就这能够实现利用计算机硬件支持的可信执行环境，保护深度学习使用的样本数据和模型数据的隐私安全，以能够在提高采用深度学习模型的安全性的同时，提高交易预警的实时性和精确性，进而有效规避交易过程存在的风险。
-
公开(公告)号：CN119398120A
公开(公告)日：2025-02-07
申请号：CN202411641595.9
申请日：2024-11-15
IPC: G06N3/08 , G06N3/0464 , G06N3/04 , G06N3/048 , G06F18/2415
Abstract: 本申请公开了一种无线感知模型的训练方法、无线感知方法及相关装置，涉及深度学习技术领域，基于算术查找计算逻辑门网络中神经元输出，减少逻辑门网络训练过程的参数量和计算量，降低训练成本；在采用样本信道状态信息以及样本信道状态信息对应的标签对无线感知模型进行训练过程中，采用直通估计器对无线感知模型进行训练，减少在部分数据集上离散化过程带来的精度损失，增强逻辑门网络的泛用性。
-
公开(公告)号：CN117011931A
公开(公告)日：2023-11-07
申请号：CN202310725187.0
申请日：2023-06-19
Applicant: 南湖实验室
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/44 , G06V10/62 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向复杂场景视频的人物动作识别方法，提出对三种模型联合使用，由目标检测模型通过循环读取得到一定时间段内各个人物在画面中的位置信息，然后利用目标追踪模型的重识别能力，并基于重识别的ID标记提出List收集，即同一ID的动作画面内容被列入同一List，对视频画面中各人物的连续动作帧分别收集得到各人物的连续动作帧集合，最后再由视频分类模型基于连续动作帧集合对视频画面中各人物的动作进行分类，实现对复杂场景下人物动作的准确及实时识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
