-
公开(公告)号：CN119692410A
公开(公告)日：2025-03-25
申请号：CN202311248206.1
申请日：2023-09-25
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本申请实施例提供一种模型训练方法、装置及终端设备。该方法包括：确定初始模型，所述初始模型中包括多个神经元，所述初始模型用于对输入数据进行处理得到标签数据；获取多个输入数据；确定各神经元的安全阈值和激活函数参数；根据所述多个输入数据、以及所述各神经元的安全阈值和激活函数参数，确定各神经元的权重值，以得到目标模型；所述目标模型用于对所述输入数据进行处理得到输出数据，所述输出数据为对所述标签数据进行脱敏处理后的数据。提高了模型训练的安全性。
-
公开(公告)号：CN118278485A
公开(公告)日：2024-07-02
申请号：CN202211734115.4
申请日：2022-12-30
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本发明实施例提供了一种神经网络模型压缩、图像处理方法及装置，涉及人工智能技术领域，所述方法包括：基于表征待压缩模型中各网络层内神经元的输入图像数据和输出图像数据间映射关系的激活函数，获得各网络层对应的NTK特征谱的第一表征信息；获得各网络层中神经元按照对应的分段多值化映射关系进行数据转换时对应的NTK特征谱的第二表征信息；确定使得各网络层对应的第二表征信息与第一表征信息相同时各网络层对应的分段多值化映射关系的参数值；按照确定参数值后的映射关系更新各网络层对应的激活函数，得到用于进行图像处理的压缩后模型。应用本发明实施例提供的神经网络模型压缩方法，能够实现对应用于图像处理的神经网络模型进行压缩。
-
公开(公告)号：CN115657303A
公开(公告)日：2023-01-31
申请号：CN202211218465.5
申请日：2022-10-06
Applicant: 华中科技大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种双级联超构透镜的设计方法及长波红外超构透镜成像系统，属于透镜与微纳光子学领域，方法包括：利用严格耦合波分析法，计算不同半径的柱状结构单元在长波红外特征波长入射时引入的相位突变、以及在长波红外的色散分布，得到多组半径‑相位突变‑色散分布，以组成柱状结构单元库；以令双级联超构透镜可对入射光线进行波前调控以及校正入射光线的高级像差为目标，确定超表面六方晶格周期阵列的目标相位分布；根据目标相位分布，以同一超表面中各六方晶格的色散分布一致性最高为目标，从选取的结果中确定每一六方晶格处柱状结构单元的半径。采用特殊的色散设计方式，使超构光学元件用于红外大口径成像应用领域。
-
公开(公告)号：CN115657303B
公开(公告)日：2025-01-03
申请号：CN202211218465.5
申请日：2022-10-06
Applicant: 华中科技大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种双级联超构透镜的设计方法及长波红外超构透镜成像系统，属于透镜与微纳光子学领域，方法包括：利用严格耦合波分析法，计算不同半径的柱状结构单元在长波红外特征波长入射时引入的相位突变、以及在长波红外的色散分布，得到多组半径‑相位突变‑色散分布，以组成柱状结构单元库；以令双级联超构透镜可对入射光线进行波前调控以及校正入射光线的高级像差为目标，确定超表面六方晶格周期阵列的目标相位分布；根据目标相位分布，以同一超表面中各六方晶格的色散分布一致性最高为目标，从选取的结果中确定每一六方晶格处柱状结构单元的半径。采用特殊的色散设计方式，使超构光学元件用于红外大口径成像应用领域。
-
公开(公告)号：CN117800397A
公开(公告)日：2024-04-02
申请号：CN202311872452.4
申请日：2023-12-29
Applicant: 华中科技大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供了一种制备氧化钨半导体气敏材料的方法及其传感器，属于传感器领域，先将钨的前驱体溶解在溶剂中，得到清澈透明的溶液，再向清澈透明的溶液中加入增敏材料前驱体，获得均匀的混合溶液，将混合溶液置于反应器中，然后离心分离获得固体反应物，将固体反应物清洗后烘干，接着，将金属纳米颗粒溶解在去离子水中，将单原子金属增敏处理的氧化钨半导体气敏材料加入其中反应，采用离心分离收集产物，将产物清洗后干燥，获得单原子和金属纳米颗粒两者同时增敏处理的双功能位点氧化钨半导体气敏材料。本发明还提供制备如上气敏材料的方法以及气体传感器。本发明能解决现有的氧化物半导体气体传感响应迟缓、相应弱以及稳定性不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN115128691B
公开(公告)日：2025-05-06
申请号：CN202210741676.0
申请日：2022-06-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种干扰物体检测方法和反射式光电传感器，涉及门禁控制领域。该方法应用于闸机；该方法包括：对多个反射式光电传感器中的第一传感器，基于第一传感器发射并接收的光信号，获取探测直方图；当根据预设时间点在探测直方图中检测到闸机机体，且在预设时间点之前的时间点处检测到物体时，确定闸机通道内存在干扰物体；预设时间点为第一传感器发射光信号的时刻加上光信号飞行过闸机通道的宽度的两倍距离所使用的时长之后得到的时间点。该方法适用于控制闸机阻拦或放行的过程中，用于提高闸机通道内物体检测的准确性。
-
公开(公告)号：CN109919296B
公开(公告)日：2025-02-14
申请号：CN201711319390.9
申请日：2017-12-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08 , G06N3/045 , G06F18/2431
Abstract: 本发明实施例提供了一种深度神经网络训练方法、装置及计算机设备，其中，深度神经网络训练方法包括：针对树状网络拓扑结构中的当前网络层，获取当前网络层中各节点的任务属性，其中，树状网络拓扑结构中的各节点为对应于不同任务的神经网络，树状网络拓扑结构中的叶节点为针对指定任务已完成训练的神经网络；基于当前网络层中各节点的任务属性，对当前网络层中各节点进行聚类分析，提取同一类别中多个节点的任务属性的共性部分，作为多个节点的父节点的任务属性；基于各父节点的任务属性，训练各父节点的网络参数；在对各网络层中各节点完成训练后，确定树状网络拓扑结构对应的深度神经网络训练结束。通过本方案可以提高深度学习的运算效率。
-
公开(公告)号：CN119229635A
公开(公告)日：2024-12-31
申请号：CN202310779383.6
申请日：2023-06-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种路径还原方法、装置、设备以及存储介质，涉及智能交通技术领域，具体实现方案为：基于目标车辆已知经过的第一点位，确定缺失点位的候选点位组；获得各第一点位的点位数据和各第二点位的点位数据，其中，第一点位的点位数据包括：第一点位的点位特征数据、目标车辆经过第一点位的时间数据和目标车辆经过第一点位时第一点位的态势数据，第二点位的点位数据包括：第二点位的点位特征数据和目标车辆经过第一点位时第二点位的态势数据；基于各条可通行路径中点位的点位数据，生成各条可通行路径的路径特征；基于路径特征，从各条可通行路径中确定目标车辆的还原路径。应用本申请实施例提供的方案能够实现行驶路径还原。
-
公开(公告)号：CN118823542B
公开(公告)日：2024-12-27
申请号：CN202411305356.6
申请日：2024-09-19
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/80 , G06V10/74 , G06V10/25 , G06V10/62 , G06V10/46 , G06V20/52 , G06V20/40 , G06V40/20 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及图像识别技术领域，具体涉及一种视觉特征与时空信息融合的跨时空目标关联方法，包括以下步骤：提取监控视频和待关联图像的目标特征；构建大时空下各摄像机之间的动态时空拓扑结构；基于摄像机之间的动态时空拓扑结构筛选时空关联范围；利用目标特征以及时空一致性原则判断待关联的目标图像与关联范围内的图像是否为同一目标身份，进而进行小时空下的目标关联；以关联上的目标图像为新的待关联图像，逐步扩大搜索范围，重复执行上述小时空范围关联，实现大时空范围下的目标关联。本发明可融合目标特征以及各个摄像机间的时空信息，实现更高效、准确的大时空目标关联。
-
公开(公告)号：CN119107515A
公开(公告)日：2024-12-10
申请号：CN202310679021.X
申请日：2023-06-08
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/774 , G06V40/16
Abstract: 本申请提供一种面部运动单元检测方法、装置及设备，该方法包括：将源域图像输入给检测网络得到源域特征，将源域特征输入给第一分类器得到源域预测向量；将目标域图像输入给检测网络得到目标域特征，将目标域特征输入给第一分类器得到目标域预测向量；基于源域预测向量确定源域分布向量，基于目标域预测向量确定目标域分布向量；将源域分布向量输入给第二分类器得到第一分类结果，将目标域分布向量输入给第二分类器得到第二分类结果，基于第一分类结果和第二分类结果确定第一损失值，基于第一损失值对检测网络和第一分类器的网络参数进行调整，基于调整后的检测网络和第一分类器生成目标网络模型。通过本申请方案，训练时间较短，资源消耗较小。
-
-
-
-
-
-
-
-
-
Search Results
813
records
(took 0.07 seconds)
