-
公开(公告)号：CN115391544A
公开(公告)日：2022-11-25
申请号：CN202211244693.X
申请日：2022-10-12
Applicant: 浙江大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06N3/08
Abstract: 本发明公开了一种基于强编码和中文分词的中文文本分拣系统，该系统基于强编码模型和中文分词数据实现中文文本分拣，首先获取包含大量中文文本及对应标签的数据库，采用带标签的中文文本数据作为输入，对中文文本进行分词后再编码成机器可识别格式，将该编码后的句子输入中文文本分拣模型进行模型训练，得到训练好的模型便可用于新获取的中文文本自动分拣。本发明实现了自动化、高准确率的中文文本分拣，考虑了中文字词的前后关系，克服了人工进行文本分拣效率低以及传统方法准确率低的不足，可广泛应用并有助于军事情报分拣、新闻主题分类和电影评论分类等领域的智能化。
-
公开(公告)号：CN114708472B
公开(公告)日：2022-09-09
申请号：CN202210629969.X
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06V10/774 , G06V10/778 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F40/279 , G06F40/242 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种面向AI实训的多模态数据集标注方法、装置及电子设备，属于计算机视觉领域。本发明通过基于深度学习技术和图对齐融合的场景图生成算法，利用图像描述的弱监督信息产生第一类场景图，进一步与基于图像生成的第二类场景图进行对齐和融合，最终产生候选的初始场景图作为人工标注的参考，避免了错误标注和漏标注。本发明可为多模态数据集的人工标注提供智能标注提示，使得人工标注时仅需优化侯选的场景图即可，大大降低了标注规模和标(56)对比文件吴超.融合颜色数据与深度数据的背景建模算法研究《.中国优秀硕士论文全文库 信息科技》.2019,陈烨.多模态知识图谱构建与应用研究综述《.计算机应用研究》.2021,Xia, Jinbiao.Lightweight Self-Attention Residual Network forHyperspectral Classification《.IEEEGEOSCIENCE AND REMOTE SENSING LETTERS》.2022,
-
公开(公告)号：CN114968788A
公开(公告)日：2022-08-30
申请号：CN202210594679.6
申请日：2022-05-27
Applicant: 浙江大学
Abstract: 本发明公开了一种人工智能算法编程能力自动评估方法、装置、介质及设备，属于人工智能领域。本发明提供了一种自动化代码评测流程，可针对用户提交的代码进行自动评估，并在评估后针对模型表现和可解释性结果得出的评分和模型优化建议，便于用户在学习过程中快速上手人工智能算法。同时，本发明提供了智能化的数据预处理流程，可让用户专注于构建模型算法本身，而不需要关注模型算法之外其他的处理流程，从而使用户能够聚焦于学习人工智能算法中的核心内容。本发明能够提供多维度的结果分析，且模型中不同超参数、输入特征的设置效果一目了然，以便于用户对模型进行有效改进。
-
公开(公告)号：CN114707654B
公开(公告)日：2022-08-23
申请号：CN202210628435.5
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06N5/04 , G06N3/08 , G06K9/62 , G06F16/904
Abstract: 本发明公开了一种基于人工智能框架的算法训练推理性能可视化方法及装置，属于深度学习技术领域。本发明能够将深度学习模型在人工智能框架上的算法训练或推理过程的数据转换为通用的Protobuf数据格式，通过计算深度模型网络中的节点延迟和节点效率来可视化人工智能框架的性能表现，方便用户分析和优化算法模型。本发明提供了比较不同人工智能框架的算法训练或推理性能的方法，适用于不同的人工智能框架，为用户比较和选择合适的人工智能框架以及优化模型结构提供帮助。
-
公开(公告)号：CN114707471A
公开(公告)日：2022-07-05
申请号：CN202210628381.2
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06F40/166 , G06F40/103 , G06F16/438
Abstract: 本发明公开了一种基于超参数评估图算法的人工智能课件制作方法及装置，属于人工智能领域。本发明借助模块化与组件化的低代码开发平台，根据用户在实训项目创建环节对低代码开发平台上功能组件的拖拽指令，将数据组件、模型组件和可视化组件加入实训项目中，并根据用户输入的建立链接指令在实训项目的各功能组件之间建立拓扑连接关系，最后通过代码补全并生成可执行文件，从而在线创建具有可视化功能的人工智能实训项目，并进一步与用户创建的文稿课件关联整合生成人工智能课件。本发明可实现交互式课程制作开发，无需编码或使用少量代码便可实现教育行业人工智能实训需求，使得教师能够使用可视化工具开发自己的课件，免去代码编写工作。
-
Patent Agency Ranking
公开(公告)号：CN112906458B
公开(公告)日：2022-07-05
申请号：CN202110023562.8
申请日：2021-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种群智能优化的水下激光多目标端到端自动识别系统，包括水下目标激光图像获取模块、群智能优化的水下激光多目标端到端自动识别系统、显示模块，其中群智能优化的水下激光多目标端到端自动识别系统包含水下激光图像数据库、预处理模块、水下激光多目标建模模块、群智能优化模块、水下激光多目标自动识别模块、水下目标识别输出模块。本发明实现了最优的端到端的自动模型训练和目标识别，可识别同一水下激光图像中多个目标，识别准确率高，同时具有特征提取能力强、识别速度快、智能化程度高等优点，解决了传统水下激光目标识别操作繁琐，只适用于单目标、识别准确率低、速度慢、模型质量差、需要人为选择参数等缺点。
-
公开(公告)号：CN112926619B
公开(公告)日：2022-06-24
申请号：CN202110023549.2
申请日：2021-01-08
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种高精度水下激光目标识别系统，包括水下激光探测器、数据库及上位机；水下激光探测器、数据库和上位机依次相连，所述的水下激光探测器对待检测的水域进行探测，并将得到的图像存储到所述的数据库，所述的上位机包含数据生成模块、数据预处理模块、目标分类模块和结果显示模块。本发明提供一种实现水下环境数据生成和高准确度识别水下目标的水下激光目标识别系统及方法。
-
公开(公告)号：CN114153969A
公开(公告)日：2022-03-08
申请号：CN202111320149.4
申请日：2021-11-09
Applicant: 浙江大学
Abstract: 本发明公开了一种高准确率高效的文本分类系统，包括数据库及上位机；数据库和上位机依次相连，所述数据包含已有的已经采集到的文本信息，所述的上位机包括数据预处理模块、特征提取模块、分类模块和结果显示模块。本发明具有分类准确率高、速度快的特点。
-
公开(公告)号：CN111026140B
公开(公告)日：2021-09-21
申请号：CN201911149100.X
申请日：2019-11-21
Applicant: 浙江大学
Abstract: 本发明公开了一种约束全程满足的高超声速飞行器轨迹优化自适应最优控制器，用于对飞行器轨迹进行控制。所述的约束全程满足的高超声速飞行器轨迹优化自适应最优控制器由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器MCU、飞行器攻角控制器构成。飞行器MCU根据测得的海拔高度、速度、飞行航道倾角要求自动执行内部约束全程满足的自适应算法，并将获得的控制策略转换为控制指令发送给飞行器攻角控制器执行。本发明能够根据高超声速飞行器不同的海拔高度、速度、飞行航道倾角和飞行水平航程状态快速地得到轨迹优化控制策略，使高超声速飞行器获得更远航程。
-
公开(公告)号：CN112925932A
公开(公告)日：2021-06-08
申请号：CN202110025073.6
申请日：2021-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种高清晰的水下激光图像处理系统，包括水下激光雷达，上位机和数据库都与总线相连。所述的激光雷达对所检测水域进行探测，将得到的图像存储到所述的数据库，所述的上位机包括获取模块、图像处理模块、显示模块、训练模块。其中获取模块与总线相连，用于获取和传送数据，获取模块与图像处理模块和训练模块分别双向相连，为后两者提供数据，图像处理模块与训练模块双向连接，图像处理模块的输出端与显示模块的输入端相连，用于生成的清晰图像结果的显示。通过对深度生成网络和判别网络进行对抗训练，提高水下激光雷达图像的成像质量、速度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.022 seconds)
