-
公开(公告)号：CN116958616A
公开(公告)日：2023-10-27
申请号：CN202210373908.1
申请日：2022-04-11
申请人： 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06N3/084
摘要： 本申请提供一种分类模型训练方法、图像识别方法及相关设备，分类模型训练方法包括：使用图像分类模型分别对多个第一样本数据进行前向传播计算，以得到多个第一样本数据的第一损失值，图像分类模型包括多个出口，每一第一样本数据的第一损失值包括在多个出口的损失值，多个第一样本数据为第一采样得到的图像帧数据；使用权重预测模型对多个第一样本数据的第一损失值进行权重预测，得到多个第一样本数据分别在每一出口的目标权重；基于多个第一样本数据分别在每一出口的预测权重，以及多个第一样本数据的第一损失值，对图像分类模型进行训练，得到用于对图像进行分类的图像分类模型。本申请可以提升模型性能。
-
公开(公告)号：CN116883675A
公开(公告)日：2023-10-13
申请号：CN202210313693.4
申请日：2022-03-28
申请人： 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
摘要： 本发明提供一种图像处理方法、装置及设备，涉及通信技术领域。该方法包括：获取第一图像特征；根据所述第一图像特征进行第一卷积处理，得到第二图像特征；根据所述第一卷积处理中的每个子图像特征，确定对应的空间掩码；根据所述第一图像特征和所述空间掩码进行第二卷积处理，得到第三图像特征；根据所述第二图像特征和所述第三图像特征进行特征融合，得到目标图像特征。本发明的方案，解决了图像处理过程中资源浪费的问题。
-
公开(公告)号：CN116912562A
公开(公告)日：2023-10-20
申请号：CN202310777176.7
申请日：2023-06-28
申请人： 中国移动通信集团有限公司研究院 , 清华大学
IPC分类号： G06V10/764 , G06V10/40 , G06V20/70 , G06V10/82 , G06V10/774
摘要： 本发明提供了一种图片处理方法及装置，属于人工智能技术领域。图片处理方法，包括：将待处理的图片输入神经网络分类模型的特征提取器，得到所述图片的特征；将所述图片的特征输入语义方向预测网络模型，得到所述图片具有意义的第一语义方向；将所述图片的特征，沿着所述第一语义方向进行增强，得到增强后的特征；将所述增强后的特征，输入所述神经网络分类模型的分类器，得到所述图片的分类结果。本发明的技术方案能够避免在图像域上做数据增强时破坏分类信息。
-
公开(公告)号：CN116935099A
公开(公告)日：2023-10-24
申请号：CN202310724500.9
申请日：2023-06-19
申请人： 中国移动通信集团有限公司研究院 , 清华大学
IPC分类号： G06V10/764 , G06V10/96
摘要： 本申请公开了一种图像处理方法、装置、电子设备及可读存储介质，属于人工智能技术领域。本申请实施例的图像处理方法包括：获取待分类图像；将所述待分类图像输入到图像分类模型中，执行所述图像分类模型的特征提取分支和分类分支对所述待分类图像进行处理；所述特征提取分支和所述分类分支分别具有m个阶段；在执行完所述分类分支的第n阶段之后，根据所述分类分支的第n阶段的输出，利用所述分类分支的第n阶段之后的分类器对所述待分类图像进行分类，获得分类结果，1＜n≤m；在所述分类结果的置信度大于或等于预设阈值的情况下，输出所述分类结果，并退出所述图像分类模型。由此，可以实现动态早退机制，从而提升图像处理效率。
-
公开(公告)号：CN118864956A
公开(公告)日：2024-10-29
申请号：CN202410893706.9
申请日：2024-07-04
申请人： 清华大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00
摘要： 本申请提供一种面向现实测试时自适应的医学影像分类方法、系统及设备，涉及医学影像分类技术领域，以域和类作为两个独立维度，基于原始医学影像，利用马尔可夫状态转移矩阵创建多种场景的生成医学影像测试集，每种场景为域和类各自的平衡性参数和时间相关性参数的一个组合；将所述生成医学影像测试集中的影像依次输入目标医学影像分类模型，得到生成医学影像的分类结果，所述目标医学影像分类模型是将预训练的原始医学影像分类模型中的归一化层替换为平衡归一化层而得到的。本申请提出的面向现实测试时自适应的医学影像分类方法全面且适用范围广，且可以针对具体场景选择最合适的方法。
-
公开(公告)号：CN118506099A
公开(公告)日：2024-08-16
申请号：CN202410700912.3
申请日：2024-05-31
申请人： 清华大学
IPC分类号： G06V10/764 , G06V10/30
摘要： 本发明提供了一种基于生成域对齐的医学超声影像识别方法，涉及图像分类技术领域。所述方法包括：利用条件扩散模型创建用于微调的带标签的生成医学超声影像样本，标签用于表征生成医学超声影像样本对应的类别；利用生成域的无条件扩散模型将每个带标签的生成医学超声影像样本对齐至生成域，得到生成域医学超声影像集；利用生成域医学超声影像集对源域模型进行微调，得到生成域模型；利用生成域的无条件扩散模型将目标医学超声影像对齐至生成域，得到生成域目标医学超声影像；将生成域目标医学超声影像输入生成域模型，得到目标医学超声影像的第一预测分类结果。将跨域任务转化为域内预测任务，源域模型和目标数据的域都对齐在同一个生成域上，从而可以得到准确的预测分类结果。
-
公开(公告)号：CN111430025B
公开(公告)日：2023-07-25
申请号：CN202010161921.1
申请日：2020-03-10
申请人： 清华大学
IPC分类号： G16H50/20 , G06N3/0464 , G06N3/08 , G16H30/00
摘要： 本发明涉及一种基于医疗影像数据扩增的疾病诊断方法，属于疾病诊断方法技术领域。本方法首先在将原始影像数据映射到深度特征空间中，提取具有高度线性化的语义信息的特征；根据医疗影像中对应不同类别的数据在特征空间中的分布，获得用于数据扩增的特征协方差矩阵；计算数据扩增损失函数，通过不断优化该损失，获得特征提取能力更强的模型。该数据扩增方法仅在训练模型时使用，在使用模型对医疗影像数据预测时不会引入更多的计算量与计算时间。本方法对固定的医疗影像数据进行有效的扩充，显著地降低了深度神经网络的训练对于标注患者数据的数量要求，有效缓解了医疗影像数据获取困难、标注成本高的问题，而且提高了疾病诊断的准确率。
-
公开(公告)号：CN116402910A
公开(公告)日：2023-07-07
申请号：CN202310331763.3
申请日：2023-03-30
申请人： 清华大学
IPC分类号： G06T11/00 , G06N3/0475 , G06N3/094
摘要： 本公开提供了一种基于自适应文本学习的图像生成方法和装置，涉及计算机视觉技术领域。所述方法包括：将潜在向量输入目标域生成器，得到目标域图像；其中，所述目标域图像的生成方向为：根据所述潜在向量对应的自适应源域文本提示向量确定的方向；所述目标域生成器的训练过程使用了：映射器根据样本向量自适应生成的源域提示文本向量。
-
公开(公告)号：CN112613876B
公开(公告)日：2023-01-17
申请号：CN202011613061.7
申请日：2020-12-30
申请人： 清华大学
摘要： 本发明实施例公开了一种数字钱包交易方法、装置及系统，该方法包括：在满足设定条件时，检测是否获取到从冷钱包转移资产到热钱包的操作权限信息，操作权限信息包括操作权限码；若是，则将操作权限码和交易信息进行加密以得到加密信息，并将加密信息通过非接触通信方式传递给冷钱包；检测冷钱包通过非接触通信方式传递的反馈信息，在反馈信息包括签名数据时，从冷钱包转移资产到热钱包。本发明实施例公开的数字钱包交易方法、装置及系统，既具有冷钱包的安全存储特性，也具有热钱包的交易便捷特性，能够满足资产量大交易频繁的用户需求。
-
公开(公告)号：CN112598012B
公开(公告)日：2022-12-02
申请号：CN202011541149.2
申请日：2020-12-23
申请人： 清华大学
摘要： 本申请实施例公开了一种神经网络模型中数据处理方法、存储介质和电子装置，其中所述神经网络模型的卷积层采用分情况赋予参数的卷积核，所述方法包括：将卷积层的输入特征图通过预设的寻径函数进行处理，得到所述输入特征图在预设的旋转维度上的空间特征；利用所述空间特征对所述卷积层中的E组卷积权重参数进行空间变换，得到空间变换后的卷积权重参数，其中E为大于等于2的整数；根据所述空间变换后的E组卷积权重参数，获取所述输入特征图的目标卷积权重参数；将所述目标卷积权重参数与所述输入特征图执行卷积运算，得到所述卷积层的输出特征图。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.078 秒)
