公开(公告)号：CN107145900B

公开(公告)日：2019-07-26

申请号：CN201710272142.7

申请日：2017-04-24

申请人： 清华大学

发明人： 鲁继文 ,  周杰 ,  任亮亮 ,  林己

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC分类号： G06K9/6215 ,  G06N3/0454 ,  G06N3/084

摘要： 本发明公开了一种基于一致性约束特征学习的行人再识别方法，包括：S1：通过摄像头网络获取行人图片，并标注训练集；设定参数，并初始化卷积神经网络；S2：从数据库当中采样出一个图片子集，使用卷积神经网络提取特征信息，根据特征信息计算得到所有行人的相似度矩阵；S3：根据预设目标函数和预设梯度下降方法求解所有行人的关系矩阵的最优匹配；S4：根据所有行人的关系矩阵的最优匹配和根据实际情况得到的所有行人的关系矩阵之间的偏差求出梯度反传，来根据梯度反转训练卷积神经网络；S5：重复步骤S2‑S4，直至满足用户需求。本发明具有如下优点：适应大型摄像机网络下进行匹配的应用场景，消除互相矛盾的匹配误差。

公开(公告)号：CN109697507A

公开(公告)日：2019-04-30

申请号：CN201711004974.7

申请日：2017-10-24

申请人： 上海寒武纪信息科技有限公司

发明人： 不公告发明人

IPC分类号： G06N3/063 ,  G06N3/04 ,  G06N3/08 ,  G06F7/505 ,  G06F7/523

CPC分类号： G06N3/063 ,  G06F7/5057 ,  G06F7/523 ,  G06F9/30007 ,  G06F9/3001 ,  G06F9/30029 ,  G06F9/30036 ,  G06F9/30058 ,  G06F9/30069 ,  G06F9/30145 ,  G06N3/0454 ,  G06N3/084

摘要： 本公开提供了一种处理方法及装置，通过量化数据，分别挖掘层间、段间数据之间的相似性以及层内、段内数据局部相似性，以挖掘两种数据分布特性从而进行低比特量化，减小了表示每一个数据的比特数，从而降低了数据存储开销和访存开销。同时，本公开还根据量化后的数据确定了运算密码本，将两种量化后的数据结合，便于处理。

公开(公告)号：CN109688428A

公开(公告)日：2019-04-26

申请号：CN201811524999.4

申请日：2018-12-13

申请人： 连尚(新昌)网络科技有限公司

发明人： 齐镗泉

IPC分类号： H04N21/234 ,  H04N21/44 ,  H04N21/84 ,  G06N3/04

CPC分类号： H04N21/234 ,  G06N3/0454 ,  H04N21/44 ,  H04N21/84

摘要： 本申请实施例公开了视频评论生成方法和装置。该方法的一具体实施方式包括：获取目标视频，对该目标视频进行视频描述处理，生成该目标视频的至少一个视频描述语句；确定该至少一个视频描述语句的文本摘要；基于所确定的文本摘要，生成该目标视频的评论语句。本申请实施例能够给视频添加与视频内容相关性非常高的评论，以提高所生成的评论语句的准确度，避免生成无效评论。

公开(公告)号：CN109685863A

公开(公告)日：2019-04-26

申请号：CN201811509532.2

申请日：2018-12-11

申请人： 帝工(杭州)科技产业有限公司

发明人： 杨光

IPC分类号： G06T11/00 ,  G06N3/04

CPC分类号： G06T11/003 ,  G06N3/0454

摘要： 本发明涉及一种重建医学乳房图像的方法，包括：提供医学乳房图像数据，所述医学乳房图像数据包括不完整角度的投影数据；以及使所述图像数据通过生成器以生成重建的医学乳房图像数据，所述生成器包括：第一数目个第一层，其中每个第一层包括卷积层和校正线性单元，其中在卷积层中对所述图像数据进行卷积，并且所述校正线性单元充当激活函数；以及使经过第一层的图像数据经过第二数目个第二层，其中每个第二层包括反卷层和校正线性单元，其中在反卷积层中对所述图像数据进行反卷积，并且所述校正线性单元充当激活函数。通过该方法，可以快速且准确地重建医学乳房图像，而且能够自适应于不同的扫描方案。

公开(公告)号：CN109685793A

公开(公告)日：2019-04-26

申请号：CN201811587748.0

申请日：2018-12-25

申请人： 安徽科大智能物流系统有限公司

发明人： 刘伟 ,  张歌 ,  钟智敏 ,  赵云

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

CPC分类号： G06T7/0008 ,  G06N3/0445 ,  G06N3/0454 ,  G06N3/061 ,  G06N3/084 ,  G06T2207/10012

摘要： 本发明属于管道表面缺陷检测领域，提供一种基于三维点云数据的管身缺陷检测方法及系统，包括：构建多层神经网络，神经网络中每个神经元节点为连续可微函数的感知器；获取管道表面的激光点云数据，并将激光点云数据拼接成转换矩阵；将拼接成的转换矩阵进行网格化处理，得到点云文件；将点云文件作为训练样本对构建的多层神经网络进行训练，得到缺陷检测模型；利用缺陷检测模型对被测管道表面的激光点云数据进行处理，检测管道表面缺陷。解决了现有技术中机器算法识别率低的问题。

公开(公告)号：CN109685772A

公开(公告)日：2019-04-26

申请号：CN201811502584.7

申请日：2018-12-10

申请人： 福州大学

发明人： 郭文忠 ,  施逸青 ,  牛玉贞

IPC分类号： G06T7/00 ,  G06T7/32 ,  G06N3/04 ,  G06N3/08

CPC分类号： G06T7/0002 ,  G06N3/0454 ,  G06N3/08 ,  G06T7/32 ,  G06T2207/10012 ,  G06T2207/20021 ,  G06T2207/30168

摘要： 本发明涉及一种基于配准失真表示的无参照立体图像质量评估方法。包括：对训练图像和待预测图像集合中的图像，计算配准图和左视图的差分图像作为图像的配准失真表示；对训练图像和待预测图像集合中的左视图和右视图进行局部归一化处理，左视图、右视图和配准失真表示划分成有重叠的图像块；训练图像集合中的左视图、右视图和配准失真表示的特征，并输入到全连接层来学习图像块的质量评估分数和失真类型识别；预测待预测图像的所有图像块的质量评估分数，计算待预测图像块的最多数投票失真类型作为图像最终的失真类型和加权平均质量分数作为最终的质量评估分数。本发明方法解决了左右视图的场景差异问题，能显著提高无参照立体图像质量评估的性能。

公开(公告)号：CN109685331A

公开(公告)日：2019-04-26

申请号：CN201811487973.7

申请日：2018-12-06

申请人： 中国软件与技术服务股份有限公司

发明人： 乔立中

IPC分类号： G06Q10/06 ,  G06N3/04 ,  G01M17/08

CPC分类号： G06Q10/0635 ,  G01M17/08 ,  G06N3/0454

摘要： 本发明公开了一种基于机器学习的高铁转向架传感器故障诊断方法。本发明的步骤包括：1)建立输入参数与观测参数之间的映射关系，其中每一观测参数对应一组输入参数；2)利用观测参数历史数据及其对应的输入参数历史数据对神经网络进行离线训练，得到一网络观测器；3)利用训练好的所述网络观测器对高铁转向架进行故障实时诊断。本发明很好地解决了传感器传统故障监测的弱点，尤其是传统的浅层神经网络存在梯度衰减、过度拟合、局部最小等缺点，有效地避免了人工提取特征的繁琐过程，提高了故障诊断效果。

公开(公告)号：CN109685290A

公开(公告)日：2019-04-26

申请号：CN201910109904.0

申请日：2019-02-11

申请人： 南方电网科学研究院有限责任公司 ,  中国南方电网有限责任公司

发明人： 赵云 ,  肖勇 ,  何恒靖 ,  钱斌 ,  周密 ,  郑楷洪

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/04

CPC分类号： G06Q10/04 ,  G06N3/0445 ,  G06N3/0454 ,  G06N3/08 ,  G06Q50/06

摘要： 本发明公开了一种基于深度学习的用电量预测方法，采用包括长短期记忆网络LSTM嵌入块的序列到序列seq2seq模型为预测模型，增强了序列到序列seq2seq模型的可学习型和表达性，利用包括历史时间序列和外源性特征数据的历史用电数据训练得到该预测模型，使预测模型除了时间特征外，还对外源性特征进行学习和表达，增加了对影响用电量趋势的多个因素的约束，从而得到了更贴近用电量实际状况的预测模型，通过该预测模型对用电量进行预测，得到了更为准确的用电量预测结果。本发明还提供一种基于深度学习的用电量预测装置及设备，具有上述有益效果。

公开(公告)号：CN109685288A

公开(公告)日：2019-04-26

申请号：CN201910034735.9

申请日：2019-01-15

申请人： 电子科技大学 ,  四川浩特通信有限公司

发明人： 吴春江 ,  郑皓文 ,  乐代波 ,  严浩 ,  陈虹洁 ,  谢雨霖 ,  王蒲

IPC分类号： G06Q10/04 ,  G06N3/04 ,  G08G1/01

CPC分类号： G06Q10/04 ,  G06N3/0454 ,  G08G1/0104 ,  G08G1/0125

摘要： 本发明公开了一种分布式交通流预测方法及系统，所述方法，包括：步骤1，获取交通流数据；步骤2，采用预先建立的分布式交通流预测模型对交通流数据进行处理得到预测结果；其中，所述分布式交通流预测模型的生成方法为：步骤2.1，基于交通流数据计算实测单路段拥堵值；步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型；步骤2.3，采用深度随机森林，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为训练集数据输入，训练分布式交通流预测模型。本发明将计算由各个节点分担，进行并行运算，大大减少了服务器的运算量和运算时间。

公开(公告)号：CN109685204A

公开(公告)日：2019-04-26

申请号：CN201811584647.8

申请日：2018-12-24

申请人： 北京旷视科技有限公司

发明人： 郭梓超

IPC分类号： G06N3/04 ,  G06N3/08

CPC分类号： G06N3/0454 ,  G06N3/082

摘要： 本发明涉及深度学习技术领域，提供一种模型搜索方法及装置、图像处理方法及装置。其中，模型搜索方法包括：构建待搜索结构，待搜索结构的任意两个相连节点之间连接有至少一条边，至少一条边中的每条边对应不同的候选操作；训练待搜索结构，在每次迭代时，将每两个相连节点之间的边中保留一条边后获得的模型确定为本次迭代所要训练的模型，若该模型中包含之前已经训练过的边，则直接迁移这些边已经训练好的参数；在待搜索结构训练好后，根据对模型性能的测试结果从待搜索结构包含的模型中选择至少一个可用的模型。该方法搜索模型的效率较高，且可以覆盖较大的搜索范围，避免遗漏有价值的模型。