专利名称：一种卷积增强外部注意力的多说话人时域语音分离方法      申请号：2022106470594     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：深度学习 神经网络 卷积网络 循环网络 注意力机制 时域处理 语音处理   相似专利 发布日：2025/04/25  
摘要： 本发明涉及语音处理技术领域，尤其涉及一种卷积增强外部注意力的多说话人时域语音分离方法。方法包括：S1.通过编码器将多说话人混合语音，进行卷积运算，转换为其潜在特征表示；通过基于卷积增强外部注意力模块的分离器学习得到语音掩码；语音掩码与编码器输出的潜在特征表示相乘，再通过解码器的反卷积运算重建波形得到分离后的语音。本发明能够满足语音分离较小模型、高时效性的需求，并且以其序列建模的优势来达到更好的分离效果；增强了外部注意力机制学习到更多的特征和相关性，且保持了其分离速度快的优势；在双路结构中的应用可以较好地平衡时效性、模型大小和分离效果。

专利名称：命名实体识别方法、装置及可读存储介质      申请号：2020112579453     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：深度学习 文本识别 数据算法 软件大数据   相似专利 发布日：2024/12/31  
摘要： 本发明提供一种命名实体识别方法、装置及可读存储介质，本发明方法中，将待识别电子病历输入至命名实体识别模型，输出与所述待识别电子病历对应的医疗实体识别结果，其中，所述命名实体识别模型是基于电子病历样本数据以及预先确定的医疗实体标签进行训练后得到的，所述命名实体识别模型用于基于预设双向长短期记忆网络‑条件随机场模型对所述待识别电子病历的基于拼音首字母、字和词的融合特征向量进行处理，以获得所述待识别电子病历对应的医疗实体识别结果。通过预设双向长短期记忆网络‑条件随机场模型对所述待识别电子病历的基于拼音首字母、字和词的融合特征向量进行处理，能够获得更全面的特征信息，进而提高医疗实体识别结果的准确性。

专利名称：黑盒预测模型内部特征因果图的构建方法      申请号：2019104668607     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：深度学习 自动驾驶 辅助驾驶 行车记录仪 图像处理   相似专利 发布日：2025/04/14  
摘要： 本发明涉及黑盒预测模型内部特征因果图的构建方法，通过汽车前部的摄像头捕获道路前方的场景图像，将其送入黑盒模型，在将所提取到的场景特征映射为方向盘指令的同时，将特征可视化并以解释图的形式展示特征间的相关关系，最后再通过特征实数化和特征筛选转化为特征因果图，找出产生此指令的原因。该技术将深度学习模型提取到的车前部摄像头所捕获图像的特征映射为车的方向盘控制指令，并给出下达该指令的原因。每一条指令的原因的给出有助于研究者快速发现不符合真实环境的指令或不利于全局优化的指令，通过进一步调整，可以使自动驾驶模型的性能得到大大的提高，为其安全保障提供了解释的依据。

专利名称：一种基于句法依存关系的命名实体识别方法      申请号：2020105568810     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：深度学习 文本识别 图像识别 语音识别 软件算法   相似专利 发布日：2025/04/01  
摘要： 本发明涉及一种基于句法依存关系的命名实体识别方法。在命名实体识别中，只有当模型所识别到的实体边界和类型都与标注实体的边界和类型相匹配，才算是真阳例(TP)。在大多数测试样本中，假阳例(FP)和假阴例(FN)往往都是由于实体的边界判断不正确造成的，也就是说边界识别比类型识别困难得多。本发明提出使用自注意力机制来削弱实体与实体以外单词的联系，并加强实体内部单词之间的关系。具体的是在双向长短期记忆网络(Bi-LSTM)网络之后，添加自注意力机制，把句法依存树中单词之间的依存关系编码进上下文信息，最后根据Bi-LSTM网络提供的全局特征以及句法依存树提供的局部特征，共同来判断实体边界。本发明提高了命名实体识别的准确率。

专利名称：一种基于深度学习的电涡流扫描图像分类识别方法      申请号：2019104438554     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：扫描仪 深度学习   相似专利 发布日：2023/10/23  
摘要： 本发明公开了一种基于深度学习的电涡流扫描图像分类识别方法，步骤为：S1、采集被测材料的电涡流扫描图像，并进行预处理；S2、构建训练样本与测试样本；S3、使用Sobel算子处理，得到去背景化的训练样本；S4、构建多个稀疏降噪自编码器，并初始化；S5、输入训练样本与去背景化的训练样本，对多个稀疏降噪自编码器进行无监督的逐层自学习预训练；S6、将多个训练好的稀疏降噪编码器的编码网络提取出来进行栈式组合构建栈式稀疏降噪自编码深度神经网络；S7、结合数据标签，使用BP算法与批量梯度下降法对深度神经网络进行微调；S8、将测试样本输入深度神经网络进行性能测试。该方法使隐含层提取到的图像特征能更加简明地反映材料缺陷，有利于分类准确率提高。

专利名称：一种基于深度学习的儿童骨龄评估方法及系统      申请号：2021105646621     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/23  
摘要： 本发明公开了一种基于深度学习的儿童骨龄评估方法及系统。该方法包括：获取待评估的手骨图像；对待评估的手骨图像进行预处理；将预处理后的图像输入至训练好的手骨分割模型，得到分割后的手骨区域掩膜；将分割后的手骨区域掩膜与预处理后的图像进行融合，得到去除背景信息的手骨图像；将去除背景信息后的手骨图像输入至训练好的骨龄评估模型中，对骨龄进行评估。本发明解决了当前手骨X光图像的评估效率过于低下，无法批量处理手骨X光图像等问题，缓解了医生读片的困难。本发明能够对儿童手骨X光图像进行有效的自动骨龄评估，对后续的骨骼发育成熟度评估提供有利的支持。

专利名称：基于深度学习与传统特征的多尺度服装检索方法及系统      申请号：2019113913824     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：纺织服装 深度学习   相似专利 发布日：2023/10/23  
摘要： 本发明涉及一种基于深度学习与传统特征的多尺度服装检索方法及系统，包括提取待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征；根据待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征计算第一欧氏距离；使用CNN‑M模型得到的款式属性预测结果优化第一欧氏距离，得到初步检索结果；提取待检索服装图像和初步检索结果中的服装图像的传统特征，通过特征相似性融合公式融合多尺度级联CNN特征和传统特征来优化初步检索结果并排序，得到最终检索结果。本发明能够实现对服装从全局区域到款式部件区域初步检索结果的充分提取，并结合传统特征有效提升了检索准确率，优化排序结果。

专利名称：基于深度学习的视频行为识别安防系统      申请号：2022100507449     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：监视监控 深度学习   相似专利 发布日：2023/10/23  
摘要： 本发明公开了基于深度学习的视频行为识别安防系统，包括：图像采集处理模块、目标图像获取模块、系统管理中心、静态分析模块、动态趋势预测模块、危险警报模块和安全防卫终端，通过图像采集处理模块获取儿童在攀爬网上的实时图像和深度图，通过卷积神经网络识别算法识别图像，通过目标图像获取模块获取儿童骨骼关节点二维图像，通过静态分析模块对关节点进行定位，分析提取儿童至攀爬网边缘的相对距离，通过动态趋势预测模块获取部分关键关节点，依据部分关键关节点的变化轨迹预测儿童的攀爬移动方向，通过危险警报模块在预测到儿童有坠落可能时发出警报信号，实现了儿童安全监测目标，提高了攀爬安全性。

专利名称：一种基于深度学习重建的水下视频对象编码方法      申请号：2021103441307     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 深度学习   相似专利 发布日：2023/10/23  
摘要： 本发明公开了一种基于深度学习重建的水下视频对象编码方法，其结合水下视频在实际观察监测当中存在明显用户感兴趣信息与用户非感兴趣信息的应用特点，针对水下视频对象进行编码，减小了水下视频编码所需要编码的数据总量；在对象编码过程中，通过角点信息编码、对象掩膜编码以及少量关键帧编码的方式，进一步减小了水下视频编码所需要编码的数据总量，达到了低码率编码的目的；在解码端，通过基于深度学习重建的方法，构建了一个卷积神经网络以提升在低码率编码条件下的解码端视频对象质量，通过本发明方法对水下视频对象进行编码解决了水下低码率条件下高效编码的问题。

专利名称：一种基于深度学习的动物智能实验系统与方法      申请号：2021101340142     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：实验室 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于深度学习的动物智能实验方法，包括采集实验体视频信息，对采集到的实验体视频信息，进行图像处理，得到处理后的图像Fi，通过预测模型得到图像中框选出的实验体的图像框的中心点位置坐标pi(x,y)和图像框的面积大小si；通过聚类算法，得到K个点集，获取各个点集的密集程度，得到各个实验区域适应度；获取中心坐标集合P中相邻两个点的欧式距离，得到距离集合Di，根据处理时间th内m个点，得到这m‑1段距离之和L，通过状态指数得到实验体状态；设定阈值并与S中的元素进行比较，得到元素对应的图片中实验体的姿态；根据各个实验区域适应度、实验体的姿态和实验体状态，得到实验体在各个环境下的适应程度。通过本发明，显著提升实验数据处理的效率。

专利名称：一种基于深度学习和傅里叶域分析的图像深度估计方法      申请号：2019113925075     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机软件 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于深度学习和傅里叶域分析的图像深度估计方法，其包括，读取数据集里的图像对，将图像对输入提出的网络架构中获取重建视图；将图像对和重建视图带入损失函数，训练并确认网络架构，得到最初视差图；带入以裁剪比λ裁剪的图像对至确认的网络架构，获取视差映射候选对象；以及，融合视差映射候选对象，估计深度并显示于显示设备上；其中，所述图像对区分为左视图和右视图，所述重建视图区分为重建左视图和重建右视图；本发明基于深度学习的网络架构和傅里叶域分析无监督单目图像估计深度学习算法，有效提高了深度图精度和运动图像深度估计的精度，改进的网络架构，提升算法准确度和鲁棒性。

专利名称：基于深度学习的多元时间序列趋势预测方法和系统      申请号：2022107245451     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了基于深度学习的多元时间序列趋势预测方法，包括以下步骤：读取多元时间序列数据，捕获多元时间序列的局部特征，获取数据之间的相关性；捕获数据的长短期趋势；循环双阶注意力层获取数据的动态周期特性；将经过数据预处理的多元时间序列数据采用线性模型ARIMA进行处理、全连接处理，预测结果加和，判断是否达到训练次数；设置阈值，把得到的最优预测模型的预测结果数据与设置的阈值进行比较。本发明同时还提供了基于深度学习的多元时间序列趋势预测系统。本发明动态捕获数据的长短期依赖的周期性，提高对基于获取的多元时间序列对设备潜在风险预判准确度，提高了多元时间序列趋势预测的精确率。

专利名称：一种多标签图像深度学习分类方法及设备      申请号：2020110221913     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：电子标签 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明涉及机器学习领域的多标签学习技术，涉及一种多标签图像深度学习分类方法及设备，包含以下步骤：获得标签关系图；根据标签关系图获得所有类别标签的映射和所有标签组的映射；构建深度卷积神经网络并进行图像通用特征提取；选取卷积神经网络不同层的特征图通过映射函数将其映射到标签和标签组映射的维度；对选取特征图中所有像素点计算标签和标签组在当前像素点位置的相合性评分与归一化评分；得到最终的标签相关语义特征与最终的标签组的相关语义特征；标签预测。本申请实现有效利用标签关系，学习更加丰富的图像通用特征和标签关系特征，更好的进行多标签分类任务。

专利名称：基于动量和剪枝的分布式深度学习系统      申请号：2018113902736     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：布 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明提供一种基于动量和剪枝的分布式深度学习系统，涉及云计算与深度学习领域，采用spark分布式集群，包括一个主控制节点和多个工作节点，任一工作节点与主控制节点通过通信链路连接，工作节点存储部分训练数据；工作节点根据本地存储的训练数据批次进行深度学习模型的向前向后传播训练，获取工作节点权值参数的更新量，发送至主控制节点，与主控制节点全局权值参数进行交互通信；主控制节点记录工作节点的节点信息，将所得工作节点的权值参数平衡后传送至各工作节点；重复主控制节点和工作节点的交互通信直到达到迭代次数或收敛条件；本发明解决异步算法在分布式环境下模型收敛慢的问题，同时还提高异步算法的运算速度。

专利名称：一种基于深度学习的无人机图像分割方法和系统      申请号：2023108400321     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：无人机 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明提供了一种基于深度学习的无人机图像分割方法和系统，所述的无人机的图像分割方法包括以下步骤：首先设计适用于无人机图像分割的深度学习模型，然后获取无人机集群的实时图像数据，将获取的图像数据输入到设计的深度模型中进行实时图像语义分割，最后得到实时的像素级预测的图像。所述的适用于无人机图像分割的深度模型包括低分辨率图像特征提取模块、中分辨率图像特征提取模块、高分辨率图像特征提取模块和特征融合模块。本发明可以实时的获取图像分割结果，提高了无人机集群的智能化程度和操作效率。

专利名称：一种适应曝光变化的深度学习光谱重建方法及系统      申请号：2022112486072     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种适应曝光变化的深度学习光谱重建方法及系统，首先收集现有公开的多光谱图像数据集，并以数码相机理论成像模型为基础，计算每幅多光谱图像对应的raw格式数字图像，得到包含成对数据的完整样本集。然后构建深度学习模型框架，在模型训练时，通过对输入的raw格式数字图像的任一列像素点随机乘以一个曝光调整系数，使模型能够适应不同曝光水平的图像，并对重建的多光谱乘以曝光调整系数的倒数，从而完成重建多光谱的幅值校正。利用训练样本集对模型进行训练，并利用验证样本集对模型进行调参，计算验证样本集的光谱重建误差，直至验证样本集光谱重建误差达到收敛状态，完成模型训练，得到适应曝光变化的深度学习光谱重建模型。

专利名称：基于深度学习的服装流行元素预测的系统及方法      申请号：2021102567011     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：纺织服装 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明属于服装智能制造技术领域，公开了一种基于深度学习的服装流行元素预测的系统及方法，包括数据收集模块，图像处理模块，服装检索模块，结果预测模块。数据收集模块用于收集网络上各种社交平台的图像；图像处理模块用于给服装图像贴上语义标注；服装检索模块，用于符合相关附属信息的服装图像检索出来；结果预测模块，用于对服装流行元素得到预测结果。一种服装流行元素预测方法包括：非线性回归模型，时序预测模型。非线性回归模型用于分析附属属性对于流行程度的分析，时序预测模型利用神经网络对于流行元素进行预测。本发明相比于现有技术，减少了计算成本，提高了预测的准确率。

专利名称：一种基于深度学习的英文字符识别方法和系统      申请号：2023107954429     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于深度学习的英文字符识别方法和系统，所述的基于深度学习的英文字符识别方法包含如下步骤：首先获取待识别图像，使用字符视觉模块得到字符特征序列和粗预测结果，再通过字符识别模块处理中字符特征序列，得到最终字符预测序列，根据最终字符预测序列得到字符并对字符去冗余得到字符识别结果。本发明通过改进字符识别网络结构，设计损失函数和激活函数，提供了一种高准确率的字符识别模型构建策略，为字符识别的智能化提供的参考方案，大大节省了人工成本。

专利名称：基于深度学习的图像描述方法      申请号：2018116461504     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/17  
摘要： 一种基于深度学习的图像描述方法，包括将图像数据集分为训练集和测试集；构建图像描述模型；在ImageNet数据集上训练完成残差网络预训练模型，加载残差网络预训练模型参数至图像描述模型中的可变形卷积残差网络中；将训练集中的图像送入空间变换网络中，空间变换网络的输出结果送到可变形卷积残差网络，可变形卷积残差网络输出图像的特征向量；生成图像对应的文本序列；完成语言模型的构建生成图像对应的语句；使用AdamW优化算法对图像描述模型进行训练；输出图像对应的描述语句；本发明提取的图像特征具有更好的空间表达能力，生成的句子准确度高，语言结构丰富，并且模型训练时间少，收敛速度快。

专利名称：一种基于深度学习的多模态图文推荐方法及设备      申请号：2021103852465     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 深度学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开一种基于深度学习的多模态图文推荐方法及设备，方法包括用一种跨模态图文检索模型MMDNN，其次，将MMDNN用于推荐系统之中，利用正负反馈聚类中心计算模块PNFCCCM和用户的正负反馈历史记录，计算用户的正负反馈聚类中心，结合数据的相似度得分和正负反馈得分，从数据库中找出与用户历史记录中综合得分最高的几条数据，使用MMDNN模型从数据库中找出与这几条数据对应的另一种模态的数据，最后，把成对图‑文资源推荐给用户，并且根据用户的反馈更新用户的历史记录和用户的正负反馈聚类中心，实现多模态图文推荐。