严骏驰
- 作品数：43 被引量：12H指数：2
- 供职机构：上海交通大学更多>>
- 发文基金：国家自然科学基金上海市浦江人才计划项目上海市科学技术委员会资助项目更多>>
- 相关领域：自动化与计算机技术文化科学理学更多>>
- 基于线性规划的变形体三维跟踪方法
- 一种图像处理技术领域的基于线性规划的变形体三维跟踪方法，包括：标定摄像机；获取基于三维三角片网格的变形体模型；变形图像采集；取三维三角片网格边方位不变约束；将变形体点对应约束和网格约束合并为线性跟踪规划序列，将初始跟踪值...
- 王宸昊黄茂祥申抒含严骏驰刘允才
- 文献传递
- 基于生成式深度学习的芯片布线系统及方法
- 一种基于生成式深度学习的芯片布线系统及方法，包括：数据预处理模块、基础条件生成对抗网络模块、多尺度条件生成对抗网络模块、条件生成对抗网络参数更新模块、后处理模块、深度隐变量学习网络模块和深度隐变量学习网络参数更新模块，本...
- 吕相龙严骏驰
- 人体目标的检测、三维重建与动作分析的研究
- 严骏驰
- 关键词：OBJECT
- 图匹配问题的研究和算法设计
- 本文探讨了多媒体和计算机视觉领域的一项关键技术—图匹配问题的形式化与算法设计。图匹配的目标是通过不同事物之间在结构上的相似性，自动地建立两个或者多个图结构之间的节点对应关系。该问题在图像处理、多媒体、计算机视觉、模式识别...
- 严骏驰
- 关键词：图匹配相似度矩阵迭代算法
- 面向高光谱图像重建的神经网络架构组合优化方法及系统
- 一种面向高光谱图像重建的神经网络架构组合优化方法及系统，根据输入RGB图像进行非线性映射和高光谱图像的空间一致性建模，得到高光谱图像和对应的相机光谱响应后，根据非负稀疏约束下的网络权重确定最佳相机参数响应；对RGB图像中...
- 陈宇泽严骏驰
- 一种基于卷积神经网络的结构化数据分类预测方法及系统
- 本发明涉及一种基于卷积神经网络的结构化数据分类预测方法及系统，该方法包括如下步骤：(1)将结构化数据中的向量数据通过循环位移和连接重组的方式矩阵化为特征图；(2)将矩阵化后的特征图输入至预先训练的卷积神经网络，所述的卷积...
- 姜奇严骏驰
- 文献传递
- 基于量子算法的交易网络拉普拉斯特征映射方法
- 一种基于量子算法的交易网络拉普拉斯特征映射方法，充分结合经典计算机和量子计算机的处理过程，提高拉普拉斯特征映射的计算速度；将广义特征值求解问题转换为对称矩阵特征值求解问题，使问题适用于引入量子算法进行分析和处理；利用近似...
- 唐叶辉严骏驰
- 正线性约束组合优化问题的非自回归学习求解
- 2024年
- 组合优化问题的求解是计算机科学、应用数学等学科共同研究的基础性问题.其固有的计算复杂性为精确求解带来了挑战.而采用深度神经网络进行求解已经成为一个前沿的研究方向.本文设计了一种能够求解正线性约束组合优化问题的非自回归式神经网络.本文方法的优势在于,正线性约束代表了一大类组合优化问题,突破了现有非自回归网络的通用性瓶颈;与目前常用的自回归网络相比,非自回归网络具有高效性、排列不变性等优势;在神经网络框架中,本文采用的离线无监督学习对标注的需求低,无需求解最优解进行监督训练;本文提出的在线可微分搜索方法显著提升了神经网络求解器的泛化能力.本文在设施布局、最大集合覆盖、旅行商问题等代表性的组合优化问题中验证了非自回归求解器的有效性.特别是在综合考虑求解效率和求解效果时,非自回归网络求解器持平甚至超越了SCIP,Gurobi等开源或者商用的主流传统求解软件.
- 汪润中郦洋严骏驰杨小康
- 关键词：组合优化梯度优化
- 面向先导化合物合成与筛选的三维分子结构仿真方法
- 一种面向先导化合物合成与筛选的三维分子结构仿真方法，将分子的三维空间结构建模为三维图结构，选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中，基于量子机器学习技术从图结构中得到完整的分子表示；再将分子表...
- 严格严骏驰
- 视觉提示学习综述被引量：1
- 2024年
- 近年来,随着提示学习方法在自然语言处理领域被提出,其日益受到研究人员广泛关注,它通过将各类下游任务重构成预训练任务的形式,以参数高效和数据高效的方式将大规模预训练模型应用在各类自然语言相关下游任务中.其中以GPT系列为代表的模型通过提示学习在对话生成和多模态图文理解等任务上取得了巨大的成功.然而,这类模型及方法还不能解决视觉中的稠密任务.受此启发,一些研究人员逐渐将提示学习广泛应用到视觉相关的各类任务当中,如图像识别、目标检测、图像分割、领域适应、持续学习等.由于目前还没有提示学习应用在视觉相关领域中的综述,本文将对视觉单模态领域以及视觉语言多模态领域的提示学习方法展开全面论述和分析.作为回顾,我们首先简要介绍自然语言处理领域的预训练模型,并对提示学习的基本概念、下游应用形式以及提示模板类型进行阐述和分类.其次,我们分别介绍视觉单模态领域以及视觉语言多模态领域里提示学习方法适配的预训练模型和任务.再次,我们分别介绍视觉单模态领域以及视觉语言多模态领域的提示学习方法.在自然语言处理领域,提示学习方法以继承预训练形式实现多任务统一为主要目的;与此不同,在视觉相关领域,提示学习方法侧重于面向特定下游任务进行设计.为此,我们将从方法设计上进行简单分类,然后从应用任务角度详细介绍视觉单模态提示学习和视觉语言多模态提示学习方法.最后,我们对比分析了自然语言处理领域和视觉相关领域提示学习研究的进展,并对未来研究路线给出了展望。
- 廖宁曹敏严骏驰
- 关键词：自然语言处理
