公开(公告)号：CN117746184A

公开(公告)日：2024-03-22

申请号：CN202311795114.5

申请日：2023-12-25

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  郭帅 ,  马媛 ,  杨昭华 ,  翁伟宁 ,  刘俊 ,  陈益强

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/096

Abstract: 本发明提供了一种图像分类模型的增量训练方法，所述方法包括：S1、采用上一次增量训练得到的图像分类模型作为当前轮初始图像分类模型；所述图像分类模型包括特征提取器和分类器，所述特征提取器用于提取图像数据的特征向量，所述分类器用于根据特征向量进行图像分类；S2、采用新训练集和旧训练集训练所述步骤S1中得到的初始图像分类模型至收敛，在训练过程中采用预设的总损失函数更新模型参数，所述总损失包括交叉熵损失和对比损失，所述对比损失是基于新训练集和旧训练集中的所有正对和负对计算。本发明的技术方案通过在训练中采用了包括基于图像的特征向量和类的特征向量的构建的正对和负对的对比损失，从而缓解了增量学习中的灾难性遗忘问题。

公开(公告)号：CN117708651A

公开(公告)日：2024-03-15

申请号：CN202311694548.6

申请日：2023-12-12

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  马媛 ,  谷洋 ,  郭帅 ,  杨昭华 ,  翁伟宁

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/213 ,  G06F123/02

Abstract: 一种基于多专家一致性熵的类不平衡时间序列域自适应系统，包括：随机增强模块，用于对源域/目标域数据进行多种不同类型的随机增强，其中所述源域数据为有标签的时间序列数据，所述目标域数据为无标签的时间序列数据；特征提取模块，用于对增强后的源域/目标域数据进行特征提取；多专家委员会模块，包括多个专家分类子模块，用于对经所述特征提取模块处理后的源域/目标域数据进行分类预测。

公开(公告)号：CN117541876A

公开(公告)日：2024-02-09

申请号：CN202311725379.8

申请日：2023-12-15

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  郭帅 ,  马媛 ,  杨昭华 ,  翁伟宁 ,  刘俊 ,  陈益强

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/778

Abstract: 本发明提供了一种图像分类模型以及基于类别增量对模型训练的方法，所述图像分类模型包括：嵌入模块，其用于对输入的图像进行嵌入处理，以得到所述图像对应的嵌入向量；提示参数生成模块，其用于根据所述嵌入向量生成一组可学习的提示参数集合；融合模块，其用于将所述嵌入向量和所述可学习的提示参数向量集合进行融合，得到融合向量；特征提取模块，其用于根据所述融合向量提取所述图像对应的特征向量；分类模块，其用于根据提取的特征向量对所述图像进行分类，得到所述图像对应的分类结果。

公开(公告)号：CN115795347A

公开(公告)日：2023-03-14

申请号：CN202211554412.0

申请日：2022-12-06

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  杨昭华 ,  翁伟宁 ,  郭帅 ,  陈益强

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明提供一种基于可穿戴设备数据的行为识别模型构建方法，所述方法包括如下步骤：S1、获取可穿戴设备的数据并进行预处理以获得训练集，所述训练集中包括已知行为类别中的部分行为类别，每个行为类别分别对应于一组行为属性，且每个行为类别包括多个带行为类别标签的样本；S2、采用所述训练集将基本行为识别模型训练至收敛，其中，所述基本行为识别模型包括特征提取网络、属性分支网络、特征分支网络以及分类器，且属性分支网络包括属性编码器和属性解码器、特征分支网络包括特征编码器和特征解码器；S3、以经步骤S2训练至收敛的基本行为识别模型中的特征提取网络、属性解码器、特征编码器、分类器构建行为识别模型。

公开(公告)号：CN117333695A

公开(公告)日：2024-01-02

申请号：CN202311196121.3

申请日：2023-09-15

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  刘昱辰 ,  杨昭华 ,  陈益强

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/766 ,  G06V10/82 ,  G06V10/44 ,  G06N7/01 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于贝叶斯关系推断的小样本分布校准模型与训练方法。所述模型以已知分布的基类图片中提取的基类点嵌入对目标图片中提取的目标点嵌入进行分布校准，包括：贝叶斯关系推断组件，多视角高斯图生成模块，融合特征生成模块。所述训练方法用于对本发明所述任一小样本分布校准模型进行训练，包括：对目标图片进行特征提取，生成目标点嵌入；将目标点嵌入输入贝叶斯关系推断组件与预先输入的基类点嵌入拼接成边嵌入以生成汇总图；将所述汇总图利用多视角高斯图生成模块生成1个视角的高斯图；将所述高斯图输入融合特征生成模块生成融合特征；将所述融合特征分类后计算损失值，并通过反向传播算法更新模型参数；重复以上步骤预定次数。

公开(公告)号：CN116778566A

公开(公告)日：2023-09-19

申请号：CN202310883502.2

申请日：2023-07-19

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  郭帅 ,  文世杰 ,  马媛 ,  杨昭华 ,  翁伟宁 ,  陈益强

IPC: G06V40/18 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明提供一种分类模型的训练方法和眼底图像分类方法，属于增量学习领域。一种分类模型的训练方法，所述分类模型用于眼底图像分类，所述方法包括：获取预训练的分类模型作为教师模型，其包括特征提取网络以及分类器，所述教师模型能识别的眼底类别归为旧类；获取学生模型，其特征提取网络用教师模型初始化，并且其分类器设置为能对旧类和新类对应的眼底类别进行识别，所述新类是所述旧类之外的眼底类别；针对用到的每个旧类，获取该旧类对应的伪样本；利用生成的旧类的伪样本和属于新类的眼底图像对所述学生模型进行增量训练，训练时基于预设的总损失函数确定的总损失更新学生模型的参数，得到经增量训练的学生模型。本发明可以缓解灾难性遗忘。