公开(公告)号：CN116758347A

公开(公告)日：2023-09-15

申请号：CN202310691981.8

申请日：2023-06-12

Applicant: 北京邮电大学

Inventor： 赵志诚 ,  陈梓宁

IPC: G06V10/764 ,  G06F11/36 ,  G06V10/774 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于实例范式对比学习的域泛化图像识别方法。所述方法包括：采用基于傅里叶变换的幅度谱混合策略获取与原输入实例语义一致的增强实例，设计多视图通道注意力机制对原实例与增强实例进行融合生成实例范式；构建实例与范式的有监督双流对比损失，包括实例内，范式内，实例与范式间三种类型的样本对损失；在上述损失中进行困难样本挖掘，利用输入实例的域标签以及特征相似性动态加权不同难度的样本对；针对测试时不同域数据分布，设计测试时特征融合模块，采用原实例与增强实例融合生成的范式预测最终类别。本发明不仅能够提升域泛化图像识别的精度，增强源域数据训练的模型在目标域数据上的鲁棒性，同时所需训练资源与额外计算时间极少，可作为即插即用的方法嵌入任何已有的域泛化图像识别系统中并提升准确率。

公开(公告)号：CN116824190A

公开(公告)日：2023-09-29

申请号：CN202310833362.8

申请日：2023-07-07

Applicant: 北京邮电大学

Inventor： 赵志诚 ,  陈梓宁

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于统计相关性聚类的域泛化归一化方法。所述方法包括：针对输入批次特征的相似性进行聚类，对聚类后的每个簇分别计算统计量对簇内样本进行标准化，并设计簇级别的统计量更新策略更新累计统计量，最终根据权重与偏置进行映射得到归一化输出；针对输入批次中每个样本特征计算统计量，利用计算得到的统计量进行标准化，最终同样根据权重与偏置进行映射得到归一化输出；设计动态融合模块对两种归一化方式的输出进行动态融合，得到最终基于统计相关性聚类的归一化层的输出。本发明能够大幅提升多种域泛化任务的精度，包括单域泛化图像识别，多域泛化图像识别，域泛化行人再识别等任务，有效提升源域数据训练的模型在目标域数据上的鲁棒性，同时该方法作为端到端模型的组成部分，其时间复杂度与计算资源消耗较小，具有较高的实际应用价值。