-
公开(公告)号：CN113128669A
公开(公告)日：2021-07-16
申请号：CN202110374736.5
申请日：2021-04-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种半监督学习方法，该方法包括：利用有标签数据对神经网络模型进行初始训练；获得待标定的无标签数据的增强数据；利用初始训练好的神经网络模型标定待标定的无标签数据及其增强数据的伪标签；利用有标签数据以及待标定的伪标签数据重新训练神经网络模型；其中，用于半监督学习的神经网络模型包括：输入层，用于接收输入数据；第一隐藏层，用于提取输入数据的低层语义信息；语义层，用于基于低层语义信息确定输入数据的低层语义标签；第二隐藏层，用于基于输入数据及其低层语义标签提取输入数据的高层语义信息；以及输出层，用于基于输入数据的高层语义信息确定其高层语义标签，并作为最终标签输出。
-
公开(公告)号：CN109063722B
公开(公告)日：2021-06-29
申请号：CN201810588551.2
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于机会感知的行为识别方法，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。
-
公开(公告)号：CN112966644A
公开(公告)日：2021-06-15
申请号：CN202110311898.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于手势检测和手势识别的多模态多任务模型及其训练方法，所述模型包括模态特征提取模块、多模态融合模块、模型多任务分类模块。本发明利用多模态通道注意力机制融合挑选与任务相关的多模态特征信息，利用软注意力值，动态调节多任务损失函数中不同任务的权重值，以使模型实时调整多个任务在训练网络中的重要性，使得模型可以同时能够获得多个任务较好的结果。
-
公开(公告)号：CN112884076A
公开(公告)日：2021-06-01
申请号：CN202110312274.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于条件式生成对抗网络的传感器数据生成模型及方法，所述模型包括：生成器以及判别器，其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块。通过本发明可以解决传感器数据采集耗时、标注成本高等问题，且可以通过类别条件控制合成满足专业人士的指定要求的逼真的多轴向时序传感器数据。
-
公开(公告)号：CN112861879A
公开(公告)日：2021-05-28
申请号：CN202110203086.8
申请日：2021-02-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于双重迁移的认知障碍辅助决策支持方法和系统，包括本发明提出的方法将样本损失加权选择与特征适配相融合，从双重层面进行迁移，通过对源域样本损失加权，增强与目标域知识关联度高的源域样本作用，同时削弱无关样本的作用；同时，通过对源域与目标域特征空间的适配，拉近领域间分布差异。最终构建在目标域上性能良好的分类模型，判断有无认知障碍。
-
Patent Agency Ranking
公开(公告)号：CN118212674A
公开(公告)日：2024-06-18
申请号：CN202410302591.1
申请日：2024-03-18
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V10/774
Abstract: 本发明提供一种基于面部表情的视力筛查模型构建方法，视力筛查模型用于基于人脸图像判定受试者视力是否异常，包括：S1、构建初始模型，所述初始模型包括特征提取器、残差计算器、注意力模块和异常检测模块；S2、构建数据集，其包括多个受试者的人脸图像，并将受试者是否近视作为图像标签，从每个受试者的多个正常图像中随机选择一个作为该受试者的参考图像；S3、基于数据集构建第一训练集和第二训练集，所述第一训练集是以所有正常图像为训练图像与所有参考图像共同构成的集合，所述第二训练集是以所有正常图像和所有异常图像为训练图像并与所有参考图像共同构成的集合；S4、采用所述第一训练集和第二训练集依次对所述初始模型进行训练。
-
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
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：CN117292428A
公开(公告)日：2023-12-26
申请号：CN202311078758.2
申请日：2023-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V40/18 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/094
Abstract: 本发明提供了一种基于非对称的双分类器模型的领域自适应方法，该方法包括：获取训练集，其包括多个源域样本、多个目标域样本、用于指示每个源域样本所属眼底类别的标签，源域样本和目标域样本均为眼底图像；获取双分类器模型，其包括：基于正向分布补偿值和反向分布补偿值，利用所述训练集对特征提取器和两个分类器进行多次对抗训练，得到经训练的双分类模型。
-
公开(公告)号：CN115953653A
公开(公告)日：2023-04-11
申请号：CN202111657111.6
申请日：2021-12-31
Applicant: 中国科学院计算技术研究所
IPC: G06V10/778 , G06V10/776 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识重要性的类别增量行为识别模型构建方法以及行为识别方法。本发明针对增量学习过程中灾难性遗忘和长尾数据集中类别不平衡的问题，首次提出了利用权重子集获得混合权重从而使教师模型自主识别重要性知识的判断方法，达到保留旧数据中的重要性知识，实现了在增量学习过程中，学生网络可以根据教师网络的判别效果自动更新自适应，从而在一定程度上缓解了灾难性遗忘问题；同时通过限制权重子集的范围，也解决了长尾数据集中类别不平衡的问题。
-
公开(公告)号：CN112884076B
公开(公告)日：2022-07-15
申请号：CN202110312274.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于条件式生成对抗网络的传感器数据生成模型及方法，所述模型包括：生成器以及判别器，其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块。通过本发明可以解决传感器数据采集耗时、标注成本高等问题，且可以通过类别条件控制合成满足专业人士的指定要求的逼真的多轴向时序传感器数据。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.037 seconds)
