公开(公告)号：CN118747814A

公开(公告)日：2024-10-08

申请号：CN202410752041.X

申请日：2024-06-12

Applicant: 南京大学

Inventor： 叶翰嘉 ,  詹德川 ,  蔡孜雯 ,  周大蔚 ,  周志华

IPC: G06V10/764 ,  G06N20/00

Abstract: 本发明公开一种面向流式数据的移动设备图片识别方法，首先从移动设备上获取流式图像数据并进行预处理；接着加载预训练模型，在流式数据上进行训练，并保存第一个任务学习结束后的模型参数，以作为后续任务学习前的模型初始化状态。同时存储维护在线模型、离线模型两组模型参数，其中离线模型的更新是基于模型融合的思想，在每次增量任务训练结束时计算并保留参数变动最显著的一部分，并将其添加到离线模型上，实现了资源的高效利用。最后在推理阶段，对在线模型和离线模型的输出进行集成，进一步提升了模型的识别能力。本发明方法在实施过程中并不需要对模型进行从零开始的学习，而是基于预训练模型进行微调，学习能力强，效率更高。

公开(公告)号：CN118709087A

公开(公告)日：2024-09-27

申请号：CN202410758487.3

申请日：2024-06-13

Applicant: 南京大学

Inventor： 詹德川 ,  叶翰嘉 ,  江楠 ,  周大蔚 ,  周志华

IPC: G06F18/2431 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/0895 ,  H04L9/40

Abstract: 本发明公开一种基于弱监督持续学习的边缘设备加密流量分类方法，首先获取已有的真实加密流量数据，包括少量的有标记数据和大量的无标记数据；随机初始化一个加密流量分类模型，然后利用当前加密流量数据训练模型并存储少量的核心有标记数据；当出现一批新类别的加密流量时，在旧模型基础上动态地分配计算资源分别用于使用新类流量的少量标注的有标记数据训练模型，充足的无标记数据训练模型以及所存储的其他旧类流量的核心有标记加密流量数据训练模型，并保存少量的核心有标记数据。本发明缓解标记数据的需求压力并解决新旧类别加密流量无法同时获得的难点，并且在实施过程中对资源要求较低且能充分利用有限的资源配额，易于在边缘设备进行部署。