-
公开(公告)号：CN107784361A
公开(公告)日：2018-03-09
申请号：CN201711156691.4
申请日：2017-11-20
Applicant: 北京大学
IPC: G06N3/08
Abstract: 本发明公布了一种神经网络优化方法，称为提升邻近算子机LPOM，涉及深度学习技术领域。本发明方法不需要使用现有的一阶或者二阶导数信息直接优化神经网络，而是将神经网络转化为新的LPOM优化问题，再通过交替极小化方法求解LPOM优化问题。采用本发明方法，求解过程消除了神经网络的层状结构；可通过交替迭代法进行求解；求解方法可在一定程度上转化为随机算法，使得迭代时保持较小的计算量；对于超过20层的神经网络，采用本发明方法仍能够使得训练误差稳定地下降。
-
公开(公告)号：CN103823887A
公开(公告)日：2014-05-28
申请号：CN201410084319.7
申请日：2014-03-10
Applicant: 北京大学
CPC classification number: G06F17/30256 , G06K9/46
Abstract: 一种基于低秩全局几何一致性检验的错误匹配检测方法：用SIFT及BoF提取并匹配两幅待比较图像中的特征点；计算两幅图像的平方距离矩阵并将之合并；将合并后的平方距离矩阵分解为一个真实匹配对组成的平方距离矩阵A和一个错误匹配造成的差异矩阵E；计算E矩阵各行列元素之和并排序，并计算排序后各和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的对应特征点对判定为错误匹配对；去掉错误匹配对，根据真实匹配点对计算图像间的相似度，根据相似度大小排序输出图像检索结果。本发明简单高效，仅使用特征的坐标作为唯一输入信息，却能够处理造成重复图片差异的相似性变换，可以正确地检测所有错误匹配对。
-
公开(公告)号：CN113723472B
公开(公告)日：2023-11-24
申请号：CN202110910976.2
申请日：2021-08-09
Applicant: 北京大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公布了一种基于动态滤波等变卷积网络模型的图像分类方法，建立包括线性和非线性等变结构的等变卷积网络通用模型；设计一种高效的动态滤波等变网络层E4‑layer，以替换卷积网络模型的输入层和中间层，构建高效的动态滤波等变卷积网络模型并进行训练；本发明方法的高效性包括：参数高效，模型使用的参数量更少，减少内存开销；计算高效，模型计算量更少，能降低算法的时间复杂度；数据高效，模型能够在较少处理数据的情况下仍取得较好的结果；能够高效提升图像分类的精度。
-
公开(公告)号：CN113723208B
公开(公告)日：2023-10-20
申请号：CN202110895887.5
申请日：2021-08-05
Applicant: 北京大学
Abstract: 本发明公布了一种基于规范等变转换算子的神经网络的三维物体形状识别方法，创建用于实现模型规范等变性的等变转换算子，再将全局坐标系投影到局部坐标系，并基于规范等变性实现模型的旋转不变性，用于高效地进行三维物体分类与识别视觉分析。本发明构造并训练基于规范等变转换算子的神经网络的三维物体形状识别模型GET，模型的输入是以三维空间下的二维流形结构表示的3D物体，输出为该3D物体的预测类别，能够高效地进行3D图像数据中物体形状的分类与识别等视觉分析，提升物体形状分类的精确度和效率。
-
公开(公告)号：CN112465713B
公开(公告)日：2022-07-01
申请号：CN202011326845.1
申请日：2020-11-24
Applicant: 北京大学
Abstract: 本发明公布了一种基于流形优化的张量低秩模型非平滑三维图像补全方法，利用流形优化将低秩补全非平滑三维图像中的张量Q‑核范数TQN与正交投影基设置为可学习的图像依赖型优化变量，并更新数据依赖的正交投影基，输入为非平滑三维图像在投影算子作用下的受限观测图像样本，输出为待恢复的非平滑的低秩三维图像，从而高效实现非平滑三维图像的低秩恢复。本发明用于低秩图像恢复，提高图像补全的适用性，提升非平滑三维图像低秩补全效果。
-
Patent Agency Ranking
公开(公告)号：CN111401452B
公开(公告)日：2022-04-26
申请号：CN202010189225.1
申请日：2020-03-17
Applicant: 北京大学
Abstract: 本发明公布了一种基于偏微分算子的等变卷积网络模型的图像分类方法，针对卷积网络模型的输入层和中间层，基于偏微分算子分别设计输入层的等变卷积和中间层的等变卷积，构建等变卷积网络模型PDO‑eConv，并进行模型训练；模型PDO‑eConv输入为图像数据，输出为图像的预测分类，从而实现高效地进行图像分类识别视觉分析。本发明能够提供更好的参数共享机制，达到更低的图像分类错误率。
-
公开(公告)号：CN113723208A
公开(公告)日：2021-11-30
申请号：CN202110895887.5
申请日：2021-08-05
Applicant: 北京大学
Abstract: 本发明公布了一种基于规范等变转换算子的神经网络的三维物体形状识别方法，创建用于实现模型规范等变性的等变转换算子，再将全局坐标系投影到局部坐标系，并基于规范等变性实现模型的旋转不变性，用于高效地进行三维物体分类与识别视觉分析。本发明构造并训练基于规范等变转换算子的神经网络的三维物体形状识别模型GET，模型的输入是以三维空间下的二维流形结构表示的3D物体，输出为该3D物体的预测类别，能够高效地进行3D图像数据中物体形状的分类与识别等视觉分析，提升物体形状分类的精确度和效率。
-
公开(公告)号：CN113449864A
公开(公告)日：2021-09-28
申请号：CN202110827709.9
申请日：2021-07-21
Applicant: 北京大学
Abstract: 本发明公布了一种用于图像数据分类的反馈型脉冲神经网络模型训练方法，构建反馈型脉冲神经网络模型并通过均衡态的隐式微分对模型进行训练，包括基于整合激活模型IF和泄露整合激活模型LIF两种脉冲神经元模型、以及单隐层和多隐层两种神经网络结构的反馈型脉冲神经网络模型，采用重参数化方法对反馈连接权重的谱范数进行约束，采用改进方法进行批归一化；本发明能够避免脉冲神经网络模型常见的训练困难问题，用于高性能且高效节能地进行计算机图像数据与神经形态图像视觉数据的分类处理，能够以更少的神经元数量、更小的参数量、和更少的时间步长取得更高的分类正确率。
-
公开(公告)号：CN113313161A
公开(公告)日：2021-08-27
申请号：CN202110568102.3
申请日：2021-05-24
Applicant: 北京大学
Abstract: 本发明公布了一种基于旋转不变的规范等变网络模型的物体形状识别方法，通过将每个3D物体的全局坐标在局部坐标上进行投影，构建并利用基于旋转不变的规范等变卷积网络模型，实现空间旋转不变的3D物体形状分类与识别。本发明方法可与现有逐点激活函数一起使用，提升了模型识别3D物体形状的性能；同时，本发明利用旋转对称性以及规范对称性作为先验信息，实现了高效的参数共享机制，能在参数量更少的情况下，超越现有最优的网络模型，能够取得更优的3D物体形状分类性能。
-
公开(公告)号：CN112465713A
公开(公告)日：2021-03-09
申请号：CN202011326845.1
申请日：2020-11-24
Applicant: 北京大学
Abstract: 本发明公布了一种基于流形优化的张量低秩模型非平滑三维图像补全方法，利用流形优化将低秩补全非平滑三维图像中的张量Q‑核范数TQN与正交投影基设置为可学习的图像依赖型优化变量，并更新数据依赖的正交投影基，输入为非平滑三维图像在投影算子作用下的受限观测图像样本，输出为待恢复的非平滑的低秩三维图像，从而高效实现非平滑三维图像的低秩恢复。本发明用于低秩图像恢复，提高图像补全的适用性，提升非平滑三维图像低秩补全效果。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.069 seconds)
