公开(公告)号：CN119360269A

公开(公告)日：2025-01-24

申请号：CN202411381144.6

申请日：2024-09-29

Applicant: 上海理工大学

Inventor： 刘丹 ,  李秋燕 ,  包震伟 ,  沈周立 ,  彭爱 ,  夏学敏 ,  马致远 ,  米金鹏 ,  唐宋

IPC: G06V20/40 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种应用于跨领域场景的多模型协同学习行为识别方法，步骤包括：模型预训练、输出伪标签集、模型更新、模型部署。本发明方法本通过融合历史预测信息，以及跨模型集成等技术缓解了现有方法中伪标签预测不稳定的现象。相较于现有方法，目标域伪标签质量提升较大，进而取得更优的跨域识别效果。同时，通过引入双模型结构，缓解了样本特征表征能力不足的问题，取得了更优的跨域行为识别效果。

公开(公告)号：CN115034394A

公开(公告)日：2022-09-09

申请号：CN202210817062.6

申请日：2022-07-12

Applicant: 上海理工大学

Inventor： 刘丹 ,  米金鹏 ,  唐宋 ,  包震伟

IPC: G06N5/04 ,  G06N3/04 ,  G06N3/08 ,  G06T1/20

Abstract: 本发明公开了一种软硬件结合的视觉深度学习模型推理加速方法，包括：S1、根据视觉任务，训练原始深度学习模型；S2、针对所有网络层，利用权值大小挑选不重要的滤波器；S3、移除当前层不重要滤波器，判断剪枝前后模型精度；S4、进行判断模型精度下降是否明显；S5、机型判断是否所有层处理完毕；S6、进行全局优化网络，计算模型精度；S7、模型部署TensorRT&多线程处理。根据本发明，能够运用在任何需要部署到边缘设备的视觉深度学习模型中，在基本保持模型推理精度的同时，有效提升模型的推理速度。