公开(公告)号：CN116071609B

公开(公告)日：2023-07-18

申请号：CN202310319375.3

申请日：2023-03-29

Applicant: 中国科学技术大学

Inventor： 张天柱 ,  李卓滢 ,  伍佳敏 ,  张勇东

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/09

Abstract: 本公开提供一种基于目标特征动态自适应提取的小样本图像分类方法，包括：提取图像样本的显著性目标区域特征；通过自监督对比学习增强显著性目标区域特征；以及利用分类网络对输入的查询集的小样本图片做分类。该方法能够在无需人类标注显著目标区域的情况下建模当前任务的目标区域特征，减少了人类标注的需要；能够自动探索图像中的显著性目标区域，并根据不同任务灵活地提取目标区域信息；能够适应小样本任务训练集和测试集类别不重叠的特性，提高小样本图片分类的准确率。

公开(公告)号：CN116071609A

公开(公告)日：2023-05-05

申请号：CN202310319375.3

申请日：2023-03-29

Applicant: 中国科学技术大学

Inventor： 张天柱 ,  李卓滢 ,  伍佳敏 ,  张勇东

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/09

Abstract: 本公开提供一种基于目标特征动态自适应提取的小样本图像分类方法，包括：提取图像样本的显著性目标区域特征；通过自监督对比学习增强显著性目标区域特征；以及利用分类网络对输入的查询集的小样本图片做分类。该方法能够在无需人类标注显著目标区域的情况下建模当前任务的目标区域特征，减少了人类标注的需要；能够自动探索图像中的显著性目标区域，并根据不同任务灵活地提取目标区域信息；能够适应小样本任务训练集和测试集类别不重叠的特性，提高小样本图片分类的准确率。

公开(公告)号：CN111222471B

公开(公告)日：2022-07-15

申请号：CN202010021866.6

申请日：2020-01-09

Applicant: 中国科学技术大学

Inventor： 张勇东 ,  张天柱 ,  伍佳敏

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督域感知网络的零样本训练及相关分类方法，通过自监督学习的方式充分挖掘源域和目标域之间的关系，减少因目标域数据挖掘不充分而导致的域偏差；该方法通过以agent(参考代理)作为桥梁连接所有类别建立联合的嵌入空间，学习域感知的视觉特征，具备更强的知识迁移和泛化能力；该方法基于端到端的神经网络，速度快，精度高，达到了目前最好的零样本识别结果。

公开(公告)号：CN111222471A

公开(公告)日：2020-06-02

申请号：CN202010021866.6

申请日：2020-01-09

Applicant: 中国科学技术大学

Inventor： 张勇东 ,  张天柱 ,  伍佳敏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督域感知网络的零样本训练及相关分类方法，通过自监督学习的方式充分挖掘源域和目标域之间的关系，减少因目标域数据挖掘不充分而导致的域偏差；该方法通过以agent(参考代理)作为桥梁连接所有类别建立联合的嵌入空间，学习域感知的视觉特征，具备更强的知识迁移和泛化能力；该方法基于端到端的神经网络，速度快，精度高，达到了目前最好的零样本识别结果。