公开(公告)号：CN116310328A

公开(公告)日：2023-06-23

申请号：CN202310190417.8

申请日：2023-02-23

Applicant: 中国科学院计算技术研究所

Inventor： 杨传广 ,  安竹林 ,  于新强 ,  徐勇军

IPC: G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明提出一种基于跨图像相似度关系的语义分割知识蒸馏方法，包括：统计该教师特征图集中两两特征图间像素的相似度，得到教师图像相似度矩阵，统计该学生特征图集中两两特征图间像素的相似度，得到学生图像相似度矩阵；统计该两两特征图的该教师图像相似度矩阵和该学生图像相似度矩阵的最小平方误差，作为该两两特征图的误差，集合该训练集中所有两两特征图的误差，得到总误差，以训练更新该学生模型，执行语义分割任务。通过迁移跨图像间的相似度关系，学生模型可以学习到教师模型全局像素特征关系依赖，从而提高语义分割准确度。

公开(公告)号：CN116109873A

公开(公告)日：2023-05-12

申请号：CN202310174287.9

申请日：2023-02-23

Applicant: 中国科学院计算技术研究所

Inventor： 杨传广 ,  安竹林 ,  于新强 ,  徐勇军

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提出一种基于多模型联合对比学习的图像分类方法和系统，包括：本发明提出多模型联合对比学习算法来引导不同的模型在特征层面进行交互，在多个模型之间相互地迁移各自的对比相似度概率分布。采用对比学习可使相同类别的样本在特征空间接近，不同类别样本在特征空间远离，进而得到具有判别性的表征空间。在多模型联合学习的场景下，对比学习可以使得不同模型的特征向量建立关系，从而在特征层面对多模型进行交互。通过多模型联合对比学习，每一个网络都可以学习更好的特征表达，从而提升图像分类的效果和下游的语义识别任务。