-
公开(公告)号：CN114004295B
公开(公告)日：2024-08-02
申请号：CN202111280363.1
申请日：2021-10-29
Applicant: 浙江大学 , 中国长峰机电技术研究设计院
IPC: G06V10/764 , G06V10/74 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于对抗增强的小样本图像数据拓展方法。本发明使用新颖的生成对抗网络来学习数据增强的表示和过程，展示来自单个新的数据点的真实数据增强样本，结合辅助图重构器及多层图表示门获取增强图像与验证域图像的多层级表示聚合向量，利用源域图像构建多类原型图，将验证域图像的多层级表示聚合向量与对应类原型图之间的欧式距离作为相似度阈值，保留多层级表示聚合向量与对应类原型图之间的欧式距离小于或等于相似度阈值的增强图像，作为拓展结果。本发明在数据量少的情况下使用增强样本对小样本进行训练并进行评估，结果表明，使用增强样本可以提高标准分类器的性能，所有任务的泛化性能都有显著提高。
-
公开(公告)号：CN114004295A
公开(公告)日：2022-02-01
申请号：CN202111280363.1
申请日：2021-10-29
Applicant: 浙江大学 , 中国长峰机电技术研究设计院
Abstract: 本发明公开了一种基于对抗增强的小样本图像数据拓展方法。本发明使用新颖的生成对抗网络来学习数据增强的表示和过程，展示来自单个新的数据点的真实数据增强样本，结合辅助图重构器及多层图表示门获取增强图像与验证域图像的多层级表示聚合向量，利用源域图像构建多类原型图，将验证域图像的多层级表示聚合向量与对应类原型图之间的欧式距离作为相似度阈值，保留多层级表示聚合向量与对应类原型图之间的欧式距离小于或等于相似度阈值的增强图像，作为拓展结果。本发明在数据量少的情况下使用增强样本对小样本进行训练并进行评估，结果表明，使用增强样本可以提高标准分类器的性能，所有任务的泛化性能都有显著提高。
-
Patent Agency Ranking
公开(公告)号：CN116151364A
公开(公告)日：2023-05-23
申请号：CN202211693711.2
申请日：2022-12-28
Applicant: 中国长峰机电技术研究设计院
Abstract: 本发明公开了一种具有显式通信机制的多智能体强化学习方法及装置，所述方法包括:在多智能体之间建立显示的通信‑共享机制；通过所述通信‑共享机制获取同队智能体和异队智能体的感知数据、环境信息；利用基于A3C的深度强化学框架、同队智能体和异队智能体的感知数据、环境信息进行策略训练，确定各个智能体的当前模型参数，各个智能体基于当前模型参数进行动作选择。本发明能够较好地融合无线通信技术与强化学习技术的优点，能够较好地对复杂环境下的敌我双方多智能体及环境信息进行感知，利用基于A3C的深度强化学框架进行强化学习训练，有效地降低多智能体博弈对抗学习的难度，为解决未来无人协同对抗问题提供新的有效途径。
-
公开(公告)号：CN114943857A
公开(公告)日：2022-08-26
申请号：CN202111501858.2
申请日：2021-12-09
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06V10/764 , G06V10/82 , G06V10/766 , G06V10/46 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种样本目标检测方法和装置，其中，方法包括：获取待检测样本；将所述待检测样本输入校准的分类网络，得到对应的目标类别。本发明通过聚合全局和局部上下文知识以增强少样本目标检测任务中的RoI特征的工作，避免过拟合问题，这有助于为前景和背景类别学习更稳健的边界。
-
公开(公告)号：CN113887647A
公开(公告)日：2022-01-04
申请号：CN202111198679.6
申请日：2021-10-14
Applicant: 浙江大学 , 中国长峰机电技术研究设计院
Abstract: 本发明公开了一种融合知识蒸馏及类代表点抽取的类增少样本对象检测方法，该方法为：将图片输入深度神经网络(CNN)提取视觉特征；基于提取的视觉特征，采用对象框提取网络预测对象可能存在的位置并对预测出的对象框进行位置标记，使用池化网络将所有对象框的视觉特征变成同一大小；基于每个候选对象框的视觉特征，使用坐标预测网络预测候选对象的精确位置，同时使用增量分类器预测该候选对象框的精确类别。该发明实现方法简单、灵活，可以显著提升全新类对象的检测性能，并改善历史类对象的检测性能。
-
公开(公告)号：CN115147342B
公开(公告)日：2025-02-14
申请号：CN202111518629.1
申请日：2021-12-13
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/762
Abstract: 本发明提供一种视觉关系检测方法、电子设备、存储介质和程序产品，该视觉关系检测方法包括：确定待检测图像，将待检测图像输入至视觉关系检测模型，获得视觉关系检测模型输出的视觉关系检测结果；其中，视觉关系检测模型是基于包括可见类和不可见类的图像训练集训练得到的，可见类为标注有视觉关系标签的图像，不可见类为未标注有视觉关系标签的图像。本发明可以预先学习可见类和不可见类对应的视觉关系，从而实现对包含不可见类的图像进行准确检测，最终实现零样本的视觉关系检测。
-
公开(公告)号：CN115147342A
公开(公告)日：2022-10-04
申请号：CN202111518629.1
申请日：2021-12-13
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/762
Abstract: 本发明提供一种视觉关系检测方法、电子设备、存储介质和程序产品，该视觉关系检测方法包括：确定待检测图像，将待检测图像输入至视觉关系检测模型，获得视觉关系检测模型输出的视觉关系检测结果；其中，视觉关系检测模型是基于包括可见类和不可见类的图像训练集训练得到的，可见类为标注有视觉关系标签的图像，不可见类为未标注有视觉关系标签的图像。本发明可以预先学习可见类和不可见类对应的视觉关系，从而实现对包含不可见类的图像进行准确检测，最终实现零样本的视觉关系检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.046 seconds)
