-
公开(公告)号：CN116843021A
公开(公告)日：2023-10-03
申请号：CN202310452493.1
申请日：2023-04-25
Abstract: 本发明公开了一种基于知识蒸馏特征生成的长尾数据联邦学习方法和系统，在服务器上训练一个轻量级的生成模型。生成模型的输入为标签，输出为对应的特征。生成特征可以模拟真实特征的分布。在个性化模型的训练过程中，为每个客户端上的局部少数类生成更多特征，为其他类生成更少特征，这将有助于缓解每个客户端数据的严重不平衡。此外，全局模型是从局部模型聚合而来的，在全局头类中表现更好，而且能够获得高质量和含有丰富信息的特征。将全局模型的知识提取到个性化模型中可以帮助提高个性化模型的性能。通过生成特征来知识蒸馏来训练个性化模型。这样能够有效解决联邦异构长尾数据分布的问题，进一步提升了个性化联邦学习下的模型性能。
-
公开(公告)号：CN114429219B
公开(公告)日：2025-02-11
申请号：CN202111502142.4
申请日：2021-12-09
IPC: G06N20/00
Abstract: 本发明公开了一种面向长尾异构数据的联邦学习方法包括如下步骤：步骤一、服务器端随机初始化全局模型w并将模型参数发给各个客户端，各个客户端利用收到的模型参数进行模型更新，并将更新后的模型参数上传至服务器端；步骤二、服务器端对收到的本地模型参数后进行聚合得到教师模型和学生模型；步骤三、服务器端对步骤二中得到的教师模型进行校准，让教师模型在无偏知识上进行学习，以此教出好的学生模型；步骤四、使用知识蒸馏将教师模型的无偏知识传递给学生模型，随后将学生模型发给各个客户端开始下一轮联邦训练。
-
公开(公告)号：CN116628543A
公开(公告)日：2023-08-22
申请号：CN202310452512.0
申请日：2023-04-25
IPC: G06F18/24 , H04L67/01 , G06N3/098 , G06F18/214
Abstract: 本发明公开了一种基于元学习的不平衡数据联邦学习方法和系统，包括：客户端接收服务端下发的赋权模型参数和全局模型参数，利用本地数据和赋权模型参数得到用作校正数据不平衡的权重，基于权重、本地数据以及全局模型参数更新本地模型参数，其中，赋权模型参数包括类赋权模型参数、样本赋权模型参数，对应的权重包括类权重和样本权重；服务端接收客户端上传的本地模型参数并聚合得到全局模型参数，利用元数据、赋权模型参数以及聚合的全局模型参数得到元全局模型参数，利用元全局模型参数和元数据来更新赋权模型参数，更新的赋权模型参数和聚合的全局模型参数下发至客户端进行下一轮联邦学习。
-
公开(公告)号：CN114429219A
公开(公告)日：2022-05-03
申请号：CN202111502142.4
申请日：2021-12-09
IPC: G06N20/00
Abstract: 本发明公开了一种面向长尾异构数据的联邦学习方法包括如下步骤：步骤一、服务器端随机初始化全局模型w并将模型参数发给各个客户端，各个客户端利用收到的模型参数进行模型更新，并将更新后的模型参数上传至服务器端；步骤二、服务器端对收到的本地模型参数后进行聚合得到教师模型和学生模型；步骤三、服务器端对步骤二中得到的教师模型进行校准，让教师模型在无偏知识上进行学习，以此教出好的学生模型；步骤四、使用知识蒸馏将教师模型的无偏知识传递给学生模型，随后将学生模型发给各个客户端开始下一轮联邦训练。
-
公开(公告)号：CN114022703B
公开(公告)日：2025-04-04
申请号：CN202111248733.3
申请日：2021-10-26
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的高效车辆细粒度识别方法，它通过构建高效残差结构提取车辆图像特征，然后通过空间通道损失函数提高特征提取网络的细粒度分类能力，使网络更加专注于车辆图像的不同组件区域，保证特征通道的可区分性和可辨别性，并且不增加卷积神经网络推理的计算量。本发明通过深度学习自动提取特征，避免手工设计特征区域的局限性，更能克服车辆图片复杂环境噪音的干扰，并且能通过空间特征损失函数使特征通过关注更丰富的特征区域，提高车辆细粒度识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113536913B
公开(公告)日：2024-11-01
申请号：CN202110642915.2
申请日：2021-06-09
Applicant: 之江实验室
Abstract: 本发明公开了一种三维目标检测中针对静态目标的优化方法，首先过滤缓存中时间太久和距离太远的静态目标，然后融合当前帧的三维目标检测的目标和缓存中的静态目标，再遍历缓存中的静态目标，作为当前帧三维目标检测的部分检测结果R1，遍历当前帧的检测目标，若检测目标类别为静态目标且置信度超过预设阈值S1，则将当前帧的检测目标的三维信息，输入到缓存中，并作为当前帧三维目标检测的部分检测结果R2，若检测类别是动态目标或者检测置信度小于S1，则直接作为当前帧三维目标检测的部分检测结果R3，最后将R1、R2、R3合并为R作为当前帧的三维目标检测结果。针对于自动驾驶领域，本发明稳定了感知模块的输出结果，提升环境感知整体感知精度。
-
公开(公告)号：CN117382593B
公开(公告)日：2024-04-05
申请号：CN202311677936.3
申请日：2023-12-08
Applicant: 之江实验室
IPC: B60T8/1755
Abstract: 一种基于激光点云过滤的车辆紧急制动方法和系统，其方法包括：步骤一，获取多线激光雷达点云，进行点云数据处理，得到感知范围内障碍物信息；步骤二，根据车速和轨迹信息判断是否存在与障碍物碰撞的风险及是否启动前向预警，记录存在碰撞风险的历史数据；步骤三，构造碰撞风险函数模型拟合历史数据，使用该函数模型判断是否存在与障碍物碰撞的风险；步骤四，若存在碰撞风险，则根据车速及与前方障碍物的距离动态调整制动力，控制车辆紧急制动，若需启动前向预警，则进行提示音预警。本发明使用多线激光雷达数据，能适应更多类型的障碍物和场景，并有效地使自动驾驶车辆在紧急情况下作出制动决策，在满足安全性的基础上，避免制动对舒适性的影响。
-
公开(公告)号：CN117765226A
公开(公告)日：2024-03-26
申请号：CN202410196336.3
申请日：2024-02-22
Applicant: 之江实验室
IPC: G06V10/22 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06F16/51 , G06F16/587 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种轨迹预测方法、装置和存储介质，其中，该方法包括：获取目标图像的第一图像特征；所述第一图像特征中包括场景信息；获取所述目标图像的目标空间的空间索引；根据所述第一图像特征和所述目标空间的空间索引，生成所述目标图像在所述目标空间下的第二图像特征；根据所述第二图像特征，生成当前的时空状态；所述时空状态中包括历史信息；根据所述当前的时空状态，得到预测的时空状态；根据所述预测的时空状态生成预测的分割图像，实现轨迹预测。通过本申请提高了轨迹预测的准确性。
-
公开(公告)号：CN117216657A
公开(公告)日：2023-12-12
申请号：CN202311172428.X
申请日：2023-09-12
Applicant: 之江实验室
IPC: G06F18/241 , G06F18/2415 , G06F18/2433 , G06N3/0895
Abstract: 本发明公开了一种基于相关熵改进半监督随机神经网络的数据分类方法和装置，属于半监督学习、数据分类领域，包括：准备含有离群值或非高斯噪声的图表数据样本作为待分类数据样本；将SSELM算法的代价函数中的均方误差准则项用相关熵替换得到改进的代价函数；将待分类数据样本输入SSELM算法，并以最大化改进的代价函数为目标，优化SSELM算法的输出权重矩阵，得到本发明提出的RC‑SSELM算法；基于RC‑SSELM算法对待分类数据样本进行分类并输出相应的标签类别。本发明提出的RC‑SSELM算法在保留SSELM算法原有优点的基础上，极大提升了对包含离群值或非高斯噪声的数据样本的处理能力，具有高精度的优点。
-
公开(公告)号：CN117058358A
公开(公告)日：2023-11-14
申请号：CN202311316718.7
申请日：2023-10-12
Applicant: 之江实验室
IPC: G06V10/24 , G06V10/25 , G06T7/70 , G06V10/762
Abstract: 本申请涉及一种场景边界检测方法和移动平台。该方法包括：获取移动平台的连续帧的三维数据点，并获取每帧三维数据点对应的目标边界点；将目标边界点基于三维数据点中携带的拓扑结构进行排列，得到连续帧的初始边界拓扑信息，并遍历每帧中的所有目标边界点，基于目标边界点所处的环境信息对初始边界拓扑信息进行更新处理，得到目标边界拓扑信息；基于目标边界拓扑信息，生成针对移动平台的场景边界检测结果。采用本方法能够提升场景边界检测的效率。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.031 seconds)
