公开(公告)号：CN113256629A

公开(公告)日：2021-08-13

申请号：CN202110759301.2

申请日：2021-07-05

Applicant: 之江实验室 ,  复旦大学

Inventor： 周水庚 ,  林景煌 ,  许燚 ,  何轶凡 ,  关佶红 ,  张吉

IPC: G06T7/00 ,  G06T7/80 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。

公开(公告)号：CN113256629B

公开(公告)日：2022-06-24

申请号：CN202110759301.2

申请日：2021-07-05

Applicant: 之江实验室 ,  复旦大学

Inventor： 周水庚 ,  林景煌 ,  许燚 ,  何轶凡 ,  关佶红 ,  张吉

IPC: G06T7/00 ,  G06T7/80 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。

公开(公告)号：CN116756690A

公开(公告)日：2023-09-15

申请号：CN202310743839.3

申请日：2023-06-24

Applicant: 复旦大学

Inventor： 周水庚 ,  何轶凡

IPC: G06F18/25 ,  G06F18/241 ,  G06F18/214 ,  G06V10/82 ,  G06V10/40

Abstract: 本发属于数据挖掘技术领域，具体为一种跨语言多模态信息融合方法及装置。本发明跨语言多模态信息融合方法包括：收集跨语言多模态信息数据；建立多语种文本模态数据特征表示模块、建立图像模态数据特征表示模块；构建多模态特征融合模块将单一模态的数据表征通过自监督任务完成融合；结合多模态融合特征与数据标签实现整体模型的优化训练，并对跨语言多模态信息融合进行了下游分类任务验证。本发明还提供多模态信息融合装置，并应用与跨语言多模态信息分类任务中。本发明能够增强多模态数据的表征与融合能力，提升下游任务的准确性。