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：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：CN111126386B

公开(公告)日：2023-06-30

申请号：CN201911321106.0

申请日：2019-12-20

Applicant: 复旦大学

Inventor： 周水庚 ,  林景煌 ,  程战战

IPC: G06V20/62 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明属于人工智能技术领域，具体为一种基于属于机器视觉场景文本识别任务上的领域适应方法。本发明方法包括：构建CNN‑LSTM网络、注意力网络；将两者组合成场景文本识别网络；将自源域与目标域的场景图像输入场景文本识别网络，由CNN‑LSTM从输入的场景图像中提取图像特征，由注意力网络对图像特征进行再编码，提取出每一个字符的对应特征，实现将图像中的文本信息切分成字符级别信息；最后运用基于对抗学习的迁移学习技术，构建域分类网络，与场景文本识别网络共同构成对抗生成网络，最终使模型能够有效适应目标域。本发明充分利用少量目标域标定样本，解决了在实际场景文本识别任务中经常出现的样本稀缺问题，提高识别效果。

公开(公告)号：CN111126386A

公开(公告)日：2020-05-08

申请号：CN201911321106.0

申请日：2019-12-20

Applicant: 复旦大学

Inventor： 周水庚 ,  林景煌 ,  程战战

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于人工智能技术领域，具体为一种基于属于机器视觉场景文本识别任务上的领域适应方法。本发明方法包括：构建CNN-LSTM网络、注意力网络；将两者组合成场景文本识别网络；将自源域与目标域的场景图像输入场景文本识别网络，由CNN-LSTM从输入的场景图像中提取图像特征，由注意力网络对图像特征进行再编码，提取出每一个字符的对应特征，实现将图像中的文本信息切分成字符级别信息；最后运用基于对抗学习的迁移学习技术，构建域分类网络，与场景文本识别网络共同构成对抗生成网络，最终使模型能够有效适应目标域。本发明充分利用少量目标域标定样本，解决了在实际场景文本识别任务中经常出现的样本稀缺问题，提高识别效果。