-
公开(公告)号：CN113255701B
公开(公告)日：2021-10-22
申请号：CN202110700741.0
申请日：2021-06-24
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于绝对‑相对学习架构的小样本学习方法和系统，包括：调用表征提取模块，对训练集中的各个图像样本进行表征提取，以获得各个图像样本的特征向量；调用绝对学习模块，对各个图像样本的特征向量进行训练，以确定各个图像样本基于类别的第一预测结果和基于语义的第二预测结果；将每两个图像样本的特征向量组合成一组样本特征对，将每一组样本特征对中的两个特征向量拼接为一组合成向量；调用相对学习模块，对样本特征对进行训练，以确定每一组样本特征对中的两个特征向量基于类别的第一相似度和基于语义的第二相似度；根据第一预测结果、第二预测结果、第一相似度、第二相似度来计算模型的损失函数，以完成对模型的训练。
-
公开(公告)号：CN113255701A
公开(公告)日：2021-08-13
申请号：CN202110700741.0
申请日：2021-06-24
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于绝对‑相对学习架构的小样本学习方法和系统，包括：调用表征提取模块，对训练集中的各个图像样本进行表征提取，以获得各个图像样本的特征向量；调用绝对学习模块，对各个图像样本的特征向量进行训练，以确定各个图像样本基于类别的第一预测结果和基于语义的第二预测结果；将每两个图像样本的特征向量组合成一组样本特征对，将每一组样本特征对中的两个特征向量拼接为一组合成向量；调用相对学习模块，对样本特征对进行训练，以确定每一组样本特征对中的两个特征向量基于类别的第一相似度和基于语义的第二相似度；根据第一预测结果、第二预测结果、第一相似度、第二相似度来计算模型的损失函数，以完成对模型的训练。
-
公开(公告)号：CN113947856A
公开(公告)日：2022-01-18
申请号：CN202010689447.X
申请日：2020-07-17
Applicant: 军事科学院系统工程研究院网络信息研究所
IPC: G08B13/18
Abstract: 本发明公开了一种基于应力发光材料的重点区域入侵监测方法，将应力发光材料涂覆于重点区域周界着力点，比如变电站外墙、通信基站外墙、金库钥匙孔、保险柜侧壁；应力发光材料会在应力作用下辐射出光信号；光度计(如光敏电阻)探测到光信号强度超过阈值即判断入侵事件发生并执行应对策略。与传统方案相比，本发明具有能耗低、隐蔽性强、覆盖范围广、识别能力强、抗干扰能力强等诸多优点，可以为重点区域提供成本低廉、简单易行、长时有效的周界安全保证。
-
-
Search Results
3
records
(took 0.027 seconds)
