基于仿海马体记忆机制的图像处理方法及其相关设备

    公开(公告)号:CN115908934A

    公开(公告)日:2023-04-04

    申请号:CN202211544163.7

    申请日:2022-12-03

    Abstract: 本公开的基于仿海马体记忆机制的图像处理方法,通过基于深度自编码器对接收的样本图像信息进行特征提取得到样本图像的特征图;利用与任务背景相关的图像和样本图像的特征图建立背景知识图谱;利用生成模型和鉴别模型对样本图像的特征图进行对抗式训练得到与样本图像的特征图独立同分布的扩增特征图;基于背景知识图谱获取当前场景下与待识别目标场景相关的目标数据,利用仿海马体记忆机制对目标数据和扩增特征图进行时域信息推理得到时域信息推理结果T,对时域信息推理结果T进行识别得到时域信息识别结果M,对时域信息推理结果T和时域信息识别结果M进行IOT计算,得到基于仿海马体记忆机制的识别结果HM;将扩增特征图输入元学习深度神经网络进行训练,输出元学习的小样本学习识别结果Meta;利用聚类算法对识别结果HM和小样本学习识别结果Meta进行聚类,得到图像处理结果。能够显著提升了小样本约束条件下图像识别能力,提升扩增图像数据的质量。

    一种面向RD时频数据的深度学习模型评测系统及方法

    公开(公告)号:CN113762359A

    公开(公告)日:2021-12-07

    申请号:CN202110950679.0

    申请日:2021-08-18

    Abstract: 本发明一种面向RD时频数据的深度学习模型评测系统及方法,其过程包括验证集扩充、多IOU阈值F1计算、多IOU阈值mAP计算、FLOPs计算、评测指标集成计算。评测方法主体为验证集扩充方法及基于集成策略的模型评测方法,通过图像融合与检验机制对验证集进行扩充,解决面向RD时频数据短缺问题,可以在不引入明显噪声信息、不泄露目标标签信息、不改变数据分布情况下得到更大规模的验证集,使得验证集更好地表征整体数据的特征,更好地评测模型的泛化性能;用多IOU阈值的F1得分、多IOU阈值的mAP、FLOPs的加权得分表示深度学习模型的整体能力,可以更准确地表征模型在单点最优、全局平均最优、时间性能方面的能力,从而为面向RD时频数据的深度学习模型评测提供有力技术支撑。

Patent Agency Ranking