-
公开(公告)号：CN116994099A
公开(公告)日：2023-11-03
申请号：CN202311273553.X
申请日：2023-09-28
IPC: G06V10/774 , G06V10/77 , G06V10/764 , G06V10/82 , G06V10/25 , G06V20/62 , G06V30/146 , G06V30/19 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种特征解耦的少量样本预训练模型鲁棒性微调方法及装置，涉及数据处理技术领域。包括：获取待分类的图像数据；采用基于特征解耦对齐的少量样本微调的方法，对预训练模型进行微调，得到微调后的预训练模型；将图像数据输入到微调后的预训练模型；根据图像数据以及微调后的预训练模型，得到图像数据的分类结果。本发明能够在微调时更好的保证预训练模型对虚假关联性的鲁棒性，从而更好的微调预训练模型，避免过拟合，并且能够将其直接应用到现有的小样本方法中，额外提升分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN117131214A
公开(公告)日：2023-11-28
申请号：CN202311399196.1
申请日：2023-10-26
Applicant: 北京科技大学
IPC: G06F16/53 , G06N3/0464 , G06N3/08 , G06F16/55
Abstract: 本发明提供一种基于特征分布对齐与聚类的零样本草图检索方法及系统，涉及图像检索技术领域，包括：获取带标签的基础图像数据构建数据集；对数据集进行训练集和测试集的划分；构建特征提取神经网络，对特征提取神经网络进行训练；将待检索图像输入至特征提取神经网络，获得待检索图像的图像特征；对图像特征进行后处理获得检索所需特征；输入用户手绘图像并检索。本发明所提出的上述技术能够有效缓解自然图像的多样性为草图检索带来的挑战，提升检索性能。提出的特征分布对齐损失函数能够以很小的开销减小自然图像和手绘图像两个域间的距离，从而使草图检索中的跨域距离度量更加准确，进一步提升检索性能。
-
公开(公告)号：CN111561731A
公开(公告)日：2020-08-21
申请号：CN202010349540.6
申请日：2020-04-28
Applicant: 北京科技大学
Abstract: 本发明提供一种低谷电蓄能按需供热的户式智能供暖系统，属于低谷电蓄能清洁供暖技术领域。该系统包括蓄热装置、换热装置、风机和控制系统，夜间低谷电时期本系统进行蓄热，蓄热装置中的加热器开启进行热电转换，获得的热量储于蓄热装置中；白天需要供暖时利用手机软件打开风机带出热量进行供暖，无人的情况下可进行提前预热并设置预热温度，还能通过控制风机的风速来控制供暖强度。本发明具有双效“空气层”、全程可控性、全方位保护机制三大优势，克服了市场上户式装置取热不可控的缺点，有效提高了热电利用率。
-
公开(公告)号：CN117131214B
公开(公告)日：2024-02-09
申请号：CN202311399196.1
申请日：2023-10-26
Applicant: 北京科技大学
IPC: G06F16/53 , G06N3/0464 , G06N3/08 , G06F16/55
Abstract: 本发明提供一种基于特征分布对齐与聚类的零样本草图检索方法及系统，涉及图像检索技术领域，包括：获取带标签的基础图像数据构建数据集；对数据集进行训练集和测试集的划分；构建特征提取神经网络，对特征提取神经网络进行训练；将待检索图像输入至特征提取神经网络，获得待检索图像的图像特征；对图像特征进行后处理获得检索所需特征；输入用户手绘图像并检索。本发明所提出的上述技术能够有效缓解自然图像的多样性为草图检索带来的挑战，提升检索性能。提出的特征分布对齐损失函数能够以很小的开销减小自然图像和手绘图像两个域间的距离，从而使草图检索中的跨域距离度量更加准确，进一步提升检索性能。
-
公开(公告)号：CN111027693A
公开(公告)日：2020-04-17
申请号：CN201911174083.5
申请日：2019-11-26
Applicant: 北京科技大学
Abstract: 本发明提供一种基于去权重剪枝的神经网络压缩方法及系统，所述方法包括：确定待剪枝神经网络中应该被裁剪的参数；将待剪枝神经网络中应该被裁剪的参数置0，得到剪枝后的神经网络；对剪枝后的神经网络的底层计算函数进行修改，使得剪枝后的神经网络在运行过程中，若当前计算所涉及的参数为零，则跳过当前计算。本发明方法通过去权重剪枝降低神经网络的复杂度来降低对计算设备的算力的要求，从而达到将神经网络应用到边缘设备的目的。
-
公开(公告)号：CN116994099B
公开(公告)日：2023-12-22
申请号：CN202311273553.X
申请日：2023-09-28
IPC: G06V10/774 , G06V10/77 , G06V10/764 , G06V10/82 , G06V10/25 , G06V20/62 , G06V30/146 , G06V30/19 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种特征解耦的少量样本预训练模型鲁棒性微调方法及装置，涉及数据处理技术领域。包括：获取待分类的图像数据；采用基于特征解耦对齐的少量样本微调的方法，对预训练模型进行微调，得到微调后的预训练模型；将图像数据输入到微调后的预训练模型；根据图像数据以及微调后的预训练模型，得到图像数据的分类结果。本发明能够在微调时更好的保证预训练模型对虚假关联性的鲁棒性，从而更好的微调
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
