-
公开(公告)号：CN109919235B
公开(公告)日：2021-08-20
申请号：CN201910188285.9
申请日：2019-03-13
Applicant: 北京邮电大学
Abstract: 本文公开了一种基于在深度学习图像分类模型训练中引入多个因素进行样本加权方法。该方法主要包括：通过采集设备实时采集待检测产品图像；将采集图像分别通过模型判别与人工判别并将两者判别结果进行比较；根据比较器结果将错误图像增加到假正或者假负样本集中并更新其权重；根据此时计算出的准确性是否达到预值来判断是否启动更新模型。本发明通过引入人工判别结果与模型判别结果进行对比以及人工干预样本集加权，可以根据是否达到预值来更新模型，分类效果明显提高。
-
Patent Agency Ranking
公开(公告)号：CN109919235A
公开(公告)日：2019-06-21
申请号：CN201910188285.9
申请日：2019-03-13
Applicant: 北京邮电大学
Abstract: 本文公开了一种基于在深度学习图像分类模型训练中引入多个因素进行样本加权方法。该方法主要包括：通过采集设备实时采集待检测产品图像；将采集图像分别通过模型判别与人工判别并将两者判别结果进行比较；根据比较器结果将错误图像增加到假正或者假负样本集中并更新其权重；根据此时计算出的准确性是否达到预值来判断是否启动更新模型。本发明通过引入人工判别结果与模型判别结果进行对比以及人工干预样本集加权，可以根据是否达到预值来更新模型，分类效果明显提高。
-
-
公开(公告)号：CN110175247B
公开(公告)日：2021-06-08
申请号：CN201910192345.4
申请日：2019-03-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种优化基于深度学习的异常检测模型的方法，该方法主要包括：收集工业生产中产品的图像数据作为基础，形成原始样本集；构造一个深度卷积网络，并利用神经网络模型，预测生产中的图片样本；对预测样本进行标注，计算有效样本概率区间；将计算得到的有效样本输入样本库，进行模型训练迭代直至样本库类间平衡。本发明通过筛选预测样本中的有效样本，实现了样本库的类间平衡，优化模型泛化性能，预测效果提高明显。
-
公开(公告)号：CN110175247A
公开(公告)日：2019-08-27
申请号：CN201910192345.4
申请日：2019-03-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种优化基于深度学习的异常检测模型的方法，该方法主要包括：收集工业生产中产品的图像数据作为基础，形成原始样本集；构造一个深度卷积网络，并利用神经网络模型，预测生产中的图片样本；对预测样本进行标注，计算有效样本概率区间；将计算得到的有效样本输入样本库，进行模型训练迭代直至样本库类间平衡。本发明通过筛选预测样本中的有效样本，实现了样本库的类间平衡，优化模型泛化性能，预测效果提高明显。
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
