公开(公告)号：CN118691874A

公开(公告)日：2024-09-24

申请号：CN202410684501.X

申请日：2024-05-30

Applicant: 南京大学

Inventor： 郭兰哲 ,  李宇峰 ,  周志华 ,  金苡萱 ,  周植

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895 ,  G06F16/903

Abstract: 本发明公开一种针对图像分类任务的学件查搜与复用的方法，通过在学件规约构造的过程中利用文本‑图像预训练模型进行统一数据表示，并且同时考虑训练数据分布和模型性能表现，提升学件规约对模型功能描述的准确性，从而在面临新的图像分类任务时能够更好地通过规约实现模型的查搜和复用。该发明构建了一个由大量图像分类模型以及使用本发明生成的模型规约组成的学件库，当用户面临新的图像分类任务时，可以通过本发明生成的学件规约在学件库中进行高效的模型查搜，精准查找到能够在自身任务中表现良好的模型。

公开(公告)号：CN115984818A

公开(公告)日：2023-04-18

申请号：CN202310041662.2

申请日：2023-01-13

Applicant: 南京大学 ,  上海高德威智能交通系统有限公司

Inventor： 李宇峰 ,  周植 ,  金苡萱 ,  程战战

IPC: G06V20/58 ,  G06V10/44 ,  G06F18/25 ,  G06V10/764 ,  G06V10/74 ,  G06N20/00

Abstract: 本发明公开一种面向边角类别图像的稳健检测方法，用于提升机器学习算法在测试阶段检测边角类别(Corner Class)图像的能力，一方面防止了模型边角类别图像的错误预测，另一方面降低了边角类别图像的人工标注成本。本发明主要的技术方案包括从目标数据集中提取图像间内蕴的分类判别信息，结合有限的标注图像，建立能够稳健检测未见边角类别图像的机器学习模型。其中，提取上述判别信息结合1)自监督学习技术构建初始特征表示；2)进一步提取图像间内蕴的相似性结构。本发明具有图像标注量需求低、算法实现简单等特点，稳健提升了机器学习模型付诸于边角类别图像的检测能力。