-
公开(公告)号：CN114820326B
公开(公告)日：2024-05-31
申请号：CN202210579505.2
申请日：2022-05-25
Applicant: 厦门大学
IPC: G06T3/4053 , G06T3/4046
Abstract: 基于可调节核稀疏化的高效单帧图像超分方法，涉及图像处理领域。通过将用户预定义的稀疏度隐式分配给每个单独的卷积核来实现权重级别的可调节模型稀疏，并由此提供一种基于可调节核稀疏化的高效单帧图像超分方法。为了诱导核稀疏性，引入软阈值函数作为门限约束从而过滤不重要的权重值。为了满足可调节的稀疏度，提出一种动态阈值学习算法，即阈值与网络权重一起更新，与此同时阈值在目标稀疏性引导下进行自适应衰减。该方法本质上为现有的超分大模型提供了在给定资源限制下的动态参数重分配。该方法研究高效轻量级图像超分模型，可用于智能安防、高清画质增强、历史老照片修复等。
-
公开(公告)号：CN111260061B
公开(公告)日：2022-07-19
申请号：CN202010157458.3
申请日：2020-03-09
Applicant: 厦门大学
IPC: G06N3/08
Abstract: 本发明公开了一种联邦学习梯度交换中的差异化加噪方法、介质及系统，其中方法包括：多个数据方分别获取对应的训练数据集，并分别根据对应的训练数据集对深度学习模型进行训练，以更新深度学习模型的梯度；每个数据方将对应的梯度进行分层处理，并计算每一层梯度对应的二范数，以及根据二范数对每一层梯度进行加噪，并将加噪后的梯度发送至中心服务器；中心服务器对加噪后的梯度进行聚合，并将聚合后的梯度发送给每个数据方，以便每个数据方根据聚合后的梯度对本地深度学习模型进行更新；能够提高联邦学习的数据交换过程中隐私的保护强度，同时，相较于传统联邦学习中加密算法，可以降低数据传输的开销。
-
公开(公告)号：CN114820326A
公开(公告)日：2022-07-29
申请号：CN202210579505.2
申请日：2022-05-25
Applicant: 厦门大学
IPC: G06T3/40
Abstract: 基于可调节核稀疏化的高效单帧图像超分方法，涉及图像处理领域。通过将用户预定义的稀疏度隐式分配给每个单独的卷积核来实现权重级别的可调节模型稀疏，并由此提供一种基于可调节核稀疏化的高效单帧图像超分方法。为了诱导核稀疏性，引入软阈值函数作为门限约束从而过滤不重要的权重值。为了满足可调节的稀疏度，提出一种动态阈值学习算法，即阈值与网络权重一起更新，与此同时阈值在目标稀疏性引导下进行自适应衰减。该方法本质上为现有的超分大模型提供了在给定资源限制下的动态参数重分配。该方法研究高效轻量级图像超分模型，可用于智能安防、高清画质增强、历史老照片修复等。
-
公开(公告)号：CN111260061A
公开(公告)日：2020-06-09
申请号：CN202010157458.3
申请日：2020-03-09
Applicant: 厦门大学
IPC: G06N3/08
Abstract: 本发明公开了一种联邦学习梯度交换中的差异化加噪方法、介质及系统，其中方法包括：多个数据方分别获取对应的训练数据集，并分别根据对应的训练数据集对深度学习模型进行训练，以更新深度学习模型的梯度；每个数据方将对应的梯度进行分层处理，并计算每一层梯度对应的二范数，以及根据二范数对每一层梯度进行加噪，并将加噪后的梯度发送至中心服务器；中心服务器对加噪后的梯度进行聚合，并将聚合后的梯度发送给每个数据方，以便每个数据方根据聚合后的梯度对本地深度学习模型进行更新；能够提高联邦学习的数据交换过程中隐私的保护强度，同时，相较于传统联邦学习中加密算法，可以降低数据传输的开销。
-
-
-
Search Results
4
records
(took 0.019 seconds)
