图像解耦表征学习的处理方法、装置及电子设备

    公开(公告)号:CN116129206A

    公开(公告)日:2023-05-16

    申请号:CN202310395903.3

    申请日:2023-04-14

    Applicant: 吉林大学

    Inventor: 迟晋进 张智超

    Abstract: 本申请涉及一种图像解耦表征学习的处理方法、装置及电子设备,涉及图像处理技术领域,其中方法包括首先通过初始编码器获取训练集中成对图像的初始共享表征;然后根据初始共享表征,利用Wasserstein‑2依赖性度量,估计成对图像中每张图像的第一全局互信息和第一局部互信息;再依据第一全局互信息和第一局部互信息,构建共享表征学习的第一损失函数;然后基于第一损失函数和训练集,使用随机优化算法对初始编码器进行迭代训练,得到第一编码器,该第一编码器用于解耦得到成对图像中每张图像的共享表征。通过应用本申请的技术方案,提供了针对图像解耦表征学习处理的有效手段,根据图像解耦表征学习结果可提高图像解耦表征的准确性。

    熵正则化最优传输的变分自编码器表征学习方法及装置

    公开(公告)号:CN118095390A

    公开(公告)日:2024-05-28

    申请号:CN202410115171.2

    申请日:2024-01-26

    Applicant: 吉林大学

    Abstract: 本发明涉及图像处理技术领域,特别是指一种熵正则化最优传输的变分自编码器表征学习方法及装置,包括:获取原始图像;构建变分自编码器,对变分自编码器进行基于熵正则化的最优传输的表征学习,获得改进后的变分自编码器;将原始图像输入至改进后的变分自编码器,输出特征图像。本发明使用一种简单的对偶随机梯度算法求解熵正则化后的对偶最优传输距离。其收敛速度不仅比辛克豪恩算法更快,而且也能支持大量的数据计算。同时,最优传输距离克服了KL散度在计算时的缺点,同时最优传输距离考虑了底层数据的几何结构,并根据数据样本之间的实际距离计算两个分布之间的差异,提高了表征学习的效果。

    图像解耦表征学习的处理方法、装置及电子设备

    公开(公告)号:CN116129206B

    公开(公告)日:2023-06-23

    申请号:CN202310395903.3

    申请日:2023-04-14

    Applicant: 吉林大学

    Inventor: 迟晋进 张智超

    Abstract: 本申请涉及一种图像解耦表征学习的处理方法、装置及电子设备,涉及图像处理技术领域,其中方法包括首先通过初始编码器获取训练集中成对图像的初始共享表征;然后根据初始共享表征,利用Wasserstein‑2依赖性度量,估计成对图像中每张图像的第一全局互信息和第一局部互信息;再依据第一全局互信息和第一局部互信息,构建共享表征学习的第一损失函数;然后基于第一损失函数和训练集,使用随机优化算法对初始编码器进行迭代训练,得到第一编码器,该第一编码器用于解耦得到成对图像中每张图像的共享表征。通过应用本申请的技术方案,提供了针对图像解耦表征学习处理的有效手段,根据图像解耦表征学习结果可提高图像解耦表征的准确性。

    一种基于最优传输的变分分布确定方法、系统及终端设备

    公开(公告)号:CN114881231A

    公开(公告)日:2022-08-09

    申请号:CN202210312688.1

    申请日:2022-03-28

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于最优传输的变分分布确定方法、系统及终端设备,所述方法包括:获取变分分布与先验分布,基于最优传输理论度量所述变分分布与所述先验分布的距离,并构建变分目标函数;确定正则化最优传输距离的对偶形式,并基于Sinkhorn算法计算所述正则化最优传输距离的对偶变量;基于随机优化策略对所述变分目标函数进行优化,更新变分参数,并基于更新后的变分参数获得目标变分分布,并将所述目标变分分布作为后验分布的近似。本发明基于最优传输距离构建了一个更具鲁棒性的变分目标函数,适用于支撑集不重叠的分布,避免了由不恰当的先验分布导致的近似精度问题,提高了变分推理计算贝叶斯模型的准确性。

Patent Agency Ranking