公开(公告)号：CN119272841A

公开(公告)日：2025-01-07

申请号：CN202411291268.5

申请日：2024-09-14

Applicant: 哈尔滨工业大学

Inventor： 江俊君 ,  王晨扬 ,  胡星宇 ,  刘贤明

IPC: G06N3/098 ,  G06N3/094 ,  G06N3/0464 ,  G06F21/62

Abstract: 本发明的一种利用数据增强实现联邦域泛化方法，用于联邦模型的训练阶段，进行多轮服务端‑客户端通信，每轮通信包括如下步骤：S1、服务器端将全局模型下发到各客户端；S2、客户端基于本地数据上进行对抗增强训练，即迭代进行S2.1及S2.2；S3、客户端将本地模型上传到服务器端进行聚合。本发明的方法，用于在联邦领域泛化设置中寻找全局平坦的极小值。通过将其视为最小化全局模型在全局数据分布上的鲁棒风险的上界，可以解释整个算法。

公开(公告)号：CN113313663B

公开(公告)日：2022-09-09

申请号：CN202110644185.X

申请日：2021-06-09

Applicant: 哈尔滨工业大学

Inventor： 江俊君 ,  胡星宇 ,  刘贤明 ,  马佳义

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出基于零样本学习的多聚焦图像融合方法，使用多聚焦图像融合网络结构IM‑Net将输入的多聚焦图像中包含的信息进行融合，IM‑Net包括两个联合的子网络I‑Net和M‑Net，I‑Net对融合图像的深度先验建模，M‑Net对聚焦图的深度先验建模，通过提取的先验信息实现零样本学习，对IM‑Net施加了重构约束，以确保可以将源图像对的信息更好地传输到融合图像，高层语义信息可保持相邻像素的亮度一致性，并且引导损失为IM‑Net查找清晰区域提供了指导信息，实验结果表明了本发明方法的有效性。

公开(公告)号：CN113313663A

公开(公告)日：2021-08-27

申请号：CN202110644185.X

申请日：2021-06-09

Applicant: 哈尔滨工业大学

Inventor： 江俊君 ,  胡星宇 ,  刘贤明 ,  马佳义

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出基于零样本学习的多聚焦图像融合方法，使用多聚焦图像融合网络结构IM‑Net将输入的多聚焦图像中包含的信息进行融合，IM‑Net包括两个联合的子网络I‑Net和M‑Net，I‑Net对融合图像的深度先验建模，M‑Net对聚焦图的深度先验建模，通过提取的先验信息实现零样本学习，对IM‑Net施加了重构约束，以确保可以将源图像对的信息更好地传输到融合图像，高层语义信息可保持相邻像素的亮度一致性，并且引导损失为IM‑Net查找清晰区域提供了指导信息，实验结果表明了本发明方法的有效性。