-
公开(公告)号：CN116050473A
公开(公告)日：2023-05-02
申请号：CN202211436161.6
申请日：2022-11-16
Applicant: 武汉大学
IPC: G06N3/0464 , G06F17/16 , G06N3/08
Abstract: 本发明涉及一种基于原子邻域图表示的参数化哈密顿量构造方法，包括步骤：根据材料的晶体结构信息构建晶体图，所述晶体图的每个结点代表晶胞中对应的原子及其所有周期性的镜像；基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，以使结点的输出特征向量包含原子局部化学环境表示；基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元。可解决机器学习方法拟合得到的哈密顿量不能保证体系实空间对称性和网络模型的泛用性差等问题，并且同时兼顾高效率和高精度的优点。
-
公开(公告)号：CN112686310B
公开(公告)日：2022-08-16
申请号：CN202011609755.3
申请日：2020-12-30
Applicant: 武汉大学
Abstract: 本发明公开了一种基于锚框的目标检测算法中先验框设计方法，所述方法是一种基于训练集样本目标标记框面积聚类算法的先验框设计方法，整体上进行两轮聚类算法计算，第一轮聚类计算得到先验框的面积超参数，并以此结果进行第二轮聚类确定先验框的长宽比超参数，进而完成先验框部署。本发明充分考虑目标检测算法在实际应用场景中会遇到的特定数据不平衡问题，即数据集中小目标样本数比大目标样本数多一个数量级或以上，创新性地使用基于标记框面积的聚类算法，用大目标面积数值大的特点平衡其样本数量偏少的缺陷，进而得到更适合存在大小目标场景下的先验框超参数，并且能够降低神经网络模型的训练难度，加快训练流程，得到效果更好的目标检测模型。
-
公开(公告)号：CN112686310A
公开(公告)日：2021-04-20
申请号：CN202011609755.3
申请日：2020-12-30
Applicant: 武汉大学
Abstract: 本发明公开了一种基于锚框的目标检测算法中先验框设计方法，所述方法是一种基于训练集样本目标标记框面积聚类算法的先验框设计方法，整体上进行两轮聚类算法计算，第一轮聚类计算得到先验框的面积超参数，并以此结果进行第二轮聚类确定先验框的长宽比超参数，进而完成先验框部署。本发明充分考虑目标检测算法在实际应用场景中会遇到的特定数据不平衡问题，即数据集中小目标样本数比大目标样本数多一个数量级或以上，创新性地使用基于标记框面积的聚类算法，用大目标面积数值大的特点平衡其样本数量偏少的缺陷，进而得到更适合存在大小目标场景下的先验框超参数，并且能够降低神经网络模型的训练难度，加快训练流程，得到效果更好的目标检测模型。
-
-
Search Results
3
records
(took 0.015 seconds)
