-
公开(公告)号：CN120031160A
公开(公告)日：2025-05-23
申请号：CN202510089162.5
申请日：2025-01-21
Applicant: 江苏海洋大学
Abstract: 本发明公开了一种去除数据集噪声并生成具有代表性特征的小样本学习方法，属于计算机图像分类领域，其步骤如下：利用复合距离从衡量离类别中心距离，类内离散程度，是否贴合类别标签的角度出发对数据集内样本进行筛选，并根据需要选取top‑k个最具代表性的训练样本，之后使用cVAE依据筛选剩余的具有代表性样本在特征空间内生成距离类别中心更近，更能帮助网络对类别标签进行学习的特征，并最终将基类中剩余样本及新生成的样本相融合作为先验知识，通过原型网络将随机变量的先验概率密度转换为后验概率密度，从而预测查询图像的标签，对小样本图像分类具有重要意义。
-
公开(公告)号：CN119888305A
公开(公告)日：2025-04-25
申请号：CN202411789247.6
申请日：2024-12-06
Applicant: 江苏海洋大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/096
Abstract: 一种利用注意力提示Vision Transformer的小样本图像分类方法，该方法包括以下步骤：S1、利用基于Vision Transformer架构的深度神经解释性方法为数据集构建额外的语义标签；S2、提取Vision Transformer模型顶层MSA模块的注意力得分logit并将其转换为注意力预测；S3、使用注意力标签和语义标签对模型进行双标签引导，令模型的注意力集中在图像中的关键实体上，提升图像特征的表示能力以提升模型的性能。本发明通过构建一个额外的注意力标签，与语义标签同时训练模型，减少模型提取的特征中来自与嘈杂背景的噪声，提高了小样本图像分类的准确性，对小样本图像分类具有重要意义。
-
公开(公告)号：CN118917422A
公开(公告)日：2024-11-08
申请号：CN202410944239.8
申请日：2024-07-15
Applicant: 江苏海洋大学
IPC: G06N5/045 , G06N3/0455 , G06N3/084 , G06F16/35 , G06F40/284 , G06F18/2113 , G06F18/241 , G06Q50/00
Abstract: 本发明公开了一种基于信息瓶颈的方面级情感分析解释方法，属于自然语言处理技术领域。该方法利用信息瓶颈理论，通过最大化输入与压缩表示之间的信息传递量，最小化压缩表示与输出之间的信息损失；通过计算模型预测输出与输入特征之间的梯度，识别关键特征及其相互作用；在情感分析任务中，利用信息瓶颈原理压缩和优化词嵌入，在降低数据复杂性的同时保留重要信息。本发明方法提高了方面级情感分析任务中模型的性能和可解释性，能够更准确地识别和解释与情感相关的特征，有助于自然语言处理领域中情感分析的研究和应用。
-
公开(公告)号：CN118072132A
公开(公告)日：2024-05-24
申请号：CN202410311643.1
申请日：2024-03-19
Applicant: 江苏海洋大学
IPC: G06V10/776 , G06V10/764 , G06V10/766 , G06V10/84 , G06V20/70 , G06V10/774 , G06V10/74 , G06V10/44 , G06V10/82
Abstract: 本发明公开了一种提高基于贝叶斯的小样本学习中先验知识的可靠性的方法，属于计算机图像分类领域。该方法利用预训练的WideResNet28‑10网络作为骨干网络，来提取数据集的特征以生成每个类别的统计数据；使用word2vec词向量模型提取支持集和基集中每个类别标签的词向量，利用语义相似性为支持集中每个类别从基集中筛选出top‑k个最相似的类别；利用基集中最相似的top‑k个类别的统计信息及支持集的统计信息作为先验了，通过贝叶斯框架将随机变量的先验概率密度转换为后验概率密度，从而预测查询图像的标签。本发明通过语义信息介入来增强小样本图像分类的准确性，对小样本图像分类具有重要意义。
-
-
-
Search Results
4
records
(took 0.044 seconds)
