公开(公告)号：CN118411544A

公开(公告)日：2024-07-30

申请号：CN202410096265.X

申请日：2024-01-23

Applicant: 浙江大学

Inventor： 肖俊 ,  何谦佩 ,  张凤达 ,  况琨

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/0895

Abstract: 本发明公开了一种基于生成模型的无偏图像分类方法，减轻图像各个属性之间的虚假关联，得到更公平的图像分类器。包括如下步骤：1)利用微调后的图像生成模型和分类标签，得到不同偏见程度的编辑方向；2)将不同编辑方向向量合成，得到只对偏见属性进行编辑的编辑方向；3)利用此编辑方向，对原始训练集图像进行不同程度的编辑，利用对比学习得到无偏见编码器；4)利用无偏见编码器对训练集进行编码，再用无偏编码训练得到无偏分类器。本发明相较于其他无偏图像分类方法，无需得知偏见属性，可同时消除多个偏见属性的影响；同时适用于二分类任务及多分类任务；在多个指标上提升了图像分类器的公平性。

公开(公告)号：CN118885964A

公开(公告)日：2024-11-01

申请号：CN202410919752.1

申请日：2024-07-10

Applicant: 浙江大学

Inventor： 王朝 ,  何谦佩 ,  肖俊

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/214 ,  G06Q50/20 ,  G06N3/0442 ,  G06N3/08 ,  G06N5/045 ,  G06F123/02

Abstract: 本发明公开了一种基于多模态对齐的学习过程专注程度判断的方法及系统，属于多模态模式识别领域。本方法包括以下步骤：获取多模态数据：获取学生在教育行为中的原始多模态数据，并对原始多模态数据进行预处理；特征提取：构建每种模态数据对应的多模态数据表征编码模型，用于对应提取表征；模型训练：表征融合后，由融合后的多模态表征以及学生的专注程度标签训练专注程度判断模型；专注程度预测：将融合后的待检测多模态表征输入到训练好的专注程度判断模型中，输出预测的学生的专注程度。本发明充分利用多模态数据的丰富信息和学习者的多样特征，提高了表征学习的准确性和可解释性，能够更好地预测学习者在学习过程中的专注程度。