-
Patent Agency Ranking
公开(公告)号：CN112801208B
公开(公告)日：2023-01-03
申请号：CN202110215067.7
申请日：2021-02-25
Applicant: 清华大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于结构化代理的深度度量学习方法和装置，其中，方法包括：获取多个样本图像集；提取多个样本图像集中每个样本图像的图像特征向量；根据预设的结构化损失函数对多个样本图像集中所有样本图像的图像特征向量计算，获取计算结果；根据梯度下降算法和计算结果筛选出每个样本图像集中的代理样本图像；根据所有的代理样本图像训练预设的深度卷积网络，并根据训练好的深度卷积网络提取目标图像在度量空间中的目标特征向量，以便于根据目标特征向量确定目标图像与其他图像的相似性。由此，解决了现有深度度量学习技术中构建代理时使用信息不充分的问题。
-
公开(公告)号：CN117115546A
公开(公告)日：2023-11-24
申请号：CN202311127323.2
申请日：2023-09-01
Applicant: 清华大学
IPC: G06V10/764 , G06V10/776 , G06V10/82 , G06N5/04
Abstract: 本申请提出了一种基于视觉编辑路径的黑箱模型可解释归因方法及装置，涉及黑箱模型解释领域，该方法包括：获取训练好的黑箱图像分类模型，选择路径方法对黑箱图像分类模型进行解释；构建最小充分性原则与视觉编辑路径集合，在最小充分性原则下，通过视觉编辑路径集合得到快速近似求解最优路径的压缩感知重构SAMP算法；初始化SAMP算法，通过贪婪搜索策略迭代式运行SAMP算法，得到可解释归因结果，其中，在运行过程中引入L1范数约束与动量更新机制；对可解释归因结果进行归一化处理与可视化处理，得到原始图像中每个像素对黑箱图像分类模型产生结果的贡献值。本申请能够直观且完整地显示出黑箱模型的决策逻辑，提升了用户对黑箱模型的可信度。
-
公开(公告)号：CN115796260A
公开(公告)日：2023-03-14
申请号：CN202211566219.9
申请日：2022-12-07
Applicant: 清华大学
IPC: G06N3/08 , G06N3/084 , G06N3/045 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种基于有界正交约束的可解释神经网络优化方法与系统，该方法包括：获取训练数据集；利用训练数据集训练神经网络模型参数；其中，神经网络模型参数包括，基于有界性约束的神经网络模型权重参数和基于正交性约束的同层神经网络权重参数；基于有界性约束和正交性约束构建优化目标的损失函数，并对神经网络模型参数进行优化，直到损失函数收敛以更新神经网络模型参数得到训练好的神经网络模型。本发明能够获得具备较强可解释性的神经网络模型，该模型能够实现高精度回溯重建及显著性图生成，同时提升模型的分类性能，以提高自动驾驶等高可靠行业中应用黑盒模型的信任度。
-
公开(公告)号：CN115358322A
公开(公告)日：2022-11-18
申请号：CN202211013003.X
申请日：2022-08-23
Applicant: 清华大学
Abstract: 本发明公开了基于异步自回归预测模型的卫星故障检测方法及装置，该方法包括：获取待检测卫星数据；将待检测卫星数据的第一预设时刻特征数据输入预训练的自回归预测模型，得到第二预设时刻特征数据的预测值，并计算第二预设时刻特征数据的预测值和真实值的重建误差；对重建误差和预设阈值进行比较，根据比较结果检测待检测卫星数据中的故障数据。本发明实现了快速、准确、鲁棒的自动化卫星异常检测。
-
公开(公告)号：CN112801208A
公开(公告)日：2021-05-14
申请号：CN202110215067.7
申请日：2021-02-25
Applicant: 清华大学
Abstract: 本发明提出一种基于结构化代理的深度度量学习方法和装置，其中，方法包括：获取多个样本图像集；提取多个样本图像集中每个样本图像的图像特征向量；根据预设的结构化损失函数对多个样本图像集中所有样本图像的图像特征向量计算，获取计算结果；根据梯度下降算法和计算结果筛选出每个样本图像集中的代理样本图像；根据所有的代理样本图像训练预设的深度卷积网络，并根据训练好的深度卷积网络提取目标图像在度量空间中的目标特征向量，以便于根据目标特征向量确定目标图像与其他图像的相似性。由此，解决了现有深度度量学习技术中构建代理时使用信息不充分的问题。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
