-
公开(公告)号：CN114648648B
公开(公告)日：2024-09-27
申请号：CN202210158472.4
申请日：2022-02-21
Applicant: 清华大学
IPC: G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请提出的深度内省度量学习方法、装置及存储介质中，获取多个不同图像样本，然后提取多个不同图像样本中每个样本图像的语义特征和不确定性特征，并利用每个样本图像的语义特征和不确定性特征，得到不同样本对的内省性相似度，样本对为样本中任意不同的两个图像样本组成，再根据预设损失函数对不同样本对的内省性相似度进行计算，得到计算结果，最后根据梯度下降算法和计算结果训练预设的卷积网络，并根据训练好的卷积网络提取目标图像在度量空间中的语义特征和不确定性特征，以便于根据语义特征和不确定性特征确定目标图像与其他图像的内省性相似度。其中，本申请提出的方法提高了网络的判别性能和鲁棒性。
-
公开(公告)号：CN114648648A
公开(公告)日：2022-06-21
申请号：CN202210158472.4
申请日：2022-02-21
Applicant: 清华大学
Abstract: 本申请提出的深度内省度量学习方法、装置及存储介质中，获取多个不同图像样本，然后提取多个不同图像样本中每个样本图像的语义特征和不确定性特征，并利用每个样本图像的语义特征和不确定性特征，得到不同样本对的内省性相似度，样本对为样本中任意不同的两个图像样本组成，再根据预设损失函数对不同样本对的内省性相似度进行计算，得到计算结果，最后根据梯度下降算法和计算结果训练预设的卷积网络，并根据训练好的卷积网络提取目标图像在度量空间中的语义特征和不确定性特征，以便于根据语义特征和不确定性特征确定目标图像与其他图像的内省性相似度。其中，本申请提出的方法提高了网络的判别性能和鲁棒性。
-
公开(公告)号：CN114417976B
公开(公告)日：2024-09-17
申请号：CN202111602641.0
申请日：2021-12-24
Applicant: 清华大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本公开提出一种高光谱图像分类方法、装置、电子设备和存储介质，属于计算机视觉与航空遥感技术。其中，所述方法包括：将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征；利用所述图像特征，根据预设的均值网络，得到所述图像特征对应的均值矩阵；根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，将所述概率值的最大值对应的类别作为所述高光谱图像的分类结果。本公开解决现有的同时考虑空间维度和光谱维度的高光谱图像分类方法中，在利用空间近邻信息来降低光谱维度不确定性影响的同时，引入了近邻像素的标签不确定性的问题，减少空间中标签不确定性对图像分类的不利影响，得到更为准确的分类结果。
-
公开(公告)号：CN115272806A
公开(公告)日：2022-11-01
申请号：CN202210933226.1
申请日：2022-08-04
Applicant: 清华大学
IPC: G06V10/778 , G06V10/82 , G06V10/40 , G06V10/20
Abstract: 本发明公开了一种泛监督表示学习方法及装置，该方法包括：获取训练数据；其中，训练数据包括图像数据和图像数据对应的标签信息；将训练数据输入视觉网络模型进行特征提取得到图像数据对应的第一空间特征，并基于第一空间特征映射得到第二空间特征，以及基于第二空间特征映射得到第三空间特征；计算第一空间特征和第二空间特征的第一损失函数值，并根据标签信息计算第三空间特征的第二损失函数值；基于第一损失函数值和第二损失函数值更新所述视觉网络模型的参数，以得到训练后的视觉网络模型。本发明能够使得学习到的表示不仅能在训练数据集上取得优越的性能，还能在其他视觉任务上获得不错的迁移性能，可以实现图像检测和分割。
-
Patent Agency Ranking
公开(公告)号：CN114417976A
公开(公告)日：2022-04-29
申请号：CN202111602641.0
申请日：2021-12-24
Applicant: 清华大学
IPC: G06K9/62 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本公开提出一种高光谱图像分类方法、装置、电子设备和存储介质，属于计算机视觉与航空遥感技术。其中，所述方法包括：将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征；利用所述图像特征，根据预设的均值网络，得到所述图像特征对应的均值矩阵；根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，将所述概率值的最大值对应的类别作为所述高光谱图像的分类结果。本公开解决现有的同时考虑空间维度和光谱维度的高光谱图像分类方法中，在利用空间近邻信息来降低光谱维度不确定性影响的同时，引入了近邻像素的标签不确定性的问题，减少空间中标签不确定性对图像分类的不利影响，得到更为准确的分类结果。
-
公开(公告)号：CN119131409A
公开(公告)日：2024-12-13
申请号：CN202411125968.7
申请日：2024-08-16
Applicant: 清华大学
Abstract: 本发明公开了基于二维状态空间模型的视觉特征表示学习方法及系统，本发明的方法包括获取输入图像；将输入图像的四个顶点作为起始点，从左上、右上、右下和左下四个方向进行二维状态空间方程的建模以构建二维状态空间Mamba模型；其中，将二维状态空间方程的建模过程转化为两个独立的一维状态空间方程的建模；利用二维状态空间Mamba模型执行计算机视觉领域的识别预测任务。本发明使用二维状态空间模型自适应地构建图像特征表示，将Mamba模型的优点融入到视觉处理中，同时保留局部特征不变性。
-
公开(公告)号：CN116258924A
公开(公告)日：2023-06-13
申请号：CN202310018356.7
申请日：2023-01-06
Applicant: 清华大学
IPC: G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了基于双工相似性度量的弱监督学习方法及装置，该方法包括：获取图像样本；将图像样本提取出的样本特征输入至神经网络模型进行处理，得到真实图像特征与虚假图像特征；根据真实图像特征与虚假图像特征计算样本特征间的双工相似性度量；将分类目标函数作为优化目标约束双工相似性度量，以对神经网络模型的网络参数进行更新，得到训练好的神经网络模型。本发明可以同时利用正向监督信号和反向监督信号来指导训练过程并隐式地让网络自适应地去权衡两种信号。本发明能够同时提高噪声标签学习、部分标签学习以及半监督学习的基准性能。
-
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：CN112801210A
公开(公告)日：2021-05-14
申请号：CN202110220951.X
申请日：2021-02-26
Applicant: 清华大学
Abstract: 本发明提出一种深度组合度量学习方法和装置，其中，方法包括：计算预设的多个子空间中每个子空间的目标权值；根据预设的多个初始组合器中的每个初始组合器的初始选择权值，确定与每个子空间对应的目标选择概率；根据目标选择概率对应的目标权值，加权计算生成与每个初始组合器对应的候选组合器；根据预设的约束函数对每个初始组合器对应的候选组合器约束，生成与每个初始组合器对应的目标组合器；通过与多个初始组合器对应的多个目标组合器，执行不同的深度识别子任务。由此，实现了能够在提高网络的泛化性能力的同时，不牺牲整体网络的判别能力，从而使网络兼具两方面的优势。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
