-
公开(公告)号：CN116229080A
公开(公告)日：2023-06-06
申请号：CN202310507088.5
申请日：2023-05-08
Applicant: 中国科学技术大学
IPC: G06V10/26 , G06V10/82 , G06N3/0895 , G06N3/045
Abstract: 本发明公开了一种半监督域适应图像语义分割方法、系统、设备及存储介质，它们是一一对应的方案，方案中：构建了跨域联合训练框架，通过使用源域标注图像数据和目标域标注图像数据分别对一个图像语义分割网络进行初始化与监督训练，使得两个监督训练后的图像语义分割网络具有互补性，并通过联合训练的交叉伪标签监督实现互补学习，同时，还将偏源域的第一图像语义分割网络向偏目标域的第二图像语义分割网络对齐，提高图像语义分割网络的目标域性能，从而提升在目标域图像中的语义分割质量。
-
公开(公告)号：CN114782694B
公开(公告)日：2022-09-30
申请号：CN202210706273.2
申请日：2022-06-21
Applicant: 中国科学技术大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00 , G06T7/11
Abstract: 本发明公开了一种无监督异常检测方法、系统、设备及存储介质，使用多个学生网络共同参与预测，避免使用单个学生网络时的随机化的影响，具有更好的模型鲁棒性；使用特征金字塔结构，使用了多尺度特征，可以应对多尺度下的异常情况；使用语义分割网络进一步辅助改进预测结果，利用语义分割网络对异常区域轮廓的优秀识别能力辅助修正上一步的结果，使得整体方法取得了最佳效果。实验证明，本发明获得了最高的准确率，可以更好地应用于异常检测任务中。
-
公开(公告)号：CN115082762A
公开(公告)日：2022-09-20
申请号：CN202210856674.6
申请日：2022-07-21
Applicant: 合肥中科类脑智能技术有限公司 , 中国科学技术大学
IPC: G06V10/82 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/766 , G06V10/771 , G06V10/778
Abstract: 本发明基于区域建议网络中心对齐的目标检测无监督域适应系统，涉及图像目标检测领域，本发明在使用领域特征对抗学习方法和自适应实例标准化方法对骨干网络特征进行对齐的基础上，提出区域建议网络中心对齐系统，进一步对齐区域建议特征，解决目标检测无监督域适应中模型的检测精度和泛化能力差的问题，使区域建议网络在目标域中依然能给出高质量的候选框，从而提高整体检测网络的域适应能力。
-
公开(公告)号：CN114998602A
公开(公告)日：2022-09-02
申请号：CN202210942337.9
申请日：2022-08-08
Applicant: 中国科学技术大学
IPC: G06V10/40 , G06N3/04 , G06V10/24 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于低置信度样本对比损失的域适应学习方法及系统，使用对比学习的方法，在原有的利用目标域高置信度样本的域适应方法上，充分利用目标域低置信样本，防止图像分类模型因偏向目标域中与源域相近的样本而导致的次优的领域迁移效果；而且，在对比学习中，对原始的图像特征进行重新表示，更好地编码了任务特有的语义信息；此外，对低置信样本使用了跨域混合，并使低置信样本在其中占主导，减小了领域差异，使图像分类模型更好的学习领域不变特征。总的来说，本发明利用了低置信样本，提升了无监督域适应和半监督域适应图像分类的准确率。
-
公开(公告)号：CN114782694A
公开(公告)日：2022-07-22
申请号：CN202210706273.2
申请日：2022-06-21
Applicant: 中国科学技术大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00 , G06T7/11
Abstract: 本发明公开了一种无监督异常检测方法、系统、设备及存储介质，使用多个学生网络共同参与预测，避免使用单个学生网络时的随机化的影响，具有更好的模型鲁棒性；使用特征金字塔结构，使用了多尺度特征，可以应对多尺度下的异常情况；使用语义分割网络进一步辅助改进预测结果，利用语义分割网络对异常区域轮廓的优秀识别能力辅助修正上一步的结果，使得整体方法取得了最佳效果。实验证明，本发明获得了最高的准确率，可以更好地应用于异常检测任务中。
-
Patent Agency Ranking
公开(公告)号：CN114494789B
公开(公告)日：2022-07-15
申请号：CN202210340249.1
申请日：2022-04-02
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/26 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种图像风格迁移模型的训练方法、系统、设备及存储介质，设计了三部分损失对图像风格迁移模型进行训练：1）通过总的对抗损失可以达到生成器和判别器的最优平衡；2）通过总的循环一致性损失可以保证生成器的重建效果；3）通过对比损失可以提升生成器的输出图像的逼真程度。综合以上三部分损失对图像风格迁移模型进行训练，能够提升图像风格迁移的能力，获得更好的风格迁移后的图像。
-
公开(公告)号：CN110210363A
公开(公告)日：2019-09-06
申请号：CN201910444082.1
申请日：2019-05-27
Applicant: 中国科学技术大学
Abstract: 本发明涉及一种基于车载图像的目标车辆压线检测方法，基于图像实例分割方法获得车辆在图像中的位置，结果以车辆检测分割图表示，基于车道线检测方法获得车道线区域在图像中的位置，结果以车道线分割图或车道线曲线表示；针对单个目标车辆，生成感兴趣区域ROI；ROI中进行车辆前后轮位置估计，得到车辆前后轮分别与地面接触的两条线段；同时，如果车道线检测结果以分割图表示，则对车道线进行曲线拟合，得到每条车道线的拟合曲线；依据估计的车辆前后轮位置和车道线曲线，进行目标车辆压线判别，最终判断车辆压线与否。本发明提升了车辆压线检测准确率，且具有较低的处理复杂度。
-
公开(公告)号：CN108921298A
公开(公告)日：2018-11-30
申请号：CN201810606662.1
申请日：2018-06-12
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种强化学习多智能体沟通与决策方法，包括：根据各个智能体的观测状态信息通过神经网络提取相应的状态特征；将所有智能体的状态特征作为沟通信息输入至VLAD层中进行软分配与聚类，得到聚类后的沟通信息；将聚类后的沟通信息分发给各个智能体，由各个智能体将自身的状态特征与接收到的聚类后的沟通信息进行聚合，并通过智能体内部的全连接神经网络进行动作决策。该方法可以对各智能体的状态信息进行聚类并与其他智能体进行沟通，进而提高智能体的决策水平。
-
公开(公告)号：CN108898221A
公开(公告)日：2018-11-27
申请号：CN201810601576.1
申请日：2018-06-12
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种状态特征和后继特征的联合策略学习方法，包括：通过学习从输入状态到即时奖励的映射，获得表征输入状态的状态特征；通过学习从状态特征到价值评估函数的映射，获得后继特征；获得的状态特征与后继特征处于不同的时间分辨率上，将状态特征与后继特征融合后，再采用多种多样方式的策略学习网络对融合结果进行学习。与传统的Agent网络相比，本发明更高效的利用了样本信息，与其他算法相比，学习速度明显加快，网络也能更快的收敛且获得较好的学习效果。
-
公开(公告)号：CN104539744B
公开(公告)日：2018-08-24
申请号：CN201510039231.8
申请日：2015-01-26
Applicant: 中国科学技术大学
IPC: H04L29/08 , H04L29/06 , H04L12/863
Abstract: 本发明公开了一种两阶段协作的媒体边缘云调度方法及装置，属于多媒体网络通信领域。该方法和装置，根据用户访问模式不同的变化幅度，灵活地采用在线服务迁移方法或动态内容部署方法来进行资源调度；同时，在动态内容部署过程中，还利用在线服务迁移方法来处理因影片部署调整而受影响的服务流。因此，该方法及装置通过在线服务迁移方法和动态内容部署方法的相互协作，一是能在用户访问模式随时间变化的过程中，实现调度过程从迁移阶段到部署阶段的平滑过渡，而以合理的代价保证媒体边缘云的高请求接受率，二是能实现调度过程对用户服务的完全透明性，三是能有效地避免用户访问模式发生抖动对请求接受率的影响。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.039 seconds)
