-
公开(公告)号：CN116310478A
公开(公告)日：2023-06-23
申请号：CN202211502674.2
申请日：2022-11-28
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明提供一种基于约束参数路径的连续学习的图像分类方法，通过构造基于参数路径的图像分类模型；在训练时学习新旧图像分类任务间的参数偏移，通过使用球面优化方法预先求解出一个低遗忘方向；学习新图像分类任务时通过方向约束下降优化器，使当前路径与低遗忘方向一致；最终通过后处理策略Recall沿着路径进行回溯最终确定新任务的图像分类模型的参数。本发明利用球面优化的方式求得之前图像分类任务的低遗忘方向，并约束任务间的路径与该方向一致，同时使用学习得到的系数对路径进行放缩以取得新旧任务的平衡。本发明的图像分类模型在学习参数时具有低遗忘、平衡的稳定性与可塑性等特点。
-
公开(公告)号：CN116306886A
公开(公告)日：2023-06-23
申请号：CN202310249533.2
申请日：2023-03-15
Applicant: 电子科技大学
IPC: G06N3/082 , G06N3/0464 , G06V20/62 , G06V10/82
Abstract: 本发明提供一种用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法，使用结构化剪枝方法，将不重要的卷积核整个剔除，可以在任意设备上实现参数压缩和计算加速。为保证目标检测的准确性，通过设计一个通道注意力打分模块来评估网络中各个卷积通道的重要性，在训练中仅保留重要性打分高于既定阈值的通道参与计算。由于打分模块的输出特征谱中抑制了即将被裁剪通道所对应的输出特征的幅值，即训练过程中冗余参数已经被剪去，则仅被保留的参数会参与下一层网络的计算，减轻计算量。本发明避免了手工设计评价指标；通道注意力打分模块具有即插即用的特性，适应性强；训练过程中非重要参数已经被抑制，极大地减少了细调剪枝网络所需时间。
-
公开(公告)号：CN116091816A
公开(公告)日：2023-05-09
申请号：CN202211509635.5
申请日：2022-11-29
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/09
Abstract: 本发明所要解决的技术问题是，一种持续自监督学习的图像分类方法，利用增广稳定性挑选各数据流中类别分布边界和中心的样本作为重演样本，以最大程度地减轻过拟合效应和灾难性遗忘；其次，提出对比连续性使网络尽可能多地捕捉数据流之间共享的信息以防止灾难性遗忘，同时尽可能多地剔除冗余信息以提升网络可塑性，增强其持续学习的能力。相比于随机采样的方式，该方法能够最大程度地减轻过拟合效应和灾难性遗忘；其次，在于利用对比连续性使网络尽可能多地保留与过去数据流之间共享的信息以防止灾难性遗忘，同时剔除在过去数据流中编码的冗余信息来提升网络可塑性，增强其持续学习的能力，提高图像分类性能。
-
公开(公告)号：CN110503609B
公开(公告)日：2023-04-28
申请号：CN201910634627.5
申请日：2019-07-15
Applicant: 电子科技大学
IPC: G06T5/00
Abstract: 本发明提供一种基于混合感知模型的图像去雨方法，包括步骤：1)将待处理图像输入到编码网络中，输出特征谱；2)再将特征谱分别输入到用于局部信息感知的解码网络和用于输出非局部信息感知的解码网络中；3)用于局部信息感知的解码网络输出雨滴掩膜图像；用于非局部信息感知的解码网络输出上下文关系谱；4)将上下文关系谱和待处理图像拼接在一起输入至修复网络中，修复网络输出修复图像；5)将待处理图像和修复图像加权组合得到最终去雨图像。本发明引入了非局部信息感知网络，它可以通过训练自动学习全局信息，帮助修复网络恢复出更清晰的图像；引入了局部信息感知网络，有效避免无雨区域的过增强现象，让修复网络只关注雨滴遮挡区域。
-
公开(公告)号：CN115482432A
公开(公告)日：2022-12-16
申请号：CN202211120038.3
申请日：2022-09-14
Applicant: 电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于扩展锚点理论的小样本目标检测方法，包括伪标签初始化步骤、伪标签细化步骤以及目标检测模型微调步骤。从基类图像中挖掘潜在的新类目标，并修正挖掘出来的新类目标的伪标签。基于候选框间的位置关系以及语义关系，将与实例相关的标签噪声转移矩阵分解为若干与实例无关的标签噪声转移矩阵，并利用锚点理论对标签噪声转移矩阵进行估计，得到候选框属于某一类的真实概率。相比于标准的伪标签生成方式，该方法有效提升了伪标签的质量，并极大提高了目标检测模型在小样本新类上的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN115481277A
公开(公告)日：2022-12-16
申请号：CN202211167934.5
申请日：2022-09-23
Applicant: 电子科技大学
IPC: G06F16/583 , G06F16/532 , G06F16/9032 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 该发明公开了一种基于对比学习与多模态对齐的视觉问答方法，属于视觉问答领域，该方法在分布不平衡的视觉问答数据集下实现鲁棒的视觉问答。现有的基于数据增强的鲁棒视觉问答方法往往基于反事实样本增强，并把反事实样本作为数据增广添加入训练中，但并未在特征和预测层次中构建区分反事实样本的过程，未深入挖掘样本之间的关系。本发明提出了基于对比学习与多模态对齐的视觉问答方法来解决视觉问答中的语言偏见问题，通过在特征和预测层面进行对比学习来降低模型的复杂度，提高视觉问答模型的泛化能力，从而实现在语言偏见场景下鲁棒的视觉问答。
-
公开(公告)号：CN114511573A
公开(公告)日：2022-05-17
申请号：CN202111637774.1
申请日：2021-12-29
Applicant: 电子科技大学
Abstract: 本发明的目的在于提供一种基于多层级边缘预测的人体解析模型及方法，属于计算机视觉中的语义分割技术领域。该模型通过人体多层级部件预测模块利用了人体结构化信息，提高了人体易混淆部件的判别能力，通过人体多层级边缘预测模块同时利用了人体结构化信息和边缘信息，提高了人体部件边缘像素的分类能力，通过多层级信息双向注意力交互模块和自适应门融合解析模块，进一步提高了人体解析的部件准确性，具有部件边缘分割清晰和部件类别解析准确等特点。相比现有人体解析方法，本发明所述模型在参数量大致相同的情况下更具性能优势。
-
公开(公告)号：CN113393377B
公开(公告)日：2022-02-01
申请号：CN202110541900.7
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于视频编码的单帧图像超分辨率方法，利用视频编码中可以直接得到的先验信息，对图像的不同部分子块进行针对性的处理，利用复杂的网络处理纹理更复杂的子块，同时设计一个自适应卷积模块对不同编码模式的子块进行针对处理，使网络更有针对性，针对不同的纹理恢复出不同的细节信息，从而提高超分辨率结果的精度。本发明将少通道的网络的参数共享到深通道的网络中，即达到用一个主干网络的不同层数实现一整张图片的超分辨率过程，使用相对简单，浅层，少通道的网络处理相对大的、纹理更为平滑的子块，减少超分辨过程所需要的时间。
-
公开(公告)号：CN113423005A
公开(公告)日：2021-09-21
申请号：CN202110541902.6
申请日：2021-05-18
Applicant: 电子科技大学
IPC: H04N21/439 , H04N21/44 , H04N21/81 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种运动驱动的智能音乐生成方法及系统，包括：构建数据集、视频帧图像初始特征提取、视频帧特征的时序关联、生成音频原始数据、网络训练与测试。本发明利用计算机快捷性、经济性的特点，设计了一种深度神经网络结构并对其进行训练，实现了对运动视频进行智能化处理并生成原始音频数据，进而合成配乐，解决了目前配乐制作难度大、时间与经济成本高的问题，同时建立了运动驱动的智能音乐生成功能系统，能够准确的对输入视频数据进行特征提取，生成质量较高的音乐并且实现音乐与运动场景相匹配，生成音乐的主观评分MOS>3.5，实现对体育运动等题材的视频进行快速、批量化配乐生成，使音乐制作的时间成本与经济成本减少一倍以上。
-
公开(公告)号：CN113392980A
公开(公告)日：2021-09-14
申请号：CN202110540676.X
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明涉及图像处理技术领域，涉及一种任务相关性驱动的增量学习方法，包括：一、模型在任务1的训练集上学习一定周期后，对其进行修剪；修剪后对模型进行一定周期的微调，得到模型1；二、计算任务2与任务1之间的相关性；三、初始化步骤一中修剪掉的参数并使用任务2的训练数据来学习这些参数；学习完成后，修剪固定比例的参数并使用任务2的训练数据在剩余属于任务2的参数上进行微调，得到模型2；四、后续任务学习时，先计算该任务与先头所有任务的相关性，然后采用与步骤三相同的方法进行学习。本发明不仅可以通过记忆模板有效的避免灾难性遗忘，还可以利用任务间的相关性辅助当前任务的学习，提升模型在当前任务上的性能。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.03 seconds)
