公开(公告)号：CN114118207B

公开(公告)日：2022-10-21

申请号：CN202111221230.7

申请日：2021-10-20

申请人： 清华大学 ,  中国科学院大学

发明人： 季向阳 ,  叶齐祥 ,  张云霄 ,  杨博宇 ,  刘冰昊 ,  焦建彬

IPC分类号： G06V10/764 ,  G06V10/84 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于网络扩张与记忆召回机制的增量学习的图像识别方法。其采用网络扩张模块提高卷积神经网络的特征表达能力，再通过召回机制实现旧类与新类分布之间的抗混叠系统地缓解对旧类的灾难性遗忘和对新类的过度适应，能够实现最小化模型过度拟合和类混淆，以实现以少量样本完成可驱动的持续训练，从而得到增量分类神经网络，实现图片的分类。

公开(公告)号：CN114821036A

公开(公告)日：2022-07-29

申请号：CN202210391460.6

申请日：2022-04-14

申请人： 中国科学院大学

发明人： 张云霄 ,  叶齐祥 ,  郭宗昊

IPC分类号： G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于渐进式候选框高亮的检测方法，将图像输入检测器中，通过检测器识别图像中目标，获得目标在图像中位置，通过以下步骤进行：通过Conformer网络提取图像的候选框嵌入向量与特征向量；根据候选框嵌入向量获得目标候选框；通过区域特征聚集对目标候选框内的特征向量进行提取，获得局部特征向量；将候选框嵌入向量与局部特征向量融合，获得新的候选框嵌入向量；以新的候选框嵌入向量替代原有的候选框嵌入向量，依次重复上述步骤，经过多次重复，获得图像中目标所在位置。本发明公开的方法增强了目标特征，显著提高了检测和定位的准确性。

公开(公告)号：CN114118207A

公开(公告)日：2022-03-01

申请号：CN202111221230.7

申请日：2021-10-20

申请人： 清华大学 ,  中国科学院大学

发明人： 季向阳 ,  叶齐祥 ,  张云霄 ,  杨博宇 ,  刘冰昊 ,  焦建彬

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/84 ,  G06V10/774

摘要： 本发明提供了一种基于网络扩张与记忆召回机制的增量学习的图像识别方法。其采用网络扩张模块提高卷积神经网络的特征表达能力，再通过召回机制实现旧类与新类分布之间的抗混叠系统地缓解对旧类的灾难性遗忘和对新类的过度适应，能够实现最小化模型过度拟合和类混淆，以实现以少量样本完成可驱动的持续训练，从而得到增量分类神经网络，实现图片的分类。