一种目标检测模型对抗训练方法、目标检测方法及系统

    公开(公告)号:CN116580265B

    公开(公告)日:2025-04-22

    申请号:CN202310604430.3

    申请日:2023-05-26

    Abstract: 本发明提供一种目标检测模型对抗训练方法,所述方法包括:S1、获取目标图像数据集和初始对抗图案,所述目标图像数据集包括多个图像样本,且每个图像样本中设置有目标边界框标注;S2、对初始对抗图案进行分形变换以获得目标对抗图案;S3、将步骤S2得到的目标对抗图案注入所述目标图像数据集中每一图像样本的目标边界框内得到对抗训练集,并采用对抗训练集训练目标检测模型至收敛。本发明引入了引入分形变换损失对对抗图案进行迭代更新,使得生成的对抗图案具有一定的自相似性,采用具有自相似性的对抗图案对目标检测模型进行对抗训练,能够提升目标检测模型的鲁棒性,使得模型具有较强的对抗能力。

    基于列存数据的流式数据处理方法及系统

    公开(公告)号:CN114185884B

    公开(公告)日:2025-04-04

    申请号:CN202111306456.7

    申请日:2021-11-05

    Abstract: 本发明提出一种基于列存数据的流式数据处理方法及系统,包括:获取待处理的流式数据及其对应的处理任务,基于时间维度将该流式数据切分为批式数据块,该批式数据块中每条数据均包含各自所属窗口的时间戳;根据该时间戳的时间类型,压缩该时间戳,根据压缩结果为该批式数据块中每条数据分配窗口序号,将该批式数据块切分为多个中间数据块,每个中间数据块仅包含窗口序号相同的数据,根据处理任务对每个中间数据块的数据进行预聚合计算,产生预聚合中间状态;根据预设的流式数据时间处理模式,从内部存储提取相应窗口序号的预聚合中间状态并执行与其对应的处理任务,输出各窗口序号的任务处理结果,作为流式数据处理结果。

    一种图像分类模型的训练方法、图像分类方法

    公开(公告)号:CN117333738A

    公开(公告)日:2024-01-02

    申请号:CN202311308831.0

    申请日:2023-10-10

    Abstract: 本发明实施例提供了一种图像分类模型训练方法,该方法包括:S1、获取包括多个图像样本的原始图像数据集及其对应的特征矩阵;S2、对原始图像数据集对应的特征矩阵进行降维处理,并将降维处理后的特征矩阵进行高斯建模以获得特征矩阵中每个特征值的高斯分布;S3、基于步骤S2中每个特征值的高斯分布对其依次进行高斯采样,以使高斯采样所得的所有特征值构成新的特征矩阵,并基于新的特征矩阵生成新的图像数据集;S4、采用新的图像数据集和原始图像数据集构成增强图像训练集训练图像分类模型至收敛。该方法提高了图像分类模型在少样本情况下的性能。

    基于列存数据的流式数据处理方法及系统

    公开(公告)号:CN114185884A

    公开(公告)日:2022-03-15

    申请号:CN202111306456.7

    申请日:2021-11-05

    Abstract: 本发明提出一种基于列存数据的流式数据处理方法及系统,包括:获取待处理的流式数据及其对应的处理任务,基于时间维度将该流式数据切分为批式数据块,该批式数据块中每条数据均包含各自所属窗口的时间戳;根据该时间戳的时间类型,压缩该时间戳,根据压缩结果为该批式数据块中每条数据分配窗口序号,将该批式数据块切分为多个中间数据块,每个中间数据块仅包含窗口序号相同的数据,根据处理任务对每个中间数据块的数据进行预聚合计算,产生预聚合中间状态;根据预设的流式数据时间处理模式,从内部存储提取相应窗口序号的预聚合中间状态并执行与其对应的处理任务,输出各窗口序号的任务处理结果,作为流式数据处理结果。

    一种基于列存数据库的流式数据处理方法及系统

    公开(公告)号:CN114185885A

    公开(公告)日:2022-03-15

    申请号:CN202111307991.4

    申请日:2021-11-05

    Abstract: 本发明提出一种基于列存数据的流式数据处理方法和系统,包括:获取待处理的列存流式数据及其对应的处理任务,基于时间维度将该流式数据切分为批式数据块,根据预设窗口模式为该批式数据块中每条数据分配窗口序号;将该批式数据块切分为多个中间数据块,每个中间数据块仅包含窗口序号相同的数据,对每个中间数据块的数据进行预聚合计算,产生预聚合中间状态;根据预设的流式数据时间处理模式,从内部存储提取窗口对应窗口序号的预聚合中间状态并执行与其对应的处理任务,输出任务执行结果,作为流式数据处理结果。本发明通过使用列存存储及计算引擎,结合预聚合技术,在保持较低延迟的前提下,提升数据分析场景的吞吐量。

    一种图像分类模型的训练方法、图像分类方法

    公开(公告)号:CN117333738B

    公开(公告)日:2025-04-22

    申请号:CN202311308831.0

    申请日:2023-10-10

    Abstract: 本发明实施例提供了一种图像分类模型训练方法,该方法包括:S1、获取包括多个图像样本的原始图像数据集及其对应的特征矩阵;S2、对原始图像数据集对应的特征矩阵进行降维处理,并将降维处理后的特征矩阵进行高斯建模以获得特征矩阵中每个特征值的高斯分布;S3、基于步骤S2中每个特征值的高斯分布对其依次进行高斯采样,以使高斯采样所得的所有特征值构成新的特征矩阵,并基于新的特征矩阵生成新的图像数据集;S4、采用新的图像数据集和原始图像数据集构成增强图像训练集训练图像分类模型至收敛。该方法提高了图像分类模型在少样本情况下的性能。

    一种目标检测模型对抗训练方法、目标检测方法及系统

    公开(公告)号:CN116580265A

    公开(公告)日:2023-08-11

    申请号:CN202310604430.3

    申请日:2023-05-26

    Abstract: 本发明提供一种目标检测模型对抗训练方法,所述方法包括:S1、获取目标图像数据集和初始对抗图案,所述目标图像数据集包括多个图像样本,且每个图像样本中设置有目标边界框标注;S2、对初始对抗图案进行分形变换以获得目标对抗图案;S3、将步骤S2得到的目标对抗图案注入所述目标图像数据集中每一图像样本的目标边界框内得到对抗训练集,并采用对抗训练集训练目标检测模型至收敛。本发明引入了引入分形变换损失对对抗图案进行迭代更新,使得生成的对抗图案具有一定的自相似性,采用具有自相似性的对抗图案对目标检测模型进行对抗训练,能够提升目标检测模型的鲁棒性,使得模型具有较强的对抗能力。

Patent Agency Ranking