基于歧义指导互标签更新的鲁棒知识蒸馏方法

    公开(公告)号:CN114330580B

    公开(公告)日:2025-05-06

    申请号:CN202111676330.9

    申请日:2021-12-31

    Abstract: 本发明公开了基于歧义指导互标签更新的鲁棒知识蒸馏方法,包括:A、构建训练数据集;B、构建教师网络和学生网络;C、通过鲁棒学习方法对教师网络进行训练;D、对数据集中的每个样本进行歧义感知权重估计和权重分配;E、根据小损失标准对数据集中的样本进行标签重新标注,结合教师网络特征的标签传播算法更新标签,再计算损失和更新网络参数;F、在学生网络和教师网络之间进行互标签传播算法,并更新样本标签、计算损失和更新网络参数;G、将测试图像数据导入学生网络,由其得到预测结果且用于图像分类;本方案可以有效地提升知识蒸馏对噪声标签的鲁棒性,从而可以在噪声标签的环境下获取一个高性能的轻量级网络,其更能适用于实际情况。

    基于歧义指导互标签更新的鲁棒知识蒸馏方法

    公开(公告)号:CN114330580A

    公开(公告)日:2022-04-12

    申请号:CN202111676330.9

    申请日:2021-12-31

    Abstract: 本发明公开了基于歧义指导互标签更新的鲁棒知识蒸馏方法,包括:A、构建训练数据集;B、构建教师网络和学生网络;C、通过鲁棒学习方法对教师网络进行训练;D、对数据集中的每个样本进行歧义感知权重估计和权重分配;E、根据小损失标准对数据集中的样本进行标签重新标注,结合教师网络特征的标签传播算法更新标签,再计算损失和更新网络参数;F、在学生网络和教师网络之间进行互标签传播算法,并更新样本标签、计算损失和更新网络参数;G、将测试图像数据导入学生网络,由其得到预测结果且用于图像分类;本方案可以有效地提升知识蒸馏对噪声标签的鲁棒性,从而可以在噪声标签的环境下获取一个高性能的轻量级网络,其更能适用于实际情况。

    基于联合和交替学习框架的跨域新类人脸表情识别方法

    公开(公告)号:CN114333027B

    公开(公告)日:2024-05-14

    申请号:CN202111671593.0

    申请日:2021-12-31

    Abstract: 本发明公开了基于联合和交替学习框架的跨域新类人脸表情识别方法,包括:A、建立基本类表情数据集和复合类表情数据集;B、构建用于表情数据识别的情感‑相似度网络;C、对步骤B中的情感分支进行训练全部基本类表情数据的分类模型;D、对步骤B中的相似度分支进行学习表情数据可迁移的特征和度量;E、构建二阶段的联合和交替学习学习框架进行训练情感‑相似度网络,以提高模型对新类表情的泛化能力;F、在复合类表情数据集上采样N个类,使每类包含K个有标签样本作为支持集,每类Q个样本作为查询集,然后基于经训练的相似度分支对查询集进行新类表情分类准确率的计算;本方案是一种灵活且贴近实际需求的解决新类人脸表情识别问题的方案。

    基于二阶段教师-学生框架的肺结节检测装置及构建方法

    公开(公告)号:CN117011617A

    公开(公告)日:2023-11-07

    申请号:CN202311285221.3

    申请日:2023-10-07

    Abstract: 本发明公开一种基于二阶段教师‑学生框架的肺结节检测装置及构建方法,包括构建训练集,构建教师网络,利用强标注数据集和弱标注数据集,预训练教师‑学生框架中的教师网络,获取一个鲁棒的第一训练好的教师网络;再利用强弱标注数据集及在教师网络中得到的伪标签,构建并训练教师‑学生框架中的学生网络,获得肺结节检测装置本发明在混合监督的设置下,采用二阶段教师‑学生框架,仅利用少量的强标注数据,及一定量的弱标注数据,便可以有效地检测出形态、大小和位置不一的肺结节。相比于传统的完全监督学习方法,本发明能够较大地降低数据标注的成本和负担,并取得良好的检测性能。

    基于三重视图神经网络的多样化社区检测方法

    公开(公告)号:CN114863119A

    公开(公告)日:2022-08-05

    申请号:CN202210424210.8

    申请日:2022-04-22

    Abstract: 本发明属于图数据挖掘领域,公开了一种基于三重视图神经网络模型的多样化社区检测方法,包括一:从输入的属性图中提取特征;二:将输入的序列信息通过编码器转换成一个指定长度的中间语义向量Z,中间语义向量Z蕴含了X中的信息;三:对输出向量Z进行结构紧密属性多样化聚类;四:解码器对Encoder生成的Z作为输入,解码出目标序列,从而得到Decoder输出序列,用异构损失、聚类损失、以及X与之间的重构信息损失共同构造损失函数,通过对损失函数最小化的方法对模型进行训练求解。本发明通过对属性图上的结构信息、属性信息、异构信息三个视图分别进行构造以及嵌入学习,能有效地挖掘结构紧密、属性多样化的社区结构。

    基于二阶段教师-学生框架的肺结节检测装置及构建方法

    公开(公告)号:CN117011617B

    公开(公告)日:2024-03-22

    申请号:CN202311285221.3

    申请日:2023-10-07

    Abstract: 本发明公开一种基于二阶段教师‑学生框架的肺结节检测装置及构建方法,包括构建训练集,构建教师网络,利用强标注数据集和弱标注数据集,预训练教师‑学生框架中的教师网络,获取一个鲁棒的第一训练好的教师网络;再利用强弱标注数据集及在教师网络中得到的伪标签,构建并训练教师‑学生框架中的学生网络,获得肺结节检测装置本发明在混合监督的设置下,采用二阶段教师‑学生框架,仅利用少量的强标注数据,及一定量的弱标注数据,便可以有效地检测出形态、大小和位置不一的肺结节。相比于传统的完全监督学习方法,本发明能够较大地降低数据标注的成本和负担,并取得良好的检测性能。

    一种多元异步时序数据分类方法和装置

    公开(公告)号:CN115329166A

    公开(公告)日:2022-11-11

    申请号:CN202210851507.2

    申请日:2022-07-19

    Abstract: 本发明公开了一种多元异步时序数据分类方法,提出了一种新颖的时间感知双注意力和记忆增强网络,通过将注意和记忆结合起来,有效地模拟不规则、异步、稀疏采样的多元异步时间序列数据中复杂的相互作用,并设计了随机生成插补模块,构建一个双任务学习体系,实现缺失值插补和分类网络的协同统一。本发明在对异步时序数据缺失值插补和分类的过程中,能够有效挖掘数据隐含的相关性,挖掘有意义的潜在语义,并充分利用序列数据中的辅助信息,从未标记的数据中发现有意义的模式。同时考虑异步时序数据缺失值插补和分类两个任务之间的相互作用,有助于缓解误差传播问题,捕捉相互影响,提高模型的准确性。

    一种基于双层权重网络随机游走的top k非重叠多样化社区发现方法

    公开(公告)号:CN114943019A

    公开(公告)日:2022-08-26

    申请号:CN202210448476.6

    申请日:2022-04-27

    Abstract: 本发明属于图数据挖掘技术领域,公开了一种基于双层权重网络随机游走的top 非重叠多样化社区发现方法,包括如下步骤:步骤一:属性图数据、参数输入;步骤二:构造结构紧密性权重网络;步骤三:构造属性多样化增益权重网络;步骤四:基于双层权重网络的标签传播;步骤五:计算多样化社区度量,排序输出前个结果。本发明通过在原属性图基础上构造紧密度权重网络和属性多样化增益权重网络,实现在社区挖掘的过程中同时使用结构紧密和属性多样化双重约束。本方法在设计辅助网络权重时,通过引入几个超参数,使得算法具有灵活性和泛化性,可以根据实际应用的需要来调节属性约束和结构约束所占的比重。

Patent Agency Ranking