-
公开(公告)号：CN115908823A
公开(公告)日：2023-04-04
申请号：CN202310219333.2
申请日：2023-03-09
申请人： 南京航空航天大学
IPC分类号： G06V10/26 , G06V10/764 , G06V10/774 , G06V10/778
摘要： 本发明公开了一种基于难度蒸馏的语义分割方法，定义了一对先易后难的蒸馏课程——用于前期学习阶段的方差引导蒸馏和用于后期学习阶段的预期难度蒸馏。对输入的一张图像样本，学习前期利用教师模型的主分类器和辅助分类器输出的分割结果，得到像素级的预期不确定性图，然后通过方差矫正生成方差引导掩码图作为学生模型早期阶段的指导，让学生模型倾向于学习简单的像素，有利于快速收敛；学习后期则使用教师模型和学生模型共同计算出的异或难度图，让学生模型学习有价值的难像素，以提升模型的性能上限。学生模型通过引入蒸馏课程的难度知识用于自身训练，输出语义分割结果；本发明从学习难度的角度重新定义了知识，易于与现有的蒸馏方法集成。
-
公开(公告)号：CN115861738A
公开(公告)日：2023-03-28
申请号：CN202310074401.0
申请日：2023-02-07
申请人： 南京航空航天大学
IPC分类号： G06V10/774 , G06V10/82 , G06V10/84 , G06V10/778
摘要： 本发明公开了一种类别语义信息引导的遥感目标检测主动采样方法。包括：一、构建用于遥感目标检测的网络模型，并进行数据初始化；二、对已标注集进行训练；三、目标检测模型输出对未标注集的预测结果；四、计算未标注集中模型预测对象的信息量；五、利用已标注集中类别分布先验来调整主动学习采样阶段的类别分布；六、对挑选出来的数据进行人工标注并且合并到已标注集；七、使用新的已标注集对模型进行重新训练。八、验证模型在测试集上的性能。本发明将基于对象的主动学习方法应用在遥感目标检测算法上，主动选择信息量最高的模型预测框来进行标注。而基于对象的主动学习方法标注图像中最具信息量的预测框，可以减少冗余样本造成的负面影响。
-
公开(公告)号：CN114357221A
公开(公告)日：2022-04-15
申请号：CN202210250277.4
申请日：2022-03-15
申请人： 南京航空航天大学
IPC分类号： G06F16/55 , G06F16/53 , G06V10/764 , G06V10/74 , G06V10/774 , G06K9/62
摘要： 本发明公开了一种基于图像分类的自监督主动学习方法，其包括步骤：获取图像数据集；设置迭代次数以及阈值；自监督网络对数据进行预训练处理，得到特征映射；每轮迭代都根据特征映射中样本到已知类别簇中心的距离对候选未标注样本进行评估；向人工专家查询合适的样本；人工专家对请求查询的样本标注后加入已标注池，更新评估函数与簇中心；样本输入分类器训练优化模型，记录准确率，直到模型达到预期的性能或者查询样本超过设定的上限停止迭代。本发明充分利用自监督网络学习到样本的特征映射来构建主动学习指标，指导主动学习策略进行样本挑选，从而节约标注代价。
-
公开(公告)号：CN114169470A
公开(公告)日：2022-03-11
申请号：CN202210135384.2
申请日：2022-02-15
申请人： 南京航空航天大学
摘要： 本发明公开了一种基于目标模型和样本双重采样的人工智能学习方法。该方法一方面为每个验证集样本设计重要性权重，缓解了由于主动采样引起的有标注样本集分布与真实数据集分布存在差异的问题；另一方面在主动学习循环中，挑选候选模型高置信度的样本，帮助快速过滤不适用于当前任务的模型，并在挑选指标中加入最优模型预测的熵，帮助模型收敛。本发明在主动学习过程中，同时考虑了查询指标和模型选择，缓解了目标模型先验在实际任务种难以获得导致的性能下降问题，大大增强了主动学习技术的在应用中的实用性。
-
公开(公告)号：CN114120048A
公开(公告)日：2022-03-01
申请号：CN202210093198.7
申请日：2022-01-26
申请人： 中兴通讯股份有限公司 , 南京航空航天大学
IPC分类号： G06V10/764 , G06V10/774 , G06K9/62
摘要： 本公开提供一种图像处理方法，包括：确定未标注图像集合中每张图像的特征表示性能参数和信息量参数；根据所述未标注图像集合中每张图像的特征表示性能参数和信息量参数从所述未标注图像集合中选取符合图像有效性需求的目标图像，对所述目标图像进行标注。能够兼顾图像在特征学习中的性能表现以及图像对于下游任务的信息量表现，自动地选取出高效的图像进行标注，降低标注代价且有助于提升图像分类模型的性能。本公开还提供一种电子设备及计算机存储介质。
-
公开(公告)号：CN113642610A
公开(公告)日：2021-11-12
申请号：CN202110801168.2
申请日：2021-07-15
申请人： 南京航空航天大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种分布式异步主动标注方法，在具有多个server节点和worker节点的分布式场景下，server节点负责训练并更新预测模型，worker节点选择待查询节点，交由标注者进行标注；模型更新时，每个server独立训练预测模型；每个worker从自身维护的未标注数据池中主动选择，在多个worker间采用多样化的采样策略；通过该框架，信息可以经过两个共享的数据池在server节点、worker节点和标注者之间高效地进行通信，使三者可以异步地进行工作；一方面，该方法避免了主动学习中模型训练、实例选择和标签查询三个步骤之间的同步，从而避免了标注者的等待，提高了标记效率；另一方面，在Multi‑Server的更新模式下，增加模型更新的频率，在worker之间引入多种采样策略，可以保持主动学习样本选择的有效性。
-
公开(公告)号：CN113255849B
公开(公告)日：2021-10-01
申请号：CN202110792414.2
申请日：2021-07-14
申请人： 南京航空航天大学
摘要： 本发明公开了一种基于双重主动查询的标签带噪图像学习方法，其包括步骤：搭建深度卷积神经网络分类器及噪声转移矩阵，在带噪数据集上预训练分类器及噪声转移矩阵；挑选图像集，获取挑选图像集的真实标签；使用挑选的图像集及真实标签更新噪声转移矩阵；初始化基于噪声转移矩阵的分类器；构建真实标签上的损失函数和噪声标签上的损失函数；基于随机梯度下降最小化真实标签损失及噪声标签损失，更新分类器参数；重复迭代过程至最大迭代次数K，完成深度卷积神经网络分类器g的训练。本发明使用噪声转移矩阵建立噪声模型，并引入真实标签估计噪声转移矩阵及改善分类器；通过设计双重主动查询方法，在节省标注成本的同时最大化提高分类器学习准确率。
-
公开(公告)号：CN113255849A
公开(公告)日：2021-08-13
申请号：CN202110792414.2
申请日：2021-07-14
申请人： 南京航空航天大学
摘要： 本发明公开了一种基于双重主动查询的标签带噪图像学习方法，其包括步骤：搭建深度卷积神经网络分类器及噪声转移矩阵，在带噪数据集上预训练分类器及噪声转移矩阵；挑选图像集，获取挑选图像集的真实标签；使用挑选的图像集及真实标签更新噪声转移矩阵；初始化基于噪声转移矩阵的分类器；构建真实标签上的损失函数和噪声标签上的损失函数；基于随机梯度下降最小化真实标签损失及噪声标签损失，更新分类器参数；重复迭代过程至最大迭代次数K，完成深度卷积神经网络分类器g的训练。本发明使用噪声转移矩阵建立噪声模型，并引入真实标签估计噪声转移矩阵及改善分类器；通过设计双重主动查询方法，在节省标注成本的同时最大化提高分类器学习准确率。
-
公开(公告)号：CN117496191A
公开(公告)日：2024-02-02
申请号：CN202410004710.5
申请日：2024-01-03
申请人： 南京航空航天大学
IPC分类号： G06V10/72 , G06V10/98 , G06V10/774 , G06V10/776 , G06V10/26 , G06V10/25 , G06V20/70
摘要： 本发明公开了一种基于模型协作的数据加权学习方法，定义了一种面向图像数据的样本重加权方法。对输入的一张图像样本，利用预训练好的辅助模型集合和待训练的目标模型，利用各自得到的预测结果与真实标签计算辅助权重及目标权重，然后通过一定比例融合得到最终的样本权重。使用上述策略计算样本的加权损失，目标模型通过最小化加权损失来更新参数，让目标模型侧重于学习有价值的样本。通过本发明可以在大幅减少筛选低质量数据的人工成本，提高效率。同时本发明适用于多种计算机视觉任务，如图像分割、图像分类、目标检测等，能够为数据有效性评估方案建立一种新的标准通用框架。
-
公开(公告)号：CN117455795A
公开(公告)日：2024-01-26
申请号：CN202311409429.1
申请日：2023-10-27
申请人： 南京航空航天大学
摘要： 本发明公开了一种基于强化学习的多模态图像去噪方法，首先准备不同模态的图像构建强化学习系统的训练数据集和测试数据集；然后对数据集进行预处理，加入不同的噪声；设计动作集合，构建动作空间，初始化强化学习系统中的策略网络和价值网络；然后针对不同噪声进行训练，基于设置的相似度奖励更新策略网络和价值网络；完成训练后输出去噪后的图像结果；本发明将任务视为一个马尔可夫决策过程，图像中的每个像素作为代理，学习一个最优的策略使所有像素点的总奖励最大化，获得最优的结果；此外，本发明设计了一个能够处理多种噪声的动作集合来构建动作空间，对彩色可见光图像、红外图像和太赫兹图像均实现了有效去噪，实现了多模态图像去噪。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.026 秒)
