-
公开(公告)号：CN114639021B
公开(公告)日：2024-08-20
申请号：CN202210308818.4
申请日：2022-03-25
申请人： 合肥工业大学
IPC分类号： G06V20/10 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明提供了一种目标检测模型的训练方法及目标划分方法，能够采集无标签的包含预设目标的图片作为目标域数据图片，并进行增强处理得到目标域数据集；将目标域数据集中的图片随机分为训练集、测试集；根据训练集训练教师模型和学生模型，得到第一模型和第二模型；训练过程中采用知识蒸馏和权重正则化策略更新更新第二模型的权重参数，并根据第二模型的权重参数更新第一模型的权重参数；将测试集输入更新权重参数后的第一模型，将满足预设条件的第一模型作为目标检测模型。本发明可以解决数据隐私保护、存储空间受限、人力成本高昂等因素导致的实时情况下大量源域标注样本不可获得的问题，完成无源域数据的域自适应目标检测任务。
-
公开(公告)号：CN113312499B
公开(公告)日：2022-10-04
申请号：CN202110660681.4
申请日：2021-06-15
申请人： 合肥工业大学
IPC分类号： G06F16/36 , G06F16/33 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06Q50/06
摘要： 本发明公开一种基于知识图谱的电力安全预警方法及系统，包括：获取电力设备场景图像数据，并预处理电力设备场景图像数据为标记图像数据；将标记图像数据划分为训练样本和测试样本，检验并剔除标记图像数据中异常的图像数据，以得到数据集；通过基于知识图谱的电力安全预警模型训练样本，以得到训练后基于知识图谱的电力安全预警模型；通过训练后基于知识图谱的电力安全预警模型对所述测试样本进行处理，发送预警信息至危险信息检测设备，判定危险级别并向电力工作人员发出警报。本发明基于知识图谱对场景进行智能分析，不需要采用人工观测电力设备场景，预警效果良好。
-
公开(公告)号：CN114639021A
公开(公告)日：2022-06-17
申请号：CN202210308818.4
申请日：2022-03-25
申请人： 合肥工业大学
IPC分类号： G06V20/10 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种目标检测模型的训练方法及目标划分方法，能够采集无标签的包含预设目标的图片作为目标域数据图片，并进行增强处理得到目标域数据集；将目标域数据集中的图片随机分为训练集、测试集；根据训练集训练教师模型和学生模型，得到第一模型和第二模型；训练过程中采用知识蒸馏和权重正则化策略更新更新第二模型的权重参数，并根据第二模型的权重参数更新第一模型的权重参数；将测试集输入更新权重参数后的第一模型，将满足预设条件的第一模型作为目标检测模型。本发明可以解决数据隐私保护、存储空间受限、人力成本高昂等因素导致的实时情况下大量源域标注样本不可获得的问题，完成无源域数据的域自适应目标检测任务。
-
公开(公告)号：CN114186063B
公开(公告)日：2024-06-21
申请号：CN202111522655.1
申请日：2021-12-14
申请人： 合肥工业大学
IPC分类号： G06F16/35 , G06F40/30 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法，训练方法包括：获取源域和目标域的文本数据，进行预处理得到词向量，并分为训练集和测试集；通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征；在损失函数的约束下，根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛；其中，根据互信息，构建第一神经网络模型的损失函数，并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练；根据测试集中的词向量，得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类，能够将其他领域的知识迁移到目标域来避免标注数据不足的问题，同时提高跨域文本情绪分类的准确性和可信度。
-
公开(公告)号：CN114186063A
公开(公告)日：2022-03-15
申请号：CN202111522655.1
申请日：2021-12-14
申请人： 合肥工业大学
摘要： 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法，训练方法包括：获取源域和目标域的文本数据，进行预处理得到词向量，并分为训练集和测试集；通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征；在损失函数的约束下，根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛；其中，根据互信息，构建第一神经网络模型的损失函数，并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练；根据测试集中的词向量，得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类，能够将其他领域的知识迁移到目标域来避免标注数据不足的问题，同时提高跨域文本情绪分类的准确性和可信度。
-
公开(公告)号：CN113312499A
公开(公告)日：2021-08-27
申请号：CN202110660681.4
申请日：2021-06-15
申请人： 合肥工业大学
摘要： 本发明公开一种基于知识图谱的电力安全预警方法及系统，包括：获取电力设备场景图像数据，并预处理电力设备场景图像数据为标记图像数据；将标记图像数据划分为训练样本和测试样本，检验并剔除标记图像数据中异常的图像数据，以得到数据集；通过基于知识图谱的电力安全预警模型训练样本，以得到训练后基于知识图谱的电力安全预警模型；通过训练后基于知识图谱的电力安全预警模型对所述测试样本进行处理，发送预警信息至危险信息检测设备，判定危险级别并向电力工作人员发出警报。本发明基于知识图谱对场景进行智能分析，不需要采用人工观测电力设备场景，预警效果良好。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.024 秒)
