-
公开(公告)号：CN114241260A
公开(公告)日：2022-03-25
申请号：CN202111527240.3
申请日：2021-12-14
申请人： 四川大学
IPC分类号： G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 本发明公开了一种基于深度神经网络的开集目标检测与识别方法，首先构造常见已知类别的图像作为训练集，然后设计一种UOD，利用改进的RPN保留对未知类别的检测能力，对未知类别赋予unknown标签；再增加对比聚类损失减少类内距离增大不同类别间的距离，引入韦布尔分布对不同类别的概率密度函数进行建模，区分已知和未知类别对象；并利用特征聚类的方式对未知类别对象进行初步分类和生成伪标签，最后提出改进的zero‑shot方案，对未知类别进行超类划分，利用CLIP方法先识别出未知类别的粗糙标签，再在粗糙标签对应的精细标签中识别出对应未知对象的类别。本发明能够用于对开放世界未经训练的对象进行检测，并实现了对未知类别的zero‑shot预测，减少了人工标注和网络更新的成本。
-
公开(公告)号：CN114238439B
公开(公告)日：2023-03-28
申请号：CN202111527276.1
申请日：2021-12-14
申请人： 四川大学
IPC分类号： G06F16/2458 , G06F16/248 , G06F16/28
摘要： 本发明公开了一种基于联合嵌入的任务驱动关系型数据视图推荐方法，采集人类真实数据集及与之对应的可视化视图数据，通过数据集处理及可视化分析任务定义，构建数据集‑分析任务‑可视化视图语料库；通过特征工程，构建数据集级别特征提取方法；通过构建联合嵌入学习框架，分别通过数据集‑分析任务子网络、可视化视图子网络，提取数据集‑分析任务及可视化视图的嵌入表示，通过共享的神经网络实现数据集‑分析任务到可视化视图的跨模态的检索；构建多因素融合到视图推荐方法，通过基于相似度的初步推荐，及通过融合基于标注的视图任务匹配度、基于用户行为度量的用户偏好实现的推荐微调方法，最终实现了任务驱动的符合用户偏好的表格数据视图推荐。
-
公开(公告)号：CN114241260B
公开(公告)日：2023-04-07
申请号：CN202111527240.3
申请日：2021-12-14
申请人： 四川大学
IPC分类号： G06V10/774 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度神经网络的开集目标检测与识别方法，首先构造常见已知类别的图像作为训练集，然后设计一种UOD，利用改进的RPN保留对未知类别的检测能力，对未知类别赋予unknown标签；再增加对比聚类损失减少类内距离增大不同类别间的距离，引入韦布尔分布对不同类别的概率密度函数进行建模，区分已知和未知类别对象；并利用特征聚类的方式对未知类别对象进行初步分类和生成伪标签，最后提出改进的zero‑shot方案，对未知类别进行超类划分，利用CLIP方法先识别出未知类别的粗糙标签，再在粗糙标签对应的精细标签中识别出对应未知对象的类别。本发明能够用于对开放世界未经训练的对象进行检测，并实现了对未知类别的zero‑shot预测，减少了人工标注和网络更新的成本。
-
公开(公告)号：CN113408492B
公开(公告)日：2022-06-14
申请号：CN202110833816.2
申请日：2021-07-23
申请人： 四川大学
摘要： 本发明公开了一种基于全局‑局部特征动态对齐的行人重识别方法，对挑选行人重识别数据集中的训练集进行预处理，再使用预训练的模型ResNet50进行模型的初始化；然后，分别对粗粒度的全局特征计算全局距离，细粒度的局部特征计算局部对齐距离，并且使用困难样本挖掘三元组损失、中心损失和Softmax交叉熵损失联合作为行人重识别网络的监督器，约束模型的训练。最后，融合全局特征和局部特征获得最终特征，将查询行人图像作为行人重识别网络模型的输入，从候选库中进行检索出对齐距离最短的行人。本发明能够有效抑制空间未对齐和非对齐区域的噪声干扰，并且无需引入额外的辅助姿态信息，并且局部分支以指导距离度量的计算，可以进一步提高测试阶段的准确性。
-
公开(公告)号：CN113408492A
公开(公告)日：2021-09-17
申请号：CN202110833816.2
申请日：2021-07-23
申请人： 四川大学
摘要： 本发明公开了一种基于全局‑局部特征动态对齐的行人重识别方法，对挑选行人重识别数据集中的训练集进行预处理，再使用预训练的模型ResNet50进行模型的初始化；然后，分别对粗粒度的全局特征计算全局距离，细粒度的局部特征计算局部对齐距离，并且使用困难样本挖掘三元组损失、中心损失和Softmax交叉熵损失联合作为行人重识别网络的监督器，约束模型的训练。最后，融合全局特征和局部特征获得最终特征，将查询行人图像作为行人重识别网络模型的输入，从候选库中进行检索出对齐距离最短的行人。本发明能够有效抑制空间未对齐和非对齐区域的噪声干扰，并且无需引入额外的辅助姿态信息，并且局部分支以指导距离度量的计算，可以进一步提高测试阶段的准确性。
-
公开(公告)号：CN115061760B
公开(公告)日：2024-09-10
申请号：CN202210601782.9
申请日：2022-05-30
申请人： 四川大学
摘要： 本发明公开了一种面向分析过程的状态感知元可视化方法，先获取分析师在数据分析中浏览、创建的所有视图；基于此，设计基于视觉隐喻的元可视化视图单元，实现原始视图快速的视觉概览；设计基于可调节力导向布局的元可视化，视图单元间的相对位置、链接映射视图的相似程度，支持视图单元布局的调整；设计基于分析序列的元可视化，以列表的形式记录分析过程，便于回顾分析行为。本发明结合视图间的联动和视图内部丰富的交互，辅助分析师理解分析状态，感知视图间的关联关系，发现分析兴趣，从而高效深入地探索数据。
-
公开(公告)号：CN115061760A
公开(公告)日：2022-09-16
申请号：CN202210601782.9
申请日：2022-05-30
申请人： 四川大学
摘要： 本发明公开了一种面向分析过程的状态感知元可视化方法，先获取分析师在数据分析中浏览、创建的所有视图；基于此，设计基于视觉隐喻的元可视化视图单元，实现原始视图快速的视觉概览；设计基于可调节力导向布局的元可视化，视图单元间的相对位置、链接映射视图的相似程度，支持视图单元布局的调整；设计基于分析序列的元可视化，以列表的形式记录分析过程，便于回顾分析行为。本发明结合视图间的联动和视图内部丰富的交互，辅助分析师理解分析状态，感知视图间的关联关系，发现分析兴趣，从而高效深入地探索数据。
-
公开(公告)号：CN114238439A
公开(公告)日：2022-03-25
申请号：CN202111527276.1
申请日：2021-12-14
申请人： 四川大学
IPC分类号： G06F16/2458 , G06F16/248 , G06F16/28
摘要： 本发明公开了一种基于联合嵌入的任务驱动关系型数据视图推荐方法，采集人类真实数据集及与之对应的可视化视图数据，通过数据集处理及可视化分析任务定义，构建数据集‑分析任务‑可视化视图语料库；通过特征工程，构建数据集级别特征提取方法；通过构建联合嵌入学习框架，分别通过数据集‑分析任务子网络、可视化视图子网络，提取数据集‑分析任务及可视化视图的嵌入表示，通过共享的神经网络实现数据集‑分析任务到可视化视图的跨模态的检索；构建多因素融合到视图推荐方法，通过基于相似度的初步推荐，及通过融合基于标注的视图任务匹配度、基于用户行为度量的用户偏好实现的推荐微调方法，最终实现了任务驱动的符合用户偏好的表格数据视图推荐。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.02 秒)
