公开(公告)号：CN117746302A

公开(公告)日：2024-03-22

申请号：CN202410166668.7

申请日：2024-02-06

Applicant: 中国科学院计算技术研究所

Inventor： 黄庆明 ,  柳洋 ,  许倩倩 ,  温佩松

IPC: G06V20/40 ,  G06V10/74 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了用于视频相似度学习模型的训练方法，包括：获取训练集，包括多个原始样本和指示对应样本类别的标签，原始样本为一段视频且包括多个视频帧；利用训练集多次迭代训练模型，得到经训练的模型，每次包括：针对每个类别，将该类别的一个原始样本作为查询样本，其他原始样本与查询样本构成样本对，得到多个样本对；利用模型提取样本对中样本的特征向量，包括样本的每个视频帧的块级特征序列；基于样本对构建多对视频帧，根据样本的多个视频帧的块级特征序列确定多对视频帧的帧级相似度，根据该帧级相似度确定样本对中两个样本间的视频级相似度；利用预设的损失函数根据查询样本对应的多个样本对的视频级相似度计算的总损失更新模型参数。

公开(公告)号：CN117975124A

公开(公告)日：2024-05-03

申请号：CN202410082638.8

申请日：2024-01-19

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  邵慧杨 ,  温佩松 ,  杨智勇 ,  高培峰 ,  黄庆明

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明提供一种医疗图像分类模型训练方法，包括：S1、从目标诊疗场景中采样多个诊疗错误的医疗图像以构建经验代价集，其中，所述经验代价集包括多个正常医疗图像和多个异常医疗图像，且每个正常医疗图像和每个异常医疗图像均对应一个误分类代价，所述误分类代价为其对应的正常医疗图像或异常医疗图像诊疗错误所造成的经济损失；S2、从所述目标诊疗场景中采样多个医疗图像以构建训练集，所述训练集中包括多个正常医疗图像和多个异常医疗图像，且所述每个正常医疗图像的标签为无病，所述每个异常医疗图像的标签为有病；S3、根据所述经验代价集确定分类阈值，并基于分类阈值采用所述训练集对医疗图像分类模型进行多轮迭代训练直至收敛。

公开(公告)号：CN117422949A

公开(公告)日：2024-01-19

申请号：CN202311411692.4

申请日：2023-10-27

Applicant: 中国科学院计算技术研究所

Inventor： 黄庆明 ,  温佩松 ,  许倩倩

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提供了一种图像分割训练方法，包括：A1、从预设的图像数据集中，采样一个批次的多个图像；A2、利用当前批次获得的每张基准图像及其候选集合中的每张图像构建一个图像对，得到多个图像对；A3、根据图像对以及当前批次的多个图像分别输入在线分支、目标分支得到的特征图，确定基于图像级子损失和图像块级子损失的总损失；A4、固定目标分支参数，根据总损失更新在线分支的参数；A5、利用历史的多个在线分支的参数，通过指数滑动平均策略更新目标分支的参数；A6、重复步骤A1‑A5以进行自监督训练，直到在线分支训练至收敛后转至步骤A7；A7、获取图像分割模型；A8、利用有监督的图像分割训练集训练图像分割模型，得到经训练的图像分割模型。

公开(公告)号：CN118072144A

公开(公告)日：2024-05-24

申请号：CN202410348087.5

申请日：2024-03-26

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  戴思然 ,  温佩松 ,  杨智勇 ,  黄庆明

IPC: G06V10/82 ,  G06V10/26 ,  G06V20/70 ,  G06V10/40 ,  G06N3/045 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明提供了一种图像分割模型的训练方法以及图像分割方法，本发明通过多方面的改进，可以让模型在特征学习的阶段更好地学习对齐物体局部、物体、含有物体的场景下的特征，低成本且高效地提高了模型在不同场景噪声下对物体的分辨能力，有助于提升下游图像分割模型的性能。

公开(公告)号：CN117079042A

公开(公告)日：2023-11-17

申请号：CN202311068705.2

申请日：2023-08-23

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  高培峰 ,  温佩松 ,  杨智勇 ,  邵慧杨 ,  黄庆明

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明实施例提供了一种图像分类系统，用于对输入的图像进行分类，该系统包括：特征提取模块，用于对图像进行特征提取，以得到图像对应的特征向量；特征旋转模块，用于基于正交投影矩阵对特征向量进行旋转得到旋转后的特征向量，其中，所述正交投影矩阵是从预设的正交矩阵提取；分类模块，其包括：固定参数线性层用于对旋转后的特征向量进行均衡得到图像属于每个类别的logit值；分类层用于基于图像属于每个类别的logit值确定图像属于每个类别的置信度。本发明实施例设计的图像分类系统对长尾图像分类场景的泛化性好以及模型本身的性能也好。

公开(公告)号：CN116127121A

公开(公告)日：2023-05-16

申请号：CN202310180785.4

申请日：2023-02-16

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  温佩松 ,  杨智勇 ,  黄庆明

IPC: G06F16/583 ,  G06F16/538 ,  G06V10/774 ,  G06V10/74

Abstract: 本发明提出一种图像检索模型的训练方法,所述方法包括：S1、获取训练集和查询图像，所述训练集包括多个与查询图像同类的正样本图像和多个与查询图像不同类的负样本图像；S2、采用步骤S1中获得的训练集和查询图像将图像检索模型进行多轮训练直至收敛，并在训练过程中基于AUPRC目标损失采用梯度的方式更新图像检索模型参数。本发明通过构建AUPRC的一种上界作为替代损失(替代损失即AUPRC目标损失)，并在随机估计中引入正样本图像估计的辅助向量，实现替代目标的可泛化性和渐进无偏性。

公开(公告)号：CN118470380A

公开(公告)日：2024-08-09

申请号：CN202410497676.X

申请日：2024-04-24

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  温佩松 ,  杨智勇 ,  黄庆明

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明实施例提供了一种基于稳定AP损失的图像分类训练方法，包括对图像分类模型进行分批次的迭代训练，得到经训练的图像分类模型，其中，批次k的训练包括：从预设的训练集中采样批次k的图像，构建各类别下的正、负样本对；将批次k的图像输入图像分类模型进行分类，得到各图像属于每个类别的二分类得分；根据批次k的每个图像在每个类别的二分类得分以及构建的各类别下的正样本对和负样本对，利用预设的稳定AP损失函数确定每个类别的子损失，根据每个类别的子损失求总损失；根据总损失求梯度，利用梯度下降法更新图像分类模型的参数。

公开(公告)号：CN118135216A

公开(公告)日：2024-06-04

申请号：CN202410207248.9

申请日：2024-02-26

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  韩博宇 ,  杨智勇 ,  包世龙 ,  温佩松 ,  黄庆明

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明提供一种用于像素级语义分割模型的训练方法，包括：步骤S1、获取具有长尾分布性质的用于像素级分割的训练集，包括多个原始样本和对应标签序列，每个原始样本为包括多个像素的原始图像，标签序列包括多个指示对应原始图像中每个像素的类别的标签；步骤S2、确定训练集中缺少的所有尾部类别，利用预设的像素级尾部类别记忆库在训练集的多个原始图像中添加缺少的一种或多种尾部类别对应的像素，得到更新的包括多个修改图像的训练集；步骤S3、利用更新的训练集训练像素级语义分割模型预测修改图像中各个像素的类别，包括采用预设的损失函数根据所述模型的预测结果和标签计算的总损失更新所述模型的参数，得到经训练的像素级语义分割模型。