-
公开(公告)号：CN119152294B
公开(公告)日：2025-04-04
申请号：CN202411645184.7
申请日：2024-11-18
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/24 , G06V10/774 , G06F18/2411
Abstract: 本发明公开了一种基于跨模态对齐和原型多样化的连续小样本图片分类方法，该方法包括：首先对输入图片添加视觉软提示提取图片特征，并将图片特征输入特征适配器获取优化后的图片特征，同时对类别标签添加文本软提示提取初步的类别文本原型；其次，将优化后的图片特征输入原型偏置器，对类别文本原型进行调整，从而获得融入视觉信息的类别文本原型；最后计算上述类别文本原型与图片特征之间的相似度，并将该输入图片预测为具有最大相似度的类别。本发明能够捕捉输入特异的视觉信息进行文本原型更正，有利于提升输入图片的分类精度；本发明实现方法简便、灵活，显著提高了新类别的预测精度，同时可以有效缓解模型在旧类别的灾难性遗忘现象。
-
公开(公告)号：CN119152294A
公开(公告)日：2024-12-17
申请号：CN202411645184.7
申请日：2024-11-18
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/24 , G06V10/774 , G06F18/2411
Abstract: 本发明公开了一种基于跨模态对齐和原型多样化的连续小样本图片分类方法，该方法包括：首先对输入图片添加视觉软提示提取图片特征，并将图片特征输入特征适配器获取优化后的图片特征，同时对类别标签添加文本软提示提取初步的类别文本原型；其次，将优化后的图片特征输入原型偏置器，对类别文本原型进行调整，从而获得融入视觉信息的类别文本原型；最后计算上述类别文本原型与图片特征之间的相似度，并将该输入图片预测为具有最大相似度的类别。本发明能够捕捉输入特异的视觉信息进行文本原型更正，有利于提升输入图片的分类精度；本发明实现方法简便、灵活，显著提高了新类别的预测精度，同时可以有效缓解模型在旧类别的灾难性遗忘现象。
-
公开(公告)号：CN113869462A
公开(公告)日：2021-12-31
申请号：CN202111456162.2
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于双路结构对比嵌入学习的小样本对象分类方法，包括以下步骤：步骤一：使用基础类的大规模有标签数据构造双路结构对比嵌入网络；步骤二：将全新类的少量有标签图片依次输入所述双路结构对比嵌入网络，提取相应的图片特征，计算每个类别中所有图片特征的均值作为该类别的原型；步骤三：将测试图片输入双路结构对比嵌入网络提取图片特征，计算测试图片特征与所有类别的原型之间的余弦相似度，并对余弦相似度进行归一化处理，选取具有相似度最大值的对象类别作为测试图片的最终预测结果。本发明方法简便、灵活，可以提高特征嵌入学习网络的泛化能力，从而提高模型的训练速度并改善全新类对象的分类性能。
-
公开(公告)号：CN113869462B
公开(公告)日：2022-06-10
申请号：CN202111456162.2
申请日：2021-12-02
Applicant: 之江实验室
IPC: G06V10/74 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于双路结构对比嵌入学习的小样本对象分类方法，包括以下步骤：步骤一：使用基础类的大规模有标签数据构造双路结构对比嵌入网络；步骤二：将全新类的少量有标签图片依次输入所述双路结构对比嵌入网络，提取相应的图片特征，计算每个类别中所有图片特征的均值作为该类别的原型；步骤三：将测试图片输入双路结构对比嵌入网络提取图片特征，计算测试图片特征与所有类别的原型之间的余弦相似度，并对余弦相似度进行归一化处理，选取具有相似度最大值的对象类别作为测试图片的最终预测结果。本发明方法简便、灵活，可以提高特征嵌入学习网络的泛化能力，从而提高模型的训练速度并改善全新类对象的分类性能。
-
-
-
Search Results
4
records
(took 0.051 seconds)
