-
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
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：CN118173200A
公开(公告)日：2024-06-11
申请号：CN202410339214.5
申请日：2024-03-25
Applicant: 中国科学院计算技术研究所
IPC: G16C20/70 , G16C20/90 , G06F18/214 , G06F18/213 , G06F18/2433 , G06F18/20 , G06F18/22
Abstract: 本发明提供一种图检测模型的构建方法，该方法包括：获取初始图训练集，其中，所述初始图训练集中包括多个图数据，所有的图数据服从相同的分布；按照预设的方法获取与所述初始图训练集中的图数据不同分布的图数据以构成异常图数据集；将所述初始图训练集和所述异常图数据集构成训练集对所述图检测模型进行多次迭代训练至收敛，并在每次迭代训练过程中按照预设的损失更新图检测模型的参数。本发明的方法提高了图检测模型的性能，从而提高了图数据分布类型的检测准确性。
-
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
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。
-
公开(公告)号：CN117077779A
公开(公告)日：2023-11-17
申请号：CN202311146144.3
申请日：2023-09-06
Applicant: 中国科学院计算技术研究所
IPC: G06N5/022
Abstract: 本发明提供一种动态知识图谱嵌入模型构建方法，包括：T1、旧知识图谱的三元组构建初始知识图谱嵌入模型；T2、响应于知识图谱中新知识的动态增加，对初始知识图谱嵌入模型进行动态迭代训练，其中，迭代训练是指每当有新知识增加时，采用当前知识图谱构建对应的训练集对上一次迭代训练后的知识图谱嵌入模型进行多轮训练直至收敛，且每轮训练包括：T21、基于上次迭代之后的知识图谱嵌入模型获取新知识和旧知识中实体和关系嵌入；T22、分别做知识转移以获得当前轮实体和关系的嵌入，并计算知识转移损失；T23、做知识学习保留处理并计算知识学习损失；T24、基于实知识转移损失和知识学习损失构建联合损失更新知识图谱嵌入模型的参数。
-
公开(公告)号：CN117059159A
公开(公告)日：2023-11-14
申请号：CN202311086583.X
申请日：2023-08-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种有向图嵌入表示模型的构建方法，所述方法包括：T1、构建初始模型，所述初始模型包括特征获取模块和拓扑信息聚合模块；T2、获取有向图对所述初始模型进行多轮迭代训练以得到有向图嵌入表示模型，且每轮迭代训练包括：T21、获取每一实体对应的当前轮特征表示；T22、获取每一实体对应的当前轮拓扑表示；T23、从所述有向图的所有实体中随机选择多个实体作为多个正样本，并构建与每个正样本对应的负样本集合；T24、获取每个正样本对应的当前轮特征表示和当前轮拓扑表示，以及每个负样本对应的当前轮拓扑表示；T25、按照预设的损失函数计算当前轮迭代损失，并根据当前轮迭代损失更新所述初始模型的参数。
-
Patent Agency Ranking
公开(公告)号：CN117057394A
公开(公告)日：2023-11-14
申请号：CN202311040633.0
申请日：2023-08-18
Applicant: 中国科学院计算技术研究所
IPC: G06N3/042 , G06N3/0455 , G06N3/088 , H04L9/40 , G06Q30/018
Abstract: 本发明提供一种图异常检测系统构建方法，所述方法包括：S1、获取原始图，所述原始图包括节点集、边集、属性矩阵、邻接矩阵；S2、执行第一阶段训练，包括：S21、对所述原始图分别进行节点掩蔽处理、边掩蔽处理和/或子图掩蔽处理以得到节点掩蔽图、边掩蔽图和/或、子图掩蔽图；S22、分别采用节点掩蔽图、边掩蔽图和/或、子图掩蔽图训练图自编码器至收敛以获得节点级图编码器、边级编码器和/或、子图级编码器；S3、执行第二阶段训练，包括：以所述步骤S2中训练好的节点级图编码器、边级编码器和/或、子图级编码器以及聚合模块、属性解码器、结构解码器构建初始图异常检测系统，以原始图训练所述属性解码器和结构解码器至收敛。
-
公开(公告)号：CN112149004B
公开(公告)日：2022-10-25
申请号：CN202011187518.2
申请日：2020-10-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9536 , G06F16/9535 , G06F16/36 , G06F16/33
Abstract: 本发明提供一种基于知识图谱的个性化推荐方法，包括：S1、将用户集中的用户与物品集中的物品的历史交互数据和原有知识图谱结合到协同知识图谱中，在所述协同知识图谱中将用户与其交互物品在知识图谱中对应的实体使用有向边进行连接；S2、用四元数向量表示协同知识图谱中的每一个实体和关系；S3、采用注意力机制将实体的四元数嵌入沿着协同知识图谱的路径进行偏好传播与聚合；S4、基于完成偏好传播与聚合后的协同知识图谱，构建偏好分数预测函数计算每个用户与不同物品的偏好分数；S5、采用损失函数联合优化协同知识图谱的嵌入和偏好分数预测函数；S6、采用优化后的偏好分数预测函数预测用户对新物品的偏好分数，得到针对用户的新物品推荐列表。
-
公开(公告)号：CN113407794A
公开(公告)日：2021-09-17
申请号：CN202110608491.8
申请日：2021-06-01
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9032 , G06F30/27 , G06N20/00
Abstract: 一种用于抑制语言偏差的贪心梯度集成方法，其特征在于，包括下列步骤：将视觉问答任务建模为一加性模型，该加性模型分为广义相加的基础模型与偏差模型；对该加性模型各部逐一进行优化，先对偏差模型进行优化，利用二值交叉熵损失函数求该偏差模型最小损失：将m(m∈N*)个偏差模型函数代入二值交叉熵损失函数，对该二值交叉熵损失函数求负梯度以获得第m+1偏差模型函数的优化方向；优化该所有偏差模型后，以所有偏差模型的负梯度为监督，再对该基础模型进行优化。
-
公开(公告)号：CN112906781A
公开(公告)日：2021-06-04
申请号：CN202110172338.5
申请日：2021-02-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种针对排序系统鲁棒性的评估方法，包括：基于排序系统的排序聚合算法使用的比较数据，获取原始数据分布；通过所述原始数据分布和所述排序聚合算法的目标函数，获取篡改数据分布；利用所述篡改数据分布及所述比较数据误导所述排序聚合算法，得到篡改结果；根据所述篡改结果对所述排序系统的鲁棒性进行评估。
-
公开(公告)号：CN104281572B
公开(公告)日：2017-06-09
申请号：CN201310271950.3
申请日：2013-07-01
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于互信息的目标匹配方法及其系统，该方法包括：步骤1，将查询图像和参考图像的特征拼接在一起；步骤2，将拼接后的特征对按照类别组成对应至类别下的SET特征集合，每个类别对应一个SET特征集合，SET特征集合中包含查询图像与每个类别的参考图像组成的特征对；步骤3，使用互信息表征SET特征集合与其类别标签之间的关系，通过对互信息的计算，得到目标匹配类别。该方法充分利用了gallery中的多张图片信息提高匹配精度和性能。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.128 seconds)
