-
公开(公告)号：CN110633604B
公开(公告)日：2023-04-25
申请号：CN201810662632.2
申请日：2018-06-25
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/774 , G06V10/764
Abstract: 本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理方法使用多个训练样本对分类模型进行训练，并且包括如下步骤：基于多个训练样本中的典型样本来调整多个训练样本的特征向量在特征空间中的分布；以及使用经调整的多个训练样本的特征向量对分类模型进行训练。通过根据本公开的技术，可以通过在训练之前对训练样本进行预先调整，使得能够在训练过程中减小属于同一类别的训练样本之间的区分性并且增加属于不同类别的训练样本之间的区分性。经过这样训练的分类模型能够对在极端条件下取得的样本进行准确的分类。
-
公开(公告)号：CN114332523A
公开(公告)日：2022-04-12
申请号：CN202011061801.0
申请日：2020-09-30
Applicant: 富士通株式会社
Abstract: 本申请公开一种利用预先训练的分类模型进行分类的装置和方法以及计算机可读存储介质。上述装置包括：特征提取单元，被配置成利用预先训练的分类模型的特征提取层提取待分类的目标图像组所包括的多个图像中的每个图像的特征；贡献计算单元，被配置成利用预先训练的分类模型的贡献计算层计算多个图像中的每个图像对目标图像组的分类结果的贡献；特征融合单元，被配置成基于通过贡献计算单元所计算出的多个图像的贡献，对通过特征提取单元提取的多个图像的特征进行融合，从而获得融合后的特征作为目标图像组的特征；以及分类单元，被配置成基于目标图像组的特征，对目标图像组进行分类。
-
公开(公告)号：CN112784635A
公开(公告)日：2021-05-11
申请号：CN201911081768.5
申请日：2019-11-07
Applicant: 富士通株式会社
Abstract: 公开了一种信息处理装置和方法以及利用模型分类的装置。信息处理装置包括：第一训练单元，其使用第一训练样本集对第一模型进行训练，以得到经训练的第一模型；第二训练单元，其在保留经训练的第一模型的预定部分的特性的情况下，使用第二训练样本集对经训练的第一模型进行训练，以得到经训练的第二模型；以及第三训练单元，其在使经训练的第二模型和第三模型的分类性能之间的差异在第一预定范围内的情况下，使用第二训练样本集对第三模型进行训练，以得到经训练的第三模型作为最终模型，其中，第一模型、经训练的第一模型、经训练的第二模型和第三模型中的每个包括至少一个特征提取层。
-
公开(公告)号：CN111461155A
公开(公告)日：2020-07-28
申请号：CN201910105993.1
申请日：2019-01-18
Applicant: 富士通株式会社
IPC: G06K9/62
Abstract: 公开了一种训练分类模型的装置和方法。训练分类模型的装置包括：第一获得单元，将样本图像输入第一机器学习架构来获得第一分类概率和第一分类损失；第二获得单元，将样本图像所属的实体的第二图像输入第二机器学习架构来获得第二分类概率和第二分类损失，第一机器学习架构和第二机器学习架构的结构相同并且共享相同的参数；相似度损失计算单元，计算与第一分类概率和第二分类概率之间的相似度相关的相似度损失；总损失计算单元，对于训练集中的所有样本图像，计算相似度损失、第一分类损失以及第二分类损失之和作为总损失；以及训练单元，以使总损失最优化的方式来调节第一机器学习架构和第二机器学习架构的参数，从而获得经训练的分类模型。
-
Patent Agency Ranking
公开(公告)号：CN111582009B
公开(公告)日：2023-09-15
申请号：CN201910124176.0
申请日：2019-02-19
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/774 , G06V10/80
Abstract: 公开了一种训练分类模型的装置和方法及利用分类模型分类的装置。训练分类模型的装置包括：特征提取单元，被配置成针对第一预定数量的训练集中的每个训练集分别设置特征提取层，并且提取样本图像的特征，至少两个训练集至少部分重叠；特征融合单元，被配置成针对训练集分别设置特征融合层，并且对样本图像的所提取出的特征进行融合；以及损失确定单元，被配置成针对每个训练集分别设置损失确定层，并且基于样本图像的融合后的特征来计算样本图像的损失函数，并基于损失函数来训练分类模型，其中，第一预定数量的训练集共享针对每个训练集分别设置的特征融合层和特征提取层中的至少一个层。
-
公开(公告)号：CN111582008B
公开(公告)日：2023-09-08
申请号：CN201910122211.5
申请日：2019-02-19
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/764
Abstract: 公开了一种训练分类模型的装置和方法及利用分类模型分类的装置。训练分类模型的装置包括：获得局部区域单元，获得作为样本图像的全局区域中的一部分的预定局部区域；特征提取单元，针对每个样本图像，对于全局区域和每个预定局部区域分别设置相应数量的特征提取层，用以分别提取全局区域的全局特征和每个预定局部区域的局部特征，其中，全局区域和预定局部区域共享针对全局区域和每个预定局部区域分别设置的特征提取层中的至少一个层，以在所共享的所述至少一个层中将全局特征和每个局部特征进行结合；以及损失确定单元，利用损失确定层，基于每个样本图像的结合后的特征来计算该样本图像的损失函数，并基于损失函数来训练所述分类模型。
-
公开(公告)号：CN109753850B
公开(公告)日：2022-10-25
申请号：CN201711070481.3
申请日：2017-11-03
Applicant: 富士通株式会社
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种面部识别模型的训练方法和训练设备。该方法包括：去除从实际场景获取的、包含面部的图像组成的第一实际场景数据中的黑眼眶、墨镜，以得到第二实际场景数据；统计第二实际场景数据中戴眼镜的比例；将由包含面部的图像组成的原始训练数据划分为戴眼镜的第一训练数据和不戴眼镜的第二训练数据，其中，原始训练数据中戴眼镜的比例低于第二实际场景数据中戴眼镜的比例；基于眼镜数据和第二训练数据，生成戴眼镜的第三训练数据；基于第三训练数据和原始训练数据，生成其中戴眼镜的比例等于第二实际场景数据中戴眼镜的比例的第四训练数据；以及基于第四训练数据，训练面部识别模型。
-
公开(公告)号：CN108932459B
公开(公告)日：2021-12-10
申请号：CN201710384934.3
申请日：2017-05-26
Applicant: 富士通株式会社
Abstract: 本发明涉及脸部识别模型训练方法和装置及脸部识别方法。该训练方法包括：使用第一种族脸部数据集来训练神经网络模型；基于第一种族脸部数据集和第二种族脸部三维模型进行变换获得类似第二种族脸部数据集；以及使用类似第二种族脸部数据集来进一步训练神经网络模型，对神经网络的权重进行微调，用训练得到的神经网络模型作为脸部识别模型。根据本发明的方法和装置无需花费大量的时间、人力和资源来收集脸部数据，而可以进行跨种族脸部识别模型的训练。
-
公开(公告)号：CN110633604A
公开(公告)日：2019-12-31
申请号：CN201810662632.2
申请日：2018-06-25
Applicant: 富士通株式会社
Abstract: 本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理方法使用多个训练样本对分类模型进行训练，并且包括如下步骤：基于多个训练样本中的典型样本来调整多个训练样本的特征向量在特征空间中的分布；以及使用经调整的多个训练样本的特征向量对分类模型进行训练。通过根据本公开的技术，可以通过在训练之前对训练样本进行预先调整，使得能够在训练过程中减小属于同一类别的训练样本之间的区分性并且增加属于不同类别的训练样本之间的区分性。经过这样训练的分类模型能够对在极端条件下取得的样本进行准确的分类。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.033 seconds)
