-
公开(公告)号：CN113658109A
公开(公告)日：2021-11-16
申请号：CN202110831710.9
申请日：2021-07-22
Applicant: 西南财经大学
Abstract: 本发明公开了一种基于领域损失预测主动学习的玻璃缺陷检测方法，该方法定义了一个损失预测模型，该模型能与多标签分类模型共同训练优化，并对未标注样本池中的玻璃样本进行损失预测，排序后取前K个预测损失值最大的玻璃样本作为主动学习挑选出的高价值样本，标注后加入标注样本集中，用于训练多标签分类模型，从而对待检测玻璃中存在的缺陷类型进行识别。使用该方法能够有效提升模型在较小多标签图像样本量下的分类准确率，从而用较少的数据量使模型效果达到预期，降低样本标注成本。
-
公开(公告)号：CN113657377A
公开(公告)日：2021-11-16
申请号：CN202110832336.4
申请日：2021-07-22
Applicant: 西南财经大学
Abstract: 本发明公开了一种机打票据图像结构化识别方法，采集某一类机打票据的多张图像，通过手工标注票据中的文本框坐标及其内容，保存为标注文件；制作成文本检测训练集A，文本识别训练集B，同时采集公开文本识别训练集C；通过训练集A、B，分别训练机打票据的文本检测F1模型、文本识别F2模型；建立单字符切割F5模型，该方法无需专门的拍摄和图像扫描设备、不要求拍摄绝对水平，基于普通相机拍摄的机打票据照片即可进行结构化提取。对发票中的印章可以通过自编码器的方式进行消除。使用迁移学习的字符识别网络在达到同样准确率的情况下，可以减少票据数据的标注工作。
-
公开(公告)号：CN119006339A
公开(公告)日：2024-11-22
申请号：CN202411076740.3
申请日：2024-08-07
Applicant: 西南财经大学
IPC: G06T5/77 , G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术，其公开了一种基于物理先验的图像去雾方法，首先，基于真实无雾图像，构建包括初步去雾图片、透射率图片和大气光图片的合成训练样本；然后，先进行一次加噪和去噪，预测出计算噪声和计算透射率图片，接着基于预测结果进行重构，之后，计算重构损失、噪声预测损失，对去噪模型进行更新；然后，利用更新获得的去噪模型对随机噪声图进行去噪，根据去噪结果和真实无雾图像计算损失，根据损失对去噪模型进行更新。其将对透射率图的细化作为去雾任务的辅助任务，不仅能够提高去雾的效率，也能够保留雾淡的区域的原图效果；同时，巧妙地通过扩散模型，生成图像雾浓区域丢失的细节，使得去雾之后的图像在感知上更为真实。
-
公开(公告)号：CN118747239A
公开(公告)日：2024-10-08
申请号：CN202410745586.8
申请日：2024-06-11
Applicant: 西南财经大学 , 中国农业银行股份有限公司四川省分行
IPC: G06F16/9535 , G01C21/34 , G06F16/9537 , G06F16/29 , G06F18/211 , G06F18/214 , G06F18/2415 , G06N3/0499 , G06N3/048 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及兴趣点推荐技术，公开了一种兴趣点推荐方法，其分别构建用户的历史轨迹和当前轨迹，以当前轨迹所包含各兴趣点的特征表示作为输入，对其所包含各兴趣点进行自注意力计算，基于自注意力得分，获得短期活动隐藏状态；以历史轨迹所包含各兴趣点的特征表示，构建历史轨迹的特征矩阵；利用短期活动隐藏状态和历史轨迹的特征矩阵，基于交叉注意力机制，获得长期偏好张量；基于短期活动隐藏状态和长期偏好张量，预测下一个兴趣点。保证了长短期偏好的一致性，提高了用户偏好的表达能力，提高对用户下一个兴趣点的预测准确性。在位置服务、智能交通管理、社交媒体推荐等领域中具有较好的实用性。
-
公开(公告)号：CN118447144A
公开(公告)日：2024-08-06
申请号：CN202410581595.8
申请日：2024-05-11
Applicant: 西南财经大学
Abstract: 本发明涉及医学磁共振成像技术，其公开了一种三维磁共振压缩图像的重建方法，解决传统PnP框架方案存在容易丢失图像整体结构，且可能包含大量假细节，对诊断带来干扰的问题。其创建重建问题的包括低秩正则项和两个隐式正则项的优化模型，并通过交替方向乘子算法迭代求解模型，其中，两个隐式正则化相关的子问题分别描述为去噪问题和MRI重建问题，从而在PnP框架下嵌入预训练的去噪器和重建器，对两个隐式正则项的子问题进行求解。通过重建器引入图像物理退化机理一致的先验信息，可更好地恢复整体结构，通过去噪器学习数据本身的先验分布，可更好地着重细节纹理的重建，因此，避免重建的图像中包含大量假细节而对医学临床诊断带来的干扰。
-
Patent Agency Ranking
公开(公告)号：CN116452320B
公开(公告)日：2024-04-30
申请号：CN202310385038.4
申请日：2023-04-12
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明涉及信用风险预测技术，其公开了一种基于持续学习的信用风险预测方法，在隐私保护导致的样本量有限的情况下，持续性地增强模型的性能，提高预测的准确性。本发明采用持续学习策略训练各个任务的预测模型，上一个任务的模型训练好后，提取模型的参数知识传递到下一个任务，从而辅助下一个任务的模型训练；此外，本发明在模型应用中还融入了三支决策，即首先根据各任务模型对相应任务训练数据集中样本预测结果的置信度分布情况，自适应设置模型的三支决策阈值对，在实际应用中，收到待预测信息后，采用当前最新模型输出对待预测信息的风险评估结果并统计置信度，而后根据三支决策阈值对执行决策，实现对不确定性样本的延迟决策处理，以便更好地控制信用风险。
-
公开(公告)号：CN119089981A
公开(公告)日：2024-12-06
申请号：CN202411190638.6
申请日：2024-08-28
Applicant: 西南财经大学
IPC: G06N3/098 , G06N3/049 , G06N3/0464 , G06N3/045 , G06T1/20
Abstract: 本发明涉及联邦学习技术，其公开了一种边缘设备视觉模块的联邦学习方法，解决现有边缘设备视觉模块基于SNN网络的联邦学习方案存在的通信成本高、模型准确率低、收敛速度慢的问题。本发明方案中，在一个全局训练轮次中，参与本轮训练的边缘设备计算点火率上传服务器；服务器根据点火率筛选设备进行本地训练并上传更新的模型参数至服务器；服务器对本地训练的设备上传的更新的模型参数进行聚合，更新全局模型，将更新的全局模型下发至各个边缘设备中，通过上述步骤进行迭代训练，最终获得训练完成的模型。本发明适用于智能家居设备等异构的边缘设备视觉模块中图像识别模型的训练。
-
公开(公告)号：CN118537645A
公开(公告)日：2024-08-23
申请号：CN202410670825.8
申请日：2024-05-28
Applicant: 西南财经大学
IPC: G06V10/764 , G06V10/82 , G06N5/04 , G06V10/774 , G06N3/08 , G06V10/762 , G06N3/045 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及轨迹识别领域，具体涉及一种开放环境下车辆异常轨迹检测模型的架构方法，其模型包括编码网络、嵌入网络和推理网络。在训练阶段，首先利用包括相似性损失和交叉熵损失的总损失，更新模型参数，然后，利用更新后的模型采用交叉熵损失更新相似性学习网络，直至训练完成。所述相似性损失的计算包括：基于轨迹嵌入利用相似性学习网络计算各轨迹间的轨迹相似性，基于预测概率分布计算交叉熵损失以及各轨迹间的轨迹相似性，然后，对齐两类相似性计算相似性损失。本发明的方法，通过引入相似性损失，使得模型不仅学习单个轨迹的分类，还能理解不同轨迹之间的关系和联系，其能在开放世界的假设下，有效地对环境中未知的异常行为进行分类。
-
公开(公告)号：CN115660688B
公开(公告)日：2024-04-30
申请号：CN202211301695.8
申请日：2022-10-24
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06Q20/40 , G06F18/214 , G06F18/24 , G06N3/048
Abstract: 本发明涉及金融风险管理领域，公开了一种金融交易异常检测方法及其跨区域可持续训练方法，其金融交易异常检测方法，通过构建由多种节点和多类路径构成的异质结构信息图，克服了现有技术中同质图难以保留多类型语义信息、无法捕捉动态时空特征的问题，充分挖掘时间信息等高阶语义，极大地丰富可获取信息量，并采用深度图神经网络模型，基于注意力机制对节点、路径和网络结构进行融合，获得图嵌入表示，并基于图嵌入表示对异常行为进行检测，提高了异常检测的效率和精度；同时，提出跨区域可持续训练方法，通过知识回放策略和参数平滑策略实现金融交易异常检测模型跨区域的持续学习，方便跨区域部署，适用于金融交易欺诈检测等金融风险管理任务。
-
公开(公告)号：CN113657377B
公开(公告)日：2023-11-14
申请号：CN202110832336.4
申请日：2021-07-22
Applicant: 西南财经大学
IPC: G06V20/62 , G06V30/148 , G06V30/19 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种机打票据图像结构化识别方法，采集某一类机打票据的多张图像，通过手工标注票据中的文本框坐标及其内容，保存为标注文件；制作成文本检测训练集A，文本识别训练集B，同时采集公开文本识别训练集C；通过训练集A、B，分别训练机打票据的文本检测F1模型、文本识别F2模型；建立单字符切割F5模型，该方法无需专门的拍摄和图像扫描设备、不要求拍摄绝对水平，基于普通相机拍摄的机打票据照片即可进行结构化提取。对发票中的印章可以通过自编码器的方式进行消除。使用迁移学习的字符识别网络在达到同样准确率的情况下，可以减少票据数据的标注工作。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
