-
公开(公告)号：CN118736191A
公开(公告)日：2024-10-01
申请号：CN202410738342.7
申请日：2024-06-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种尺寸无关的多物体显著性检测方法，其特征在于，包括：对训练样本中物体做最小外接框，得到多个物体框，将训练样本中除物体框以外的部分作为背景框；通过语义分割模型，对背景框和每个物体框内的显著区域进行独立评价，得到在每个物体框和背景框的显著区域独立检测结果；对各显著区域独立检测结果进行合并，得到显著区域合并检测结果；根据显著区域标签，在每个物体框和背景框内独立地计算损失，得到背景框和每个物体框的独立损失函数；合并所有独立损失函数，得到合并损失函数，以训练语义分割模型；将待显著物体检测的多物体图像通过数据处理步骤处理后，输入训练完成后的语义分割模型，得到其显著区域检测结果。
-
公开(公告)号：CN118247567A
公开(公告)日：2024-06-25
申请号：CN202410386788.8
申请日：2024-04-01
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774
Abstract: 本发明提供了一种基于多标签对图像分类模型训练的方法，所述方法包括：获取训练集，所述训练集包括多个分布内图像样本和多个分布外图像样本，以及指示各个分布内图像样本所属类别的标签，其中，所述分布外图像样本为不属于分布内图像样本所属任意类别的图像样本；利用训练集对图像分类模型进行一次或者多次训练，其中，利用图像分类模型提取输入图像在各个类别上的logit值和置信度，每次训练时，基于预设的总损失函数确定的总损失更新图像分类模型的参数，得到经训练的图像分类模型，所述总损失根据以下损失加权求和确定：分布内损失、分布外损失和能量分布差距损失。
-
公开(公告)号：CN118212315A
公开(公告)日：2024-06-18
申请号：CN202410305781.9
申请日：2024-03-18
Applicant: 中国科学院计算技术研究所
IPC: G06T11/00
Abstract: 本发明提供了一种图像处理系统的构建方法，该方法包括：筛选出多种图像生成方法；构建初始图像处理系统，其包括：表征模块和处理模块，其中，表征模块用于基于筛选出的多种图像生成方法和预训练的扩散模型得到输入图像的多个子表征并对其进行拼接处理以得到输入图像的表征；利用输入图像、输入图像上图像任务处理的标签对初始图像处理系统进行多次迭代训练，并在每次迭代训练过程中按照预设的损失更新图像处理系统的参数。采用本发明的方法能够显著提升表征模块的表征学习能力，即使用本发明构建的表征模块用于表征学习时能够得到内容更准确的图像表征，以使下游的处理模块基于该图像表征完成图像处理任务时能够得到更加准确的处理结果。
-
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
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：CN117576496A
公开(公告)日：2024-02-20
申请号：CN202311286454.5
申请日：2023-10-07
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/776 , G06V10/82 , G06N3/084 , G06N3/094
Abstract: 本发明实施例提供了一种图像二分类模型的训练方法，图像二分类模型用于判定图像为二分类中的一类的概率，该方法包括：S1、获取原始图像训练集；S2、对所述原始图像训练集按照预设的规则添加分布扰动，得到对应的图像对抗训练集；S3、利用图像对抗训练集对所述图像二分类模型进行多次迭代训练，并在每次迭代训练时基于正样本为目标图像的概率预测值以及负样本为目标图像的概率预测值计算图像二分类模型的性能评估结果；S4、根据图像二分类模型的性能评估结果，基于目标逐样本损失函数更新图像对抗训练集以及图像二分类模型中可学习的参数。通过上述方法训练图像二分类模型，提高了AUC在分布扰动下的鲁棒性，从而提高图像二分类模型的性能。
-
Patent Agency Ranking
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
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：CN112861006B
公开(公告)日：2023-06-23
申请号：CN202110198542.4
申请日：2021-02-22
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9535 , G06F18/22 , G06F18/25
Abstract: 本发明提出一种融合元路径语义的推荐方法，包括：基于异构信息网络及用户/商品评分数据集，计算所述用户/商品的相对重要性二部图；利用所述相对重要性二部图指导用户/商品结点之间的信息传播，得到所述用户/商品结点的嵌入表达；将所述用户/商品结点的嵌入表达进行变换得到用于推荐的所述用户/商品结点的最终嵌入表达，并将所述用户/商品结点的最终嵌入表达输入一推荐模型得到所述用户/商品的预测分数。
-
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
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：CN115934960A
公开(公告)日：2023-04-07
申请号：CN202211584446.4
申请日：2022-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于最优传输的知识图谱处理方法，该方法包括如下步骤：S1、获取知识图谱中所有实体对应的多模态信息向量以及结构信息向量；S2、基于所有实体的多模态信息向量和结构信息向量计算每个实体的多模态信息与结构信息之间的最优传输矩阵；S3、以每个实体的结构信息向量所在空间为基准空间，基于其最优传输矩阵将每个实体的多模态信息进行特征对齐以形成统一的特征表示；S4、基于步骤S3得到所有的实体的统一特征表示对每一个缺失头实体或者尾实体的三元组进行预测补全，其中，以所有实体为备选实体，按照预设的规则计算每一个备选实体作为预测实体的得分，并将得分最高的预测实体作为最终的实体补入三元组。
-
公开(公告)号：CN112182245B
公开(公告)日：2022-11-29
申请号：CN202011040457.7
申请日：2020-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06F16/36
Abstract: 本发明实施例提供了一种知识图谱嵌入模型的训练方法、系统和电子设备，训练方法包括：A1、用对偶四元数构建知识图谱嵌入模型的嵌入空间，通过对偶四元数将知识图谱中的关系建模为嵌入空间中的旋转和平移；A2、从预设知识图谱中的正样本中进行负采样以生成负样本；A3、对正样本和负样本进行初始化，得到包含以初始嵌入向量表示的正样本和负样本的训练集；A4、利用所述训练集对所述知识图谱嵌入模型进行迭代训练至收敛。本发明构造的新模型可以同时兼具旋转的性能和平移的性能，使得训练得到的知识图谱嵌入模型的嵌入性能得到提升，输出的实体嵌入或者关系嵌入能够更准确地表达预设知识图谱中的实体或者关系。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.037 seconds)
