公开(公告)号：CN113673591B

公开(公告)日：2023-12-01

申请号：CN202110931387.2

申请日：2021-08-13

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  刘育辰 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种自调整采样优化的图像分类方法、设备及介质，包括：获取训练图像；最小化训练图像分类的交叉熵，自动确定深度神经网络的网络结构和参数；采用得到的所述深度神经网络对待分类图像进行处理，得到图像分类结果。本发明能基于给定的图像数据，自动调整设计基于深度神经网络的图像分类方法，减少人为设计的繁杂性和人力资源消耗，同时在计算资源限定的情况下，能实现较高的分类准确率，保证了图像分类方法的稳定性和实用性。

公开(公告)号：CN113936173B

公开(公告)日：2025-03-28

申请号：CN202111170350.9

申请日：2021-10-08

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  刘育辰 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种最大化互信息的图像分类方法、设备、介质及系统，包括：采集训练图像；最大化训练图像和神经网络结构的互信息，自动确定神经网络的网络结构和参数；采用得到的所述神经网络对待分类的图像数据进行处理，得到图像分类结果。本发明基于给定图像数据，通过最大化互信息方式，自动设计确定神经网络的网络结构和参数，用于图像分类，无需繁杂的人工设计，节省人力资源和计算资源消耗。本发明能在极短的时间内，自动设计得到基于神经网络的图像分类方法，同时能实现较高的图像分类准确率。

公开(公告)号：CN111860495A

公开(公告)日：2020-10-30

申请号：CN202010568944.4

申请日：2020-06-19

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种层级化网络结构搜索方法、设备及可读存储介质，包括：S1，构建超网络；S2，获取图像数据并分别作为超网络的网络参数、结构参数的训练数据；S3，生成特征图，计算网络参数的交叉熵损失函数，更新超网络的网络参数；S4，生成特征图和KL散度损失函数，计算结构参数的交叉熵损失函数，得到半隐含变分丢弃损失函数，训练更新超网络的结构参数并得到丢弃概率；S5，利用丢弃概率更新基本单元，更新退火参数；重复S3～S5，更新网络参数和结构参数；S6，得到最终网络。本发明在保证较高的性能同时大幅度减少搜索时间和降低计算复杂度，保证了搜索的稳定性和实用性，可用于图像目标检测、分类等领域，提高图像处理速度。

公开(公告)号：CN111860495B

公开(公告)日：2022-05-17

申请号：CN202010568944.4

申请日：2020-06-19

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种层级化网络结构搜索方法、设备及可读存储介质，包括：S1，构建超网络；S2，获取图像数据并分别作为超网络的网络参数、结构参数的训练数据；S3，生成特征图，计算网络参数的交叉熵损失函数，更新超网络的网络参数；S4，生成特征图和KL散度损失函数，计算结构参数的交叉熵损失函数，得到半隐含变分丢弃损失函数，训练更新超网络的结构参数并得到丢弃概率；S5，利用丢弃概率更新基本单元，更新退火参数；重复S3～S5，更新网络参数和结构参数；S6，得到最终网络。本发明在保证较高的性能同时大幅度减少搜索时间和降低计算复杂度，保证了搜索的稳定性和实用性，可用于图像目标检测、分类等领域，提高图像处理速度。

公开(公告)号：CN113936173A

公开(公告)日：2022-01-14

申请号：CN202111170350.9

申请日：2021-10-08

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  刘育辰 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种最大化互信息的图像分类方法、设备、介质及系统，包括：采集训练图像；最大化训练图像和神经网络结构的互信息，自动确定神经网络的网络结构和参数；采用得到的所述神经网络对待分类的图像数据进行处理，得到图像分类结果。本发明基于给定图像数据，通过最大化互信息方式，自动设计确定神经网络的网络结构和参数，用于图像分类，无需繁杂的人工设计，节省人力资源和计算资源消耗。本发明能在极短的时间内，自动设计得到基于神经网络的图像分类方法，同时能实现较高的图像分类准确率。

公开(公告)号：CN113673591A

公开(公告)日：2021-11-19

申请号：CN202110931387.2

申请日：2021-08-13

Applicant: 上海交通大学

Inventor： 戴文睿 ,  王曜明 ,  刘育辰 ,  李成林 ,  邹君妮 ,  熊红凯

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种自调整采样优化的图像分类方法、设备及介质，包括：获取训练图像；最小化训练图像分类的交叉熵，自动确定深度神经网络的网络结构和参数；采用得到的所述深度神经网络对待分类图像进行处理，得到图像分类结果。本发明能基于给定的图像数据，自动调整设计基于深度神经网络的图像分类方法，减少人为设计的繁杂性和人力资源消耗，同时在计算资源限定的情况下，能实现较高的分类准确率，保证了图像分类方法的稳定性和实用性。