公开(公告)号：CN120014337A

公开(公告)日：2025-05-16

申请号：CN202510080813.4

申请日：2025-01-20

Applicant: 中国石油大学(华东)

Inventor： 罗道斌 ,  张卫山 ,  刘原歌 ,  刘宇儒 ,  乔荍

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明公开了一种基于超网络的个性化联邦对比学习图像分类方法，该方法包括以下步骤：服务器初始化嵌入网络、超网络和全局类别向量，并下发嵌入网络和全局类别向量至客户端；客户端利用嵌入网络模型提取客户端描述符，并发送至服务器；服务器基于客户端描述符利用超网络模型为客户端生成分类模型，并发送至各客户端；客户端基于本地数据计算本地类别向量，并使用对比学习方式训练分类模型；客户端发送分类模型的更新量和本地类别向量至服务器；服务器更新全局类别向量、嵌入网络和超网络；服务器将训练好的嵌入网络下发至客户端；客户端基于嵌入网络提取客户端描述符，并发送至服务器；服务器基于客户端描述符利用超网络生成分类模型，并发送至各客户端；客户端利用分类模型进行图像分类。有益效果：通过嵌入网络和超网络联合建模、采用对比学习方式本地训练，实现了数据异构场景下图像分类准确率的提升。

公开(公告)号：CN119107504A

公开(公告)日：2024-12-10

申请号：CN202411256100.0

申请日：2024-09-09

Applicant: 中国石油大学(华东)

Inventor： 刘宇儒 ,  张卫山 ,  刘原歌 ,  苗一帆 ,  罗道斌 ,  宋代远 ,  王嘉凯

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/77 ,  G06V10/82 ,  G06V10/94 ,  G06V20/17 ,  G06N3/098 ,  G06N3/084 ,  G06N3/045

Abstract: 本发明公开了一种大小模型融合的无人机图片分类模型生成方法，该方法包括以下步骤：首先，将无人机采集的数据进行数据清洗、正负采样等预处理；在大模型中设计低维特征提取模块提取出低维Embedding，确保Embedding的维度与尺寸一致性；然后,设计高维特征提取模块提取出高维Embedding，通过注意力机制、线性网络等网络使Embedding具有更强的表达与判别能力；将高维Embedding输入到超网络中，超网络使用高维Embedding与预处理后的数据为每个无人机生成图像分类小模型；最后，通过小模型的图片分类结果，大模型分析无人机的运行态势与并生成应对措施；有益效果：提高了无人机图片分类的准确率，又可以提供专业的应对措施。