公开(公告)号：CN117893876B

公开(公告)日：2024-11-08

申请号：CN202410027733.8

申请日：2024-01-08

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  刘牧潇 ,  张昕悦 ,  郑碎武 ,  刘智勇

IPC: G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/022 ,  G06V10/764

Abstract: 本发明提出了一种基于场景图的零样本训练方法、装置、存储介质和电子设备，涉及计算机视觉领域。零样本训练包括：获取与检测样本相关的第一知识图谱；获取第一知识图谱中与检测样本相关的类别信息和连接信息，构建与检测样本相关的第二知识图谱；根据图卷积神经网络对第二知识图谱的信息进行训练，得到第一训练检测模型；根据第一训练检测模型推理得到分类器；根据类别信息和连接信息构建场景图；根据场景图和分类器对第一训练检测模型进行训练，得到第二训练检测模型。本发明通过构建场景图结构，利用前景之间的交互信息，形成新任务和旧任务之间的关联，从而依托模型和旧任务之间的交互信息，实现对新任务的辨识。

公开(公告)号：CN117893876A

公开(公告)日：2024-04-16

申请号：CN202410027733.8

申请日：2024-01-08

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  刘牧潇 ,  张昕悦 ,  郑碎武 ,  刘智勇

IPC: G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/022 ,  G06V10/764

Abstract: 本发明提出了一种基于场景图的零样本训练方法、装置、存储介质和电子设备，涉及计算机视觉领域。零样本训练包括：获取与检测样本相关的第一知识图谱；获取第一知识图谱中与检测样本相关的类别信息和连接信息，构建与检测样本相关的第二知识图谱；根据图卷积神经网络对第二知识图谱的信息进行训练，得到第一训练检测模型；根据第一训练检测模型推理得到分类器；根据类别信息和连接信息构建场景图；根据场景图和分类器对第一训练检测模型进行训练，得到第二训练检测模型。本发明通过构建场景图结构，利用前景之间的交互信息，形成新任务和旧任务之间的关联，从而依托模型和旧任务之间的交互信息，实现对新任务的辨识。

公开(公告)号：CN117493889A

公开(公告)日：2024-02-02

申请号：CN202311822336.1

申请日：2023-12-27

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  刘牧潇 ,  许涛 ,  郑碎武 ,  刘智勇

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/23213 ,  G06F18/2415

Abstract: 本发明提出了一种增量式持续学习方法、装置、存储介质和电子设备，涉及机器人环境感知领域。增量式持续学习方法具体包括：获取旧任务数据和当前任务数据；根据K‑means聚类算法确定旧任务数据的样本；将当前任务数据作为当前任务数据的样本；将旧任务数据的样本和当前任务数据的样本整合；根据神经网络对整合后的数据样本进行训练。本发明的增量式持续学习的方法解决了在开放环境下环境感知的灾难性遗忘问题，提高了模型的整体性能。