公开(公告)号：CN110222824A

公开(公告)日：2019-09-10

申请号：CN201910484484.4

申请日：2019-06-05

Applicant: 中国科学院自动化研究所

Inventor： 赵鑫 ,  黄凯奇 ,  张靖 ,  白岩

IPC: G06N3/04

Abstract: 本发明属于人工智能领域，具体涉及一种智能算法模型自主生成及进化方法、系统、装置，旨在为了解决高效低功耗智能分析算法模型的便捷生成及进化问题。本发明通过LSTM网络模型和优化评测结果综合得分的方法，逐步生成智能算法模型的子结构信息以构建中间结构信息，每一个子结构信息完成后都会组合成一个当前状态的网络模型，通过对网络模型的训练与评测得到当前动作的评测得分用以指导下一个子结构信息的生成，直到在模型的评测结果达到预设条件得到自主进化的最优的智能算法模型。本发发明方法可以有效、简便的进行高速低功耗的智能算法模型的构建。

公开(公告)号：CN111985572A

公开(公告)日：2020-11-24

申请号：CN202010877341.2

申请日：2020-08-27

Applicant: 中国科学院自动化研究所

Inventor： 赵鑫 ,  贾书坤 ,  张靖 ,  白岩

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于深度学习、计算机视觉及细粒度图像分类领域，具体涉及了一种基于特征比较的通道注意力机制的细粒度图像识别方法、系统及装置，旨在解决在细粒度图像标注数据较少的情况下，常规模型的识别正确率较低、细粒度分类模型结构复杂的问题。本发明包括：提取样本的特征图并经过非线性映射和平均池化后得到基本特征向量；计算并更新类别平均特征向量，与样本基本特征向量比较；对比较结果进行编码；根据样本基本特征向量学习特征通道的基础注意力权重；融合编码结果和基础注意力权重并进行映射，得到最终注意力权重引导模型训练；将训练后的模型应用到细粒度图像识别中。本发明以简单有效的方式提升了常规分类器在细粒度任务中的分类准确性。

公开(公告)号：CN110222824B

公开(公告)日：2020-11-17

申请号：CN201910484484.4

申请日：2019-06-05

Applicant: 中国科学院自动化研究所

Inventor： 赵鑫 ,  黄凯奇 ,  张靖 ,  白岩

IPC: G06N3/04

Abstract: 本发明属于人工智能领域，具体涉及一种智能算法模型自主生成及进化方法、系统、装置，旨在为了解决高效低功耗智能分析算法模型的便捷生成及进化问题。本发明通过LSTM网络模型和优化评测结果综合得分的方法，逐步生成智能算法模型的子结构信息以构建中间结构信息，每一个子结构信息完成后都会组合成一个当前状态的网络模型，通过对网络模型的训练与评测得到当前动作的评测得分用以指导下一个子结构信息的生成，直到在模型的评测结果达到预设条件得到自主进化的最优的智能算法模型。本发发明方法可以有效、简便的进行高速低功耗的智能算法模型的构建。

公开(公告)号：CN111985572B

公开(公告)日：2022-03-25

申请号：CN202010877341.2

申请日：2020-08-27

Applicant: 中国科学院自动化研究所

Inventor： 张靖 ,  贾书坤 ,  赵鑫 ,  白岩

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于深度学习、计算机视觉及细粒度图像分类领域，具体涉及了一种基于特征比较的通道注意力机制的细粒度图像识别方法、系统及装置，旨在解决在细粒度图像标注数据较少的情况下，常规模型的识别正确率较低、细粒度分类模型结构复杂的问题。本发明包括：提取样本的特征图并经过非线性映射和平均池化后得到基本特征向量；计算并更新类别平均特征向量，与样本基本特征向量比较；对比较结果进行编码；根据样本基本特征向量学习特征通道的基础注意力权重；融合编码结果和基础注意力权重并进行映射，得到最终注意力权重引导模型训练；将训练后的模型应用到细粒度图像识别中。本发明以简单有效的方式提升了常规分类器在细粒度任务中的分类准确性。