公开(公告)号：CN115661542A

公开(公告)日：2023-01-31

申请号：CN202211388184.4

申请日：2022-11-08

Applicant: 中国科学院计算技术研究所

Inventor： 欧凤婵 ,  胡蓝青 ,  阚美娜 ,  山世光

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25

Abstract: 本发明提供一种基于特征关系迁移的小样本目标检测模型的训练方法，所述方法包括：S1、获取训练集和支撑集，并用训练集对预训练的两阶段模型进行训练以获得初始化的目标检测基础模型和感兴趣区域调整模块；S2、采用训练集和支撑集将由经初始化的目标检测基础模型、感兴趣区域调整模块、特征提取网络、关系注意力模块、类别分类模块、检测框位置回归调整模块组成的训练模型进行多次迭代训练至收敛以获得由目标检测基础模型、感兴趣区域调整模块、特征提取网络、检测框位置回归调整模块、类别分类模块组成的最终的小样本目标检测模型。本发明提高了小样本目标检测模型对目标的定位能力，也可以在拥有对小样本类别的识别能力的同时，解决其对基类类别存在学习遗忘问题。

公开(公告)号：CN115631382A

公开(公告)日：2023-01-20

申请号：CN202211388172.1

申请日：2022-11-08

Applicant: 中国科学院计算技术研究所

Inventor： 赖楠 ,  阚美娜 ,  胡蓝青 ,  山世光

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/08

Abstract: 本发明提供一种基于类内偏差迁移的小样本图像分类模型的训练方法包括：S1、获取图像训练集和支撑集，并以图像训练集中的样本为输入、样本分类为输出，用图像训练集将图像编码器和分类器组成的基础图像分类模型训练至收敛以获得初始化的图像编码器；其中，所述图像训练集中包括多个基类，每个基类具有多个带类别标签的样本；所述支撑集中包括多个与基类的类别不同的新类，每个新类具有满足小样本任务要求且具有类别标签的样本；S2、用图像训练集和支撑集对由所述初始化的图像编码器、预训练语言模型、选择器、多个偏差预测器、分类器组成的基本模型进行多次迭代训练直至收敛以获得由图像编码器和分类器组成的小样本图像分类模型。

公开(公告)号：CN118262411A

公开(公告)日：2024-06-28

申请号：CN202410418093.3

申请日：2024-04-08

Applicant: 中国科学院计算技术研究所

Inventor： 万之凡 ,  张杰 ,  胡蓝青 ,  邬书哲 ,  山世光

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464

Abstract: 本发明提出一种基于协同自监督视频表示学习的视频动作识别方法和装置，包括：将人物动作视频输入视频编码器进行特征提取，得到训练视频特征序列；通过图像编码器对人物动作视频的关键帧信息进行特征提取，得到图像特征序列，训练视频特征序列和图像特征序列通过对比学习损失约束，获取训练视频静态特征序列；融合训练视频静态特征序列和人物动作视频的人物动作特征序列，得到融合特征序列，根据融合特征序列重建恢复视频，根据恢复视频和人物动作视频构建损失函数训练图像编码器；在训练完成后的编码器后添加全连接层，得到中间动作识别模型，通过已标注动作类别标签的视频数据集微调中间动作识别模型，以完成动作识别任务。