公开(公告)号：CN113505642A

公开(公告)日：2021-10-15

申请号：CN202110627547.4

申请日：2021-06-04

Applicant: 北京大学

Inventor： 段凌宇 ,  戴永兴 ,  李晓彤

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种提升目标重识别泛化性的方法、装置、设备及存储介质，方法包括：将未知领域的样本图像数据输入预训练的多领域专家混合模型,得到每个领域的专属特征以及所述样本图像的查询特征；计算所述查询特征与所述专属特征的平均相似度，根据所述平均相似度确定所述样本图像与每个领域的相关性；根据领域相关性对每个领域的专属特征进行加权聚合，得到聚合特征；根据所述聚合特征对所述样本图像进行目标重识别。根据本公开实施例提供的提升目标重识别泛化性的方法，通过利用元学习和多领域专家混合模型，对已知领域数据特征进行动态地聚合以生成在未知领域数据上具有强泛化能力的特征，从而提升目标识别领域的泛化性。

公开(公告)号：CN113505642B

公开(公告)日：2023-10-24

申请号：CN202110627547.4

申请日：2021-06-04

Applicant: 北京大学

Inventor： 段凌宇 ,  戴永兴 ,  李晓彤

IPC: G06V40/10 ,  G06V20/52 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种提升目标重识别泛化性的方法、装置、设备及存储介质，方法包括：将未知领域的样本图像数据输入预训练的多领域专家混合模型,得到每个领域的专属特征以及所述样本图像的查询特征；计算所述查询特征与所述专属特征的平均相似度，根据所述平均相似度确定所述样本图像与每个领域的相关性；根据领域相关性对每个领域的专属特征进行加权聚合，得到聚合特征；根据所述聚合特征对所述样本图像进行目标重识别。根据本公开实施例提供的提升目标重识别泛化性的方法，通过利用元学习和多领域专家混合模型，对已知领域数据特征进行动态地聚合以生成在未知领域数据上具有强泛化能力的特征，从而提升目标识别领域的泛化性。

公开(公告)号：CN118332894A

公开(公告)日：2024-07-12

申请号：CN202410277306.5

申请日：2024-03-12

Applicant: 北京大学

Inventor： 段凌宇 ,  胡子轩 ,  李晓彤 ,  胡一淳

IPC: G06F30/27 ,  G06F17/11 ,  G06F111/20 ,  G06F119/14

Abstract: 本申请提出一种模型选择方法、装置、设备及存储介质，该方法包括：获取模型库中各网络模型针对目标数据集的初始预测结果；分别建立各网络模型的动力学方程，动力学方程用于反映网络模型的预测结果关于时间的变化率；基于各网络模型的初始预测结果，分别对各动力学方程求解，得到各网络模型的预测结果跟随时间变化的闭式解；基于各网络模型对应的闭式解，分别确定各网络模型在目标时刻对应的目标预测结果；基于各网络模型各自对应的目标预测结果，确定各网络模型的性能排序，以确定目标网络模型。本申请实施例通过引入基于动力学微分方程的模型优选方法，充分考虑了微调过程中的非线性动态，提高了模型选择的准确性和效率。

公开(公告)号：CN118865011A

公开(公告)日：2024-10-29

申请号：CN202410807160.0

申请日：2024-06-21

Applicant: 北京大学

Inventor： 段凌宇 ,  胡子轩 ,  胡一淳 ,  李晓彤 ,  徐铭阳

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0985

Abstract: 本公开提出一种用于部署阶段的模型优化方法、装置、设备及存储介质，该方法包括：当图像识别模型被部署到目标域时，获取目标域的多个第一样本数据；对多个第一样本数据分别进行特征提取，得到与多个第一样本数据一一对应的多个特征向量；针对多个特征向量中的任意一个特征向量，计算与特征向量对应的增广熵损失函数的数值；根据每个特征向量对应的增广熵损失函数的数值，从多个第一样本数据中筛选出多个第二样本数据；基于多个第二样本数据以及对应的增广熵损失函数，对图像识别模型进行模型优化，得到优化后的图像识别模型。本实施例不仅提高了部署阶段模型对目标域的适配能力，而且在保证适配效果的同时，显著降低了实际部署的时间和资源消耗。