公开(公告)号：CN119647550A

公开(公告)日：2025-03-18

申请号：CN202411697586.1

申请日：2024-11-26

Applicant: 北京大学

Inventor： 杜世宏 ,  余昊 ,  李治江 ,  张修远

IPC: G06N3/0895 ,  G06N3/084 ,  G06N3/045 ,  G06V10/82 ,  G06V10/774 ,  G06V20/10

Abstract: 本发明提供一种高效且高兼容性的半监督学习模型训练方法及设备，方法包括：将有标签和无标签的图像数据按照一定的比例组合成若干批；将数据逐批次输入ACCT半监督学习框架中的两条支路上待训练的模型中；将两个模型输出的预测结果通过交叉伪监督的方式来计算预测损失，并反向传播预测损失，用于同时更新两个模型的参数；按照上述步骤迭代训练多个轮次，直到两个模型的损失曲线收敛。本发明基于深度学习对半监督学习模型的训练方法进行了优化，提升了训练的效果、简化了训练的步骤、降低了训练的成本。

公开(公告)号：CN102054046A

公开(公告)日：2011-05-11

申请号：CN201110000213.0

申请日：2011-01-04

Applicant: 北京大学 ,  武汉大学 ,  首都师范大学

Inventor： 杜世宏 ,  李治江 ,  邓磊

IPC: G06F17/30

Abstract: 本发明提供了一种多尺度空间关系数据库及其查询方法。所述多尺度空间数据库包括：详细尺度数据模块（101），用于存储详细尺度上的地理对象数据；详细空间关系计算模块（102），用于根据所述详细尺度数据计算获得详细空间关系数据；空间关系组合表（103），用于根据一个或多个详细空间关系，推导在粗略尺度上的地理对象之间的粗略空间关系；以及多尺度查询模块（104），进行多尺度空间关系查询。利用地理对象之间空间关系的尺度变化是有限的和可预测的特性，建立空间关系组合表，通过查询空间关系组合表和尺度推导算法，由详细空间关系获得所述粗略空间关系，进而实现针对详细和粗略空间关系的多尺度查询，本发明的查询能减少几何计算量，查询效率更高，而且可以实现跨尺度的空间关系查询。

公开(公告)号：CN102054046B

公开(公告)日：2013-04-10

申请号：CN201110000213.0

申请日：2011-01-04

Applicant: 北京大学 ,  武汉大学 ,  首都师范大学

Inventor： 杜世宏 ,  李治江 ,  邓磊

IPC: G06F17/30

Abstract: 本发明提供了一种多尺度空间关系数据库及其查询方法。所述多尺度空间数据库包括：详细尺度数据模块（101），用于存储详细尺度上的地理对象数据；详细空间关系计算模块（102），用于根据所述详细尺度数据计算获得详细空间关系数据；空间关系组合表（103），用于根据一个或多个详细空间关系，推导在粗略尺度上的地理对象之间的粗略空间关系；以及多尺度查询模块（104），进行多尺度空间关系查询。利用地理对象之间空间关系的尺度变化是有限的和可预测的特性，建立空间关系组合表，通过查询空间关系组合表和尺度推导算法，由详细空间关系获得所述粗略空间关系，进而实现针对详细和粗略空间关系的多尺度查询，本发明的查询能减少几何计算量，查询效率更高，而且可以实现跨尺度的空间关系查询。