-
公开(公告)号：CN113792630A
公开(公告)日：2021-12-14
申请号：CN202111010548.0
申请日：2021-08-31
Applicant: 北京大学
Abstract: 本发明公开一种基于对比学习的外星地表图像识别方法及系统，属于图像识别领域，通过搭建图像识别模型，并对该模型进行类间对比学习和相似性学习训练，来识别外星地表图像。本发明能够在不引入额外人类监督的条件下，使模型自适应学习新样本类型与数据域分布，进而兼容未知环境，更加准确地识别外星地表图像，满足探索应用需求。
-
公开(公告)号：CN119254236A
公开(公告)日：2025-01-03
申请号：CN202411291946.8
申请日：2024-09-14
Applicant: 北京大学
Abstract: 本发明公开一种基于范畴论建模的编码智能优化方法及系统，属于智能编码技术领域。该方法包括：基于编码任务，确定提取数据之间的关系集合的建模范式，并根据所述建模范式，构建编码模型；生成内容数据集，并基于编码任务需要的关系集合对内容数据集进行标注；根据编码任务下的数据放缩结构，确定压缩目标；基于所述压缩目标，在标注后的内容数据集上训练所述编码模型；使用训练后的编码模型完成所述编码任务。本发明通过引入结合模型训练与压缩优化过程，提升紧致表征下的推理性能，以提高编码性能。
-
公开(公告)号：CN115240024A
公开(公告)日：2022-10-25
申请号：CN202210687676.7
申请日：2022-06-16
Applicant: 北京大学
Abstract: 本发明涉及一种联合自监督学习和半监督学习的地外图片分割方法和系统。该方法对于地外图片通过掩码图片建模的方式进行自监督预训练，使得模型学习到多样鲁棒的特征空间表示，然后通过半监督方式来微调模型，充分利用地外数据中未标注部分的信息，使得模型在下游任务即语义分割上能有更好的表现。本发明通过自监督学习预训练使得网络可以在无标签数据中学习到良好的特征表示，并且提高了半监督方式下微调阶段的伪标签预测质量，同时微调阶段通过产生伪标签来利用未标注区域的监督信息，使得模型输出的预测结果更准确。本发明能够显著提升图片分割性能。
-
Patent Agency Ranking
公开(公告)号：CN115205309A
公开(公告)日：2022-10-18
申请号：CN202210612847.X
申请日：2022-05-31
Applicant: 北京大学
IPC: G06T7/11 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于半监督学习的地外图片分割方法及装置，所述方法包括：获取训练数据集，并构建图片分割网络；对所述图片分割网络进行预训练；将所述样本图片馈入预训练后的所述图片分割网络；基于所述第一分类器输出的预测分割结果与所述第二分类器输出的下采样特征图在特征像素级别上的对比学习，对预训练后的所述图片分割网络进行训练，其中，每轮训练结束后，将高置信度的未标注区域与已标注区域融合，以获得下一轮训练的标注区域；将目标地外图片输入训练后的所述图片分割网络，得到所述目标地外图片的分割结果。本发明通过引入了更多的监督信号以及设计的像素级对比学习的策略，从而显著提升了图片分割性能。
-
公开(公告)号：CN114419724B
公开(公告)日：2024-12-13
申请号：CN202011074346.8
申请日：2020-10-09
Applicant: 北京大学
IPC: G06V40/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于多任务自监督学习的动作识别方法及电子装置，包括：使用编码器对待识别动作数据进行编码；对编码后的数据进行分类，将概率最大的类别判定为待识别动作数据的动作类别；其中，编码器进行训练时的自监督任务包括：动作预测自监督任务、拼图自监督任务和对比学习自监督任务。本发明设计了适用于动作数据的自监督任务以及训练策略，并通过多种自监督任务，提升动作数据的动作识别准确率。
-
公开(公告)号：CN119007282A
公开(公告)日：2024-11-22
申请号：CN202410951883.8
申请日：2024-07-16
Applicant: 北京大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于夏普利值引导数据混合的长尾骨架动作识别方法，属于动作识别领域和长尾学习领域。本发明通过夏普利值计算人体骨架数据中不同关节部位的显著性，裁剪尾部类别的显著性运动区域，进行数据混合增强。本发明解决了长尾分布下骨架动作识别准确率低的问题，扩充了尾部类别的数据样本，促进了尾部类别的决策边界学习。本发明通过在线动量更新显著性估计结果，生成更具表示性的混合数据，并采用长尾学习的重加权损失对模型进行优化训练，显著提升了尾部类别的识别效果和模型的泛化能力。
-
公开(公告)号：CN113792630B
公开(公告)日：2023-11-07
申请号：CN202111010548.0
申请日：2021-08-31
Applicant: 北京大学
IPC: G06V20/10 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/09
Abstract: 本发明公开一种基于对比学习的外星地表图像识别方法及系统，属于图像识别领域，通过搭建图像识别模型，并对该模型进行类间对比学习和相似性学习训练，来识别外星地表图像。本发明能够在不引入额外人类监督的条件下，使模型自适应学习新样本类型与数据域分布，进而兼容未知环境，更加准确地识别外星地表图像，满足探索应用需求。
-
公开(公告)号：CN114419724A
公开(公告)日：2022-04-29
申请号：CN202011074346.8
申请日：2020-10-09
Applicant: 北京大学
IPC: G06V40/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于多任务自监督学习的动作识别方法及电子装置，包括：使用编码器对待识别动作数据进行编码；对编码后的数据进行分类，将概率最大的类别判定为待识别动作数据的动作类别；其中，编码器进行训练时的自监督任务包括：动作预测自监督任务、拼图自监督任务和对比学习自监督任务。本发明设计了适用于动作数据的自监督任务以及训练策略，并通过多种自监督任务，提升动作数据的动作识别准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
