公开(公告)号：CN118365979A

公开(公告)日：2024-07-19

申请号：CN202310125213.6

申请日：2023-01-19

Applicant: 华为技术有限公司 ,  北京大学

Inventor： 王奕森 ,  罗润冬 ,  王一飞 ,  黄维然 ,  姚骏

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/094

Abstract: 一种模型训练方法，应用于人工智能技术领域。在该方法中，在执行对抗对比学习方法的过程中，采用了动态的数据增强策略，即数据增强强度随着训练迭代次数的增加而发生变化，进而有效地平衡了对比学习和对抗训练之间针对于数据增强的矛盾，提高训练得到的模型的鲁棒性。

公开(公告)号：CN115641483A

公开(公告)日：2023-01-24

申请号：CN202211129606.6

申请日：2022-09-16

Applicant: 北京大学

Inventor： 刘家瑛 ,  罗润冬 ,  汪文靖

IPC: G06V10/774 ,  G06V10/20 ,  G06V40/16 ,  G06V10/48 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种无监督低光照域自适应训练方法及检测方法。本方法为：1)收集有标注的正常光照训练数据、无标注的低光照训练数据和预训练模型；在预训练模型的特征提取器之后连接一多层感知器，得到第一模型；2)利用正常光照数据训练第一模型中多层感知器；3)构建深度凹曲线模型置于第一模型中特征提取器之前，得到第二模型；4)利用低光照数据训练第二模型中的深度凹曲线模型；5)利用深度凹曲线模型对低光照数据进行提亮后输入预训练模型，将预测所得标签作为低光照数据的伪标签；6)利用正常光照数据及带伪标签的低光照数据对预训练模型进行训练微调；7)对于待处理的低光照图像提亮后输入微调后的预训练模型，输出对应的检测结果。