公开(公告)号：CN116542301A

公开(公告)日：2023-08-04

申请号：CN202310510999.3

申请日：2023-05-08

Applicant: 北京大学

Inventor： 王勇涛 ,  林稚皓 ,  褚孝杰

IPC: G06N3/0495 ,  G06N3/06 ,  G06N3/096 ,  G06V10/82

Abstract: 本发明公开了一种基于神经网络架构搜索构建二值神经网络的方法，属于物体识别技术领域。该方法首先给出一个在图像识别任务上对二值神经网络友好的神经网络搜索空间模板，并提出一个通道数非递减策略来裁剪搜索空间；之后，基于该搜索空间生成对应二值神经网络超网，该超网包含众多候选二值子网，任一子网可以通过权重继承的方式从超网中获取对应参数；之后，提出了二值教师策略、二值转换模块和权重归一化模块三大部件，以优化二值神经网络超网的训练、增强搜索所得最终二值神经网络在图像识别等任务上的精度；最后，利用任意搜索算法，在二值神经网络超网上获取对应限制下的最优二值神经网络。本发明可以满足多种部署环境下的图像识别需求。

公开(公告)号：CN112990196A

公开(公告)日：2021-06-18

申请号：CN202110279301.2

申请日：2021-03-16

Applicant: 北京大学

Inventor： 王勇涛 ,  褚孝杰 ,  汤帜

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于超参数搜索和二阶段训练的场景文字识别方法及系统，包括最佳训练超参数搜索、二阶段训练和场景文字识别；基于对场景文字识别训练涉及的因素和超参数进行分析，建立搜索空间；基于该搜索空间，使用进化算法和代理任务建立最佳训练超参数搜索算法，搜索得到最优训练参数；再采用二阶段训练方式：通过使用辅助解码器指导编码器的学习过程增强编码器的图像特征提取能力，在模型训练过程中先后经过两种监督，提高场景文字的识别精度。本发明方法简单方便，且场景文字识别精度高。

公开(公告)号：CN112990196B

公开(公告)日：2023-10-24

申请号：CN202110279301.2

申请日：2021-03-16

Applicant: 北京大学

Inventor： 王勇涛 ,  褚孝杰 ,  汤帜

IPC: G06V30/19 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公布了一种基于超参数搜索和二阶段训练的场景文字识别方法及系统，包括最佳训练超参数搜索、二阶段训练和场景文字识别；基于对场景文字识别训练涉及的因素和超参数进行分析，建立搜索空间；基于该搜索空间，使用进化算法和代理任务建立最佳训练超参数搜索算法，搜索得到最优训练参数；再采用二阶段训练方式：通过使用辅助解码器指导编码器的学习过程增强编码器的图像特征提取能力，在模型训练过程中先后经过两种监督，提高场景文字的识别精度。本发明方法简单方便，且场景文字识别精度高。