一种基于深度神经网络的开集类别发掘与扩展方法与装置

    公开(公告)号:CN107506799B

    公开(公告)日:2020-04-24

    申请号:CN201710780217.2

    申请日:2017-09-01

    Abstract: 一种基于深度神经网络的样本分类方法,使用包含已定义类别样本的样本集训练待扩展分类模型,获得分类阈值信息;将包含未定义类别样本的样本集送入所述待扩展分类模型,根据所述待扩展分类模型的分类阈值信息确定至少部分所述未定义类别样本;人工标注未定义类别样本;在所述深度神经网络的分类层中增加权值转移矩阵列数,以增加模型识别类别的总数,其中,增加的权值列中包含与全局分类相关的第一信息和与类别间联系相关的第二信息;用人工标注的未定义类别样本增量训练更新后的模型。通过修改深度神经网络分类层权值转移矩阵,从而扩展深度神经网络,使其识别类别数动态增加,从而能处理开集识别问题,更贴近真实识别场景下的应用。

    数据流处理方法和系统
    8.
    发明授权

    公开(公告)号:CN102761487B

    公开(公告)日:2016-04-27

    申请号:CN201210242506.4

    申请日:2012-07-12

    Abstract: 本发明公开了一种数据流处理方法和系统,该方法用于借助众核处理器的多个处理核心对数据流进行解码处理,其中,多个处理器核心被划分为多个资源组,该方法包括:将数据流分配给多个资源组中的部分或全部;以及每个资源组对被分配到该资源组的数据流进行解码处理。本发明通过将数据流分配给多个处理核心划分得到的多个资源组中的部分或全部,并在每个资源组中对被分配到该资源组的数据流进行解码处理,从而能够对多个数据流进行并行处理,并且减少各个流的各个片段输入产生的响应延迟以及整个流的响应延迟,提高了处理效率,优化了处理器资源的使用。

Patent Agency Ranking