公开(公告)号：CN117636040A

公开(公告)日：2024-03-01

申请号：CN202311650494.3

申请日：2023-12-05

Applicant: 北京理工大学

Inventor： 孙嘉伟 ,  郝佳 ,  李益民

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06V10/40 ,  G06V10/774 ,  G06F16/55 ,  G06N3/096 ,  G06N3/0895

Abstract: 本发明公开了一种面向工业安全巡检的未知类别增量模型更新方法，具体步骤为：新增样本特征提取→特征能量分析→未知特征聚类→人工判定→类别新增→模型更新。考虑到未知类别的增量学习过程需要对新增样本所属类别进行判别，本发明提出了一种基于类别能量特征检测的增量学习方法，针对工况复杂的工业安全巡检任务，可以有效地学习到未知类别的出现。相比于现有的类别增量模型更新方法，本发明能够快速识别潜在的未知类别，不会错误地将其分类为某一种已知类别，并通过人在回路的方式提升模型更新的可靠性，并且，在识别未知类别的物体后，在多轮训练后，能够动态地将其以增量学习的形式更新到已存的数据库中，不发生灾难性遗忘。

公开(公告)号：CN117634589A

公开(公告)日：2024-03-01

申请号：CN202311650562.6

申请日：2023-12-05

Applicant: 北京理工大学

Inventor： 孙嘉伟 ,  郝佳 ,  李益民

IPC: G06N3/096 ,  G06N3/0442 ,  G06N3/0495 ,  G06N3/045 ,  G06N3/042 ,  G06F17/16 ,  G06F18/213 ,  G06F18/241

Abstract: 本发明公开了一种面向边缘工业安全巡检已知任务的模型更新方法，具体步骤为：已知任务新增样本特征提取→特征空间表示→构建新增样本特征记忆函数→奇异值分解→参数更新。考虑到增量学习过程中新数据特征对旧数据特征带来的特征偏移影响，出现学习新任务忘记旧任务的现象，本发明提出一种双层记忆映射的分段式增量学习方法，针对工况复杂的工业安全巡检任务，既可以实现对边缘新样本的任务识别，也可以保留原有样本或较少出现样本的任务识别。本发明提出一种参数压缩的正则器，可以提高网络参数的存储效率和增量学习的稳定性。相比于现有的增量模型更新方法，本发明能够缩减模型更新的请求次数和计算资源，在新增样本情况下提升模型泛化能力。

公开(公告)号：CN116433998A

公开(公告)日：2023-07-14

申请号：CN202211621263.5

申请日：2022-12-16

Applicant: 北京理工大学长三角研究院(嘉兴)

Inventor： 孙嘉伟 ,  周文权 ,  宫琳 ,  郝佳 ,  刘欣

IPC: G06V10/774 ,  G08B31/00 ,  G06V10/82 ,  G06V10/764 ,  G06V10/94 ,  G06V10/96 ,  G06V20/10 ,  G06F9/50

Abstract: 本发明公开了一种灾害预警方法，应用于云边协同系统，属于灾害预警领域。云边协同系统包括云端服务器、边缘节点和多个边缘终端，云端服务器通过边缘节点与多个边缘终端连接，云端服务器中存储有多种灾害预警模型。方法包括：云端服务器根据任务性质，从多种灾害预警模型中挑选出目标预警模型，通过边缘节点将目标预警模型下发至多个边缘终端；调低目标预警模型的初始置信度阈值，将预测目标发生概率大于初始置信度阈值的结果数据汇总至边缘节点，对结果数据重新标注后上传至云端服务器；将重新标注后的数据作为训练集，对边缘节点的目标预警模型进行再次训练，对目标预警模型进行更新；以替换当前的目标预警模型；通过目标预警模型进行灾害预警。