公开(公告)号：CN115115886B

公开(公告)日：2024-08-06

申请号：CN202210811820.3

申请日：2022-07-11

Applicant: 北京航空航天大学 ,  北京京航计算通讯研究所

Inventor： 王磊 ,  王瑞生 ,  白洋 ,  张依漪

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/766 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/0895

Abstract: 提供了基于teacher‑student模型的半监督目标检测方法。包括以下步骤：获取半监督目标检测数据集D；在有标注数据集DL上按照全监督目标检测方法，用模型预测样本#imgabs0#的标注得到teacher模型；利用的teacher模型，对无标签数据XU做预测，生成伪标签，并用伪标签更新标注集合YU；对无标注样本集合XU进行数据增强第五步，训练student模型；将student模型的权重参数θs以指数滑动平均的方式更新至teacher模型的权重θt中；进行数轮迭代，以最终的teacher模型作为所述基于teacher‑student模型的半监督目标检测方法训练的目标模型。

公开(公告)号：CN115115886A

公开(公告)日：2022-09-27

申请号：CN202210811820.3

申请日：2022-07-11

Applicant: 北京航空航天大学 ,  北京京航计算通讯研究所

Inventor： 王磊 ,  王瑞生 ,  白洋 ,  张依漪

IPC: G06V10/764 ,  G06V10/80 ,  G06V20/10 ,  G06N3/04 ,  G06N3/08

Abstract: 提供了基于teacher‑student模型的半监督目标检测方法。包括以下步骤：获取半监督目标检测数据集D；在有标注数据集DL上按照全监督目标检测方法，用模型预测样本的标注得到teacher模型；利用的teacher模型，对无标签数据XU做预测，生成伪标签，并用伪标签更新标注集合YU；对无标注样本集合XU进行数据增强第五步，训练student模型；将student模型的权重参数θs以指数滑动平均的方式更新至teacher模型的权重θt中；进行数轮迭代，以最终的teacher模型作为所述基于teacher‑student模型的半监督目标检测方法训练的目标模型。

公开(公告)号：CN116108912A

公开(公告)日：2023-05-12

申请号：CN202310145789.9

申请日：2023-02-21

Applicant: 北京航空航天大学 ,  北京京航计算通讯研究所

Inventor： 王磊 ,  张建 ,  公璇 ,  刘玉晓 ,  王薇 ,  张宝昌 ,  王瑞生 ,  白洋 ,  张依漪

IPC: G06N3/082 ,  G06N3/04

Abstract: 本发明公开了启发式神经网络架构搜索方法及信息处理设备。所提供的启发式神经网络架构搜索方法，包括：获取用层次化表示技术描述的待搜索的神经网络模型的单元堆叠模型；对所述多个单元的每个单元的各边进行采样，得到待搜索的神经网络模型的实例；对所述神经网络模型的实例进行训练和验证，得到验证集正确率；更新各个单元的各边的所采样操作的操作性能；更新各个单元的各边所采样操作的置信上限；更新各个单元的各边的各操作被采样的概率；从各个单元的各边的操作空间中去除操作以缩小操作空间；以及将各个单元的各边的操作空间剩余的最后操作作为所选择的操作，并得到要搜索的神经网络架构。

公开(公告)号：CN116524298A

公开(公告)日：2023-08-01

申请号：CN202310483764.X

申请日：2023-04-28

Applicant: 北京航空航天大学

Inventor： 王磊 ,  王瑞生

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/096

Abstract: 提供了基于特征存储库与对比学习的半监督目标检测方法，使用特征存储库用于存储高质量特征向量，并用对比学习对无标签数据的特征向量进行约束，能够建立有标签数据对无标签数据的额外监督信息，规范模型的训练，优化训练的方向，提升了模型的性能，具有现实意义和良好应用前景。

公开(公告)号：CN116681961A

公开(公告)日：2023-09-01

申请号：CN202310479797.7

申请日：2023-04-28

Applicant: 北京航空航天大学

Inventor： 王磊 ,  王瑞生 ,  王自锄

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0895

Abstract: 本发明提供了基于半监督方法和噪声处理的弱监督目标检测方法。所提供的基于半监督方法和噪声处理的弱监督目标检测方法，其特征在于，包括以下步骤：S1:获取弱监督目标检测数据集，其中所有图像的标签为图像级标签；S2:对弱监督目标检测数据集中的所有图像预提取候选框，用于弱监督目标检测模型的训练；S3:构建弱监督目标检测模型Mw训练并生成初始的实例级噪声伪标签；S4:构建半监督目标检测模型Ms，使用步骤S3生成的噪声伪标签训练Ms，对噪声伪标签在训练中进行处理，分为可信标签和不可信标签，对应于半监督任务中的有标签数据和无标签数据，将标签和数据送入Ms进行半监督任务训练；S5:使用训练完成的Ms预测生成新的标签信息并替换的标签信息重新送入S4步骤迭代训练，重复K次，得到最终训练完成的目标检测模型。