公开(公告)号：CN117668449A

公开(公告)日：2024-03-08

申请号：CN202311550997.3

申请日：2023-11-21

Applicant: 南京信息职业技术学院

Inventor： 芮剑文 ,  汪楠 ,  樊涛 ,  杨少奇

IPC: G06F18/10 ,  G06F18/27

Abstract: 本发明公开了一种基于回归预测主动学习框架的样本去噪方法、装置、存储介质及设备，属于土木建筑材料科学技术领域，方法包括获取样本集，样本集为混凝土强度数据集；将样本集输入到构建好的回归预测主动学习框架中，得到去噪样本集，完成样本去噪；本发明提出了一种基于重标记的回归预测主动学习框架，该框架专注于处理带有标签噪声的标签样本，并通过重标记策略来提高模型的准确性，该框架通过在每次迭代中选择最有价值的样本进行标记，以减少样本标记的需求，并采用特定的重标记方法来处理标签噪声。通过这种方式，该框架能够在准确性和效率上取得平衡，构建更准确和鲁棒的回归预测模型，实现对有标签样本的去噪。

公开(公告)号：CN117079251A

公开(公告)日：2023-11-17

申请号：CN202311085115.0

申请日：2023-08-28

Applicant: 南京信息职业技术学院

Inventor： 孔钦 ,  王俊 ,  杨少奇

IPC: G06V20/58 ,  G06V10/82 ,  G06V10/56 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了交通标志检测技术领域的一种交通标志检测方法、装置、电子终端及存储介质，旨在解决提高识别检测效率，保证驾驶安全，避免交通事故的发生。其包括：采集待检测的目标图像；对所述目标图像进行图像预处理；对预处理后的目标图像进行特征提取，获取特征图；将所述特征图输入至训练好的Faster R‑CNN网络模型中，获取所述目标图像中的交通标志检测结果；其中，所述Faster R‑CNN网络模型采用训练样本集通过多任务训练获取；所述训练样本集中包含多张从样本集中随机筛选的样本图像；所述样本图像通过对所采集的原始道路图像进行图像预处理及特征提取后获取。本发明采用了Faster‑R‑CNN网络，能够提高交通标志检测效率。