公开(公告)号：CN118298268A

公开(公告)日：2024-07-05

申请号：CN202410462258.7

申请日：2024-04-17

Applicant: 南通大学

Inventor： 杨赛 ,  梁寒洲 ,  张泫

IPC: G06V10/80 ,  G06N3/0464 ,  G06F17/16 ,  G06V10/82 ,  G06V10/74 ,  G06V10/764

Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于一阶和二阶无损统计自适应融合的深度表征算法，包括：对于利用深度卷积网络中的骨干网络提取的张量特征，进行粗粒度和细粒度的无损运算。然后，对于进行两阶段信息无损运算的张量特征，计算一阶和二阶统计特征，构建构建一阶和二阶自补偿转化矩阵，对一阶和二阶统计特征进行补偿运算。最后，对于完成自补偿运算的一阶统计特征和二阶统计特征，构建适配矩阵，完成一阶和二阶无损统计特征的自适应融合。本发明过张量特征的信息无损运算，一阶和二阶统计特征的补偿计算，自适应融合，能够减少张量特征中所蕴含的大量有限信息的损失，提高深度表征性能。

公开(公告)号：CN118298268B

公开(公告)日：2025-01-14

申请号：CN202410462258.7

申请日：2024-04-17

Applicant: 南通大学

Inventor： 杨赛 ,  梁寒洲 ,  张泫

IPC: G06V10/80 ,  G06N3/0464 ,  G06F17/16 ,  G06V10/82 ,  G06V10/74 ,  G06V10/764

Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于一阶和二阶无损统计自适应融合的深度表征算法，包括：对于利用深度卷积网络中的骨干网络提取的张量特征，进行粗粒度和细粒度的无损运算。然后，对于进行两阶段信息无损运算的张量特征，计算一阶和二阶统计特征，构建构建一阶和二阶自补偿转化矩阵，对一阶和二阶统计特征进行补偿运算。最后，对于完成自补偿运算的一阶统计特征和二阶统计特征，构建适配矩阵，完成一阶和二阶无损统计特征的自适应融合。本发明过张量特征的信息无损运算，一阶和二阶统计特征的补偿计算，自适应融合，能够减少张量特征中所蕴含的大量有限信息的损失，提高深度表征性能。