公开(公告)号：CN119091256B

公开(公告)日：2025-02-11

申请号：CN202411570536.7

申请日：2024-11-06

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王子骏 ,  卢光明

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V20/69 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0499

Abstract: 本发明实施例公开了一种样本数据扩充方法、装置、电子设备及存储介质，涉及数字成像和深度学习技术领域，其中，所述方法包括：获取样本数据集的数字显微成像和标注作为训练集，设计初始数据扩充模型，根据初始数据扩充模型得到输出图像，初始数据扩充模型包括特征提取模型，特征生成模型和特征判别模型，使用特征判别模型对输入图像和输出图像进行对比得到损失值，根据损失值优化特征生成模型，使用训练集对初始数据扩充模型进行迭代优化直至达到设定条件，得到训练好的数据扩充模型，使用数据扩充模型对样本数据集进行扩充。本发明解决了现有技术只能在小样本数据集上进行模型训练，容易出现过拟合，泛化能力较差，难以取得良好效果的问题。

公开(公告)号：CN119091256A

公开(公告)日：2024-12-06

申请号：CN202411570536.7

申请日：2024-11-06

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王子骏 ,  卢光明

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V20/69 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0499

Abstract: 本发明实施例公开了一种样本数据扩充方法、装置、电子设备及存储介质，涉及数字成像和深度学习技术领域，其中，所述方法包括：获取样本数据集的数字显微成像和标注作为训练集，设计初始数据扩充模型，根据初始数据扩充模型得到输出图像，初始数据扩充模型包括特征提取模型，特征生成模型和特征判别模型，使用特征判别模型对输入图像和输出图像进行对比得到损失值，根据损失值优化特征生成模型，使用训练集对初始数据扩充模型进行迭代优化直至达到设定条件，得到训练好的数据扩充模型，使用数据扩充模型对样本数据集进行扩充。本发明解决了现有技术只能在小样本数据集上进行模型训练，容易出现过拟合，泛化能力较差，难以取得良好效果的问题。

公开(公告)号：CN118298217A

公开(公告)日：2024-07-05

申请号：CN202410321777.1

申请日：2024-03-20

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王子骏 ,  卢光明 ,  卢瑶

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明实施例公开了一种细粒度分类模型的训练方法、装置、电子设备及存储介质，涉及细粒度图像分类技术领域，其中，所述方法包括：获取样本图像的数字成像作为训练集；根据深度学习算法构建初始细粒度分类模型；基于孪生网络的思想和所述训练集对初始细粒度分类模型中的特征提取模型进行有监督预训练，充分收敛后基于迁移学习的思想将所述特征提取模型的权重冻结；通过特征识别模型获取各个训练样本的分类结果，根据分类结果与分类标签计算损失迭代优化特征识别模型，优化完成后得到训练完成的细粒度分类模型。本发明解决了现有技术中鉴定人才极度匮乏，细粒度样本的区分能力不足，易发生混淆与误检，导致细粒度样本分类准确度和效率低的问题。