-
Patent Agency Ranking
公开(公告)号：CN111738313B
公开(公告)日：2022-11-11
申请号：CN202010511084.0
申请日：2020-06-08
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于机器学习和迁移学习的交叉领域，公开一种基于多重网络合作的零样学习算法，包括生成网络一、生成网络二、对抗网络和重构网络。首先，将反向视觉特征空间作为嵌入空间，通过视觉特征中心生成网络实现映射。其次，采用更深层次的神经网络来生成，将残差网络模块引入到生成网络一和二中。之后，为减少过度拟合和提高可扩展性，引入一个对抗网络识别视觉特征中心的生成。最后，利用一个反向生成过程的重构网络来限制生成的视觉特征中心与每个类的原始语义表示之间的结构相关性。本发明在传统的零样本学习和广义零样本学习上都获得了令人满意的结果，对具有潜在应用前景的、识别无标注的海量未知类别的图像识别任务发挥促进作用。
-
公开(公告)号：CN111738940A
公开(公告)日：2020-10-02
申请号：CN202010491147.0
申请日：2020-06-02
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明提供一种基于自注意力机制模范生成对抗网络的人脸图像眼部补全方法，属于机器学习领域。首先选取一张属于同一身份的人的不同姿态的脸部照片作为参考，将对应的参考图像、参考图像的眼部、缺失图像、缺失图像的眼部以及10维的噪声向量输入到我们所构建的模型的生成器网络中，生成器网络由一定数量的卷积层、残差块、反卷积层构成，最终生成器输出一张经过补全的人脸图像。再将生成的补全图像经过鉴别器网络进行判别真假。本发明能够提高生成的人脸的眼部图像的质量，同时生成的眼部部位并不是直接简单复制参考图像的，并且生成的眼部部位没有陷入模式崩溃的问题，都是相对应各自身份的。
-
公开(公告)号：CN110334781A
公开(公告)日：2019-10-15
申请号：CN201910497533.8
申请日：2019-06-10
Applicant: 大连理工大学
Abstract: 一种基于Res-Gan的零样本学习算法，属于机器学习中的零样本学习领域。包括：1)：通过对属性空间的数据乘以权值，得到加权后的属性，实现属性的放大或抑制。2)在步骤1神经网络实现属性加权的基础上进行多激活函数融。3)在步骤2的基础上，设计残差结构，利用残差结构增加神经网络的深度，增加神经网络识别的准确率。4)在步骤3的基础上，设计生成对抗网络，生成对抗网络包含生成网络和判别网络，生成网络与残差结构相结合，通过两个网络之间的对抗，提高神经网络识别的准确率。本发明通过属性加权、多激活函数融合、残差结构、生成对抗网络等技术，使得神经网络训练的收敛速度大大提高，同时在AwA、CUB等数据集上的识别准确率也大幅提高。
-
公开(公告)号：CN111738940B
公开(公告)日：2022-04-12
申请号：CN202010491147.0
申请日：2020-06-02
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明提供一种基于自注意力机制模范生成对抗网络的人脸图像眼部补全方法，属于机器学习领域。首先选取一张属于同一身份的人的不同姿态的脸部照片作为参考，将对应的参考图像、参考图像的眼部、缺失图像、缺失图像的眼部以及10维的噪声向量输入到我们所构建的模型的生成器网络中，生成器网络由一定数量的卷积层、残差块、反卷积层构成，最终生成器输出一张经过补全的人脸图像。再将生成的补全图像经过鉴别器网络进行判别真假。本发明能够提高生成的人脸的眼部图像的质量，同时生成的眼部部位并不是直接简单复制参考图像的，并且生成的眼部部位没有陷入模式崩溃的问题，都是相对应各自身份的。
-
公开(公告)号：CN111738313A
公开(公告)日：2020-10-02
申请号：CN202010511084.0
申请日：2020-06-08
Applicant: 大连理工大学
Abstract: 本发明属于机器学习和迁移学习的交叉领域，公开一种基于多重网络合作的零样学习算法，包括生成网络一、生成网络二、对抗网络和重构网络。首先，将反向视觉特征空间作为嵌入空间，通过视觉特征中心生成网络实现映射。其次，采用更深层次的神经网络来生成，将残差网络模块引入到生成网络一和二中。之后，为减少过度拟合和提高可扩展性，引入一个对抗网络识别视觉特征中心的生成。最后，利用一个反向生成过程的重构网络来限制生成的视觉特征中心与每个类的原始语义表示之间的结构相关性。本发明在传统的零样本学习和广义零样本学习上都获得了令人满意的结果，对具有潜在应用前景的、识别无标注的海量未知类别的图像识别任务发挥促进作用。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
