一种可在线学习的辅助数据标注方法

    公开(公告)号:CN110163224A

    公开(公告)日:2019-08-23

    申请号:CN201810062344.3

    申请日:2018-01-23

    Abstract: 本发明公开了一种可在线学习的辅助数据标注方法,包括第一次模型训练、使用模型标注数据、人工校正标注数据、再次训练优化模型的步骤,本发明的辅助数据标注方法可以在初试数据很少的情况下完成模型训练并将模型用于辅助数据标注,最重要的是本发明的方法通过使用每次辅助标注完成的数据再次训练模型来实现在线学习,进一步提升模型的性能,提高模型的目标检测的准确率,从而提升辅助标注数据的准确率,极大地减少了重复性的人工数据标注过程对时间和人力成本的耗费。

    基于推理高效的动态优化早退模型、方法、系统及设备

    公开(公告)号:CN119721254A

    公开(公告)日:2025-03-28

    申请号:CN202411921894.8

    申请日:2024-12-25

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于推理高效的动态优化早退模型、方法、系统及设备:在早退网络基础上,每个阶段分类分支中均插入旁支模块并进行残差连接,每个阶段的输出特征经对应旁支模块处理后,与对应阶段的输出特征进行残差连接,得到每个阶段新的分类特征,输入至对应分类器;每个分类器输出结果与置信度因子相乘,再经softmax函数获得预测分类概率值,再与输入图像对应标签计算交叉熵,得到每个阶段的损失;将上一阶段损失作为动态调整参数与本阶段损失相乘,得到本阶段动态调整后的损失;将所有阶段动态调整后的损失加权求和,得到最终总损失,利用该总损失训练模型;采用训练后的模型,对输入图像进行推理分类。

    一种基于集成异构图注意力网络的缺失多视图聚类方法

    公开(公告)号:CN114565783B

    公开(公告)日:2025-03-18

    申请号:CN202210209256.8

    申请日:2022-03-03

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于集成异构图注意力网络的缺失多视图聚类方法,所述方法主要包括以下步骤:基于非缺失视图学习一个公共的隐表示;基于公共隐表示构建k近邻图,基于不同视图的缺失情况构建特定的缺失模式图。通过集成k近邻图和不同视图的缺失模式图从而得到一个集成的异构图,代表不同缺失模式下样本间的相互关系;利用图注意力机制进一步加强了样本间的交互,从而学习到一组结构化的隐空间表示;将概率分布的一致性嵌入到网络中,从而学习一个一致的分布用于聚类。在多个真实数据集上的实验结果验证本发明所提方法在缺失多视图聚类上的有效性和鲁棒性。

    用于自动驾驶可迁移式对抗攻击的样本生成方法及装置

    公开(公告)号:CN118692055A

    公开(公告)日:2024-09-24

    申请号:CN202410805235.1

    申请日:2024-06-21

    Abstract: 本公开提供了一种用于自动驾驶可迁移式对抗攻击的样本生成方法及装置,可以应用于自动驾驶技术领域和智能识别技术领域。该方法包括:利用干扰块对原始样本图像中补丁位置进行处理,得到对抗样本图像,干扰块是具有噪声的图像,补丁位置是将原始样本图像输入训练后的自注意力机制模型得到的;利用目标识别模型中的特征混合块对原始样本图像的干净特征和对抗特征进行混合处理,得到待更新对抗样本图像,目标识别模型是基于损失函数值训练识别模型得到的,损失函数值是基于识别模型的损失函数处理原始样本图像和对抗样本图像得到的;利用基于梯度的优化算法对待更新对抗样本图像中的扰动块进行更新,得到目标对抗样本图像。

    基于分布不确定性的多模态特征迁移人群计数方法及装置

    公开(公告)号:CN116704432A

    公开(公告)日:2023-09-05

    申请号:CN202310594811.8

    申请日:2023-05-25

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于分布不确定性的多模态动态特征迁移人群计数方法及装置,方法包括:多模态动态特征迁移计数网络使用ResNet101残差网络作为主干,以双流网络结构提取多模态特征,并生成人群概率密度图;在多模态特征提取过程中依据基于分布不确定性的通道动态交互机制进行模态间特征信息交互;获取双流特征提取网络输出的概率密度图,通过决策级自适应融合模块实现多模态输出结果的自适应融合;得到融合后的多模态人群概率密度图后,对密度图进行积分得到人群的数目。装置包括:处理器和存储器。本发明规避了在不良成像条件下仅使用单一模态图像计数的劣势,更好的利用多模态特征提高人群计数性能。

    基于多重邻居节点的多重语义影响的网络链接预测方法

    公开(公告)号:CN110851491B

    公开(公告)日:2023-06-30

    申请号:CN201910985752.0

    申请日:2019-10-17

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于多重邻居节点的多重语义影响的网络链接预测方法,涉及数据挖掘、拓扑结构分析,属于社会计算领域的一个研究问题。包括以下步骤:数据解析,基于社交网络中节点行为以及节点关系数据,解析节点兴趣特征以及网络结构特征。模型训练,模型结合多重邻居节点的多重语义影响,获取得到每个节点的嵌入向量。预测分析,使用节点对的嵌入向量之间的相似性来测量存在好友链接的概率。本发明不使用邻居的恒定影响分数,而是模拟每个邻居对该节点的特殊语义影响。本发明联合模拟了网络嵌入训练中邻居节点的局部级和全局级语义影响,并为每个节点训练基于所有邻居节点的语义影响的联合嵌入向量。

    一种基于机器人的实时语义地图生成方法及装置

    公开(公告)号:CN115147637A

    公开(公告)日:2022-10-04

    申请号:CN202210262541.6

    申请日:2022-03-17

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于机器人的实时语义地图生成方法及装置,所述方法包括:将拓扑地图生成方式与深度学习特征提取相结合,在机器人遍历环境时两者相互并行运算并在特征聚合时进行关联和数据融合,当机器人遍历环境完成时实时输出带有语义信息的拓扑地图。所述装置包括:处理器和存储器。本发明结合了两种拓扑图的构建方式来生成新的语义地图,并提出了新的基于深度学习和拓扑图像结合的图像特征聚合,提高了路径规划的精度,进而提高了机器人的服务质量。

Patent Agency Ranking