-
公开(公告)号：CN117935030B
公开(公告)日：2024-10-25
申请号：CN202410336507.8
申请日：2024-03-22
Applicant: 广东工业大学
IPC: G06V10/98 , G06N3/0499 , G06N3/0985 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种双视角相关性感知正则化的多标签置信度校准方法，包括：首先进行特定类别对比学习；其次进行实例级相关性感知正则化；然后进行原型级相关感知正则化；最后计算实例级相关性感知正则化平滑后的标签和原型级相关性感知正则化平滑后的标签的损失函数，并结合样本总损失计算得到置信度。本发明通过学习类别相关性来建模语义混淆，引入双重视角的相关性感知正则化，并将这些相关性引入到自适应正则化中，从而提高置信度的准确性，提高了计算机图像处理在高风险领域的实用性。
-
公开(公告)号：CN118015522A
公开(公告)日：2024-05-10
申请号：CN202410336432.3
申请日：2024-03-22
Applicant: 广东工业大学
IPC: G06V20/40 , G06F16/34 , G06V10/62 , G06V10/764 , G06V10/70
Abstract: 本发明涉及计算机图像处理和机器学习领域，更具体，用于视频场景图生成的时间过渡正则化方法和系统，本发明创建以图像的类别和上下文为条件的转换矩阵，以捕获基于每个类别的统计相关性以及基于每个上下文图像的细粒度相关性，并以显式方式将这些相关性合并到当前的VidSGG算法中，以提供更强、更细粒度的正则化，本发明着重解决视频中时间相关性的建模和利用，以提升人工智能对视频内容语义分析性能，在高风险领域，如自动驾驶和医疗诊断中，本发明可以提供更准确的场景图生成，有助于提高决策的可信度。
-
公开(公告)号：CN118015522B
公开(公告)日：2024-09-24
申请号：CN202410336432.3
申请日：2024-03-22
Applicant: 广东工业大学
IPC: G06V20/40 , G06F16/34 , G06V10/62 , G06V10/764 , G06V10/70
Abstract: 本发明涉及计算机图像处理和机器学习领域，更具体，用于视频场景图生成的时间过渡正则化方法和系统，本发明创建以图像的类别和上下文为条件的转换矩阵，以捕获基于每个类别的统计相关性以及基于每个上下文图像的细粒度相关性，并以显式方式将这些相关性合并到当前的VidSGG算法中，以提供更强、更细粒度的正则化，本发明着重解决视频中时间相关性的建模和利用，以提升人工智能对视频内容语义分析性能，在高风险领域，如自动驾驶和医疗诊断中，本发明可以提供更准确的场景图生成，有助于提高决策的可信度。
-
公开(公告)号：CN117935030A
公开(公告)日：2024-04-26
申请号：CN202410336507.8
申请日：2024-03-22
Applicant: 广东工业大学
IPC: G06V10/98 , G06N3/0499 , G06N3/0985 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种双视角相关性感知正则化的多标签置信度校准方法，包括：首先进行特定类别对比学习；其次进行实例级相关性感知正则化；然后进行原型级相关感知正则化；最后计算实例级相关性感知正则化平滑后的标签和原型级相关性感知正则化平滑后的标签的损失函数，并结合样本总损失计算得到置信度。本发明通过学习类别相关性来建模语义混淆，引入双重视角的相关性感知正则化，并将这些相关性引入到自适应正则化中，从而提高置信度的准确性，提高了计算机图像处理在高风险领域的实用性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
