公开(公告)号：CN109919301A

公开(公告)日：2019-06-21

申请号：CN201910141284.9

申请日：2019-02-26

Applicant: 杭州电子科技大学

Inventor： 郭春生 ,  夏尚琴 ,  章坚武 ,  陈华华

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于信息传输最大化准则的深度神经网络批量优化方法：首先，从动力学角度分析注入随机信号的原理，明确随机信号在深度神经网络中的作用，从而以此为基础，以批量为单位，在输入样本中注入随机信号；其次，以批量为单位，调节随机信号总功率：随着迭代次数的增加降低每个批量上的随机信号总功率，帮助算法逃离鞍点，收敛到最小值；最后，在每次迭代时，基于信息传输最大化准则在批量上合理分配随机信号功率，从而使得最终得到的模型性能达到均衡，具有良好的检测效果。

公开(公告)号：CN109165735A

公开(公告)日：2019-01-08

申请号：CN201810762313.9

申请日：2018-07-12

Applicant: 杭州电子科技大学

Inventor： 郭春生 ,  夏尚琴 ,  都文龙 ,  应娜

IPC: G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络与自适应比例生成新样本的方法，包括以下步骤:S1，在输入样本上直接添加由生成对抗网络生成的与输入样本分布接近的噪声；S2根据样本方差构造自适应比例，将输入样本与生成对抗网络生成的噪声以该比例进行融合生成新样本,新样本根据自适应比例调节噪声与输入样本比重；S3通过像素相加的操作为新样本补充原样本信息，生成有益于提高DNN检测率的最终样本。采用本方法提高了DNN的准确率，成本相对较小的，复杂度也更低。

公开(公告)号：CN108664885A

公开(公告)日：2018-10-16

申请号：CN201810224634.3

申请日：2018-03-19

Applicant: 杭州电子科技大学

Inventor： 郭春生 ,  都文龙 ,  夏尚琴 ,  应娜

IPC: G06K9/00 ,  G06K9/62

Abstract: 基于多尺度级联HourGlass网络的人体关键点检测方法：一：将输入图片生成128*128、64*64和32*32特征图；二：将128*128的特征图送入前2个Modified HourGlass模块中，此2个模块输入输出都为128*128特征图；三：将第2个Modified HourGlass模块输出的128*128特征图和128*128热点图进行下采样成64*64的特征图与步骤一生成的64*64特征图一并送入中间4个Modified HourGlass模块中，此4个模块的输入和输出均为64*64特征图；四：将第6个Modified HourGlass模块输出的64*64特征图和64*64热点图进行下采样成32*32特征图与步骤一生成的32*32特征图一并送入最后2个模块中；五：提取8个Modified HourGlass模块的损失函数，将损失函数相加；网络根据损失函数进行后向反馈，当损失函数达到预期值并稳定后停止训练。

公开(公告)号：CN108664885B

公开(公告)日：2021-08-31

申请号：CN201810224634.3

申请日：2018-03-19

Applicant: 杭州电子科技大学

Inventor： 郭春生 ,  都文龙 ,  夏尚琴 ,  应娜

IPC: G06K9/00 ,  G06K9/62

Abstract: 基于多尺度级联HourGlass网络的人体关键点检测方法：一：将输入图片生成128*128、64*64和32*32特征图；二：将128*128的特征图送入前2个Modified HourGlass模块中，此2个模块输入输出都为128*128特征图；三：将第2个Modified HourGlass模块输出的128*128特征图和128*128热点图进行下采样成64*64的特征图与步骤一生成的64*64特征图一并送入中间4个Modified HourGlass模块中，此4个模块的输入和输出均为64*64特征图；四：将第6个Modified HourGlass模块输出的64*64特征图和64*64热点图进行下采样成32*32特征图与步骤一生成的32*32特征图一并送入最后2个模块中；五：提取8个Modified HourGlass模块的损失函数，将损失函数相加；网络根据损失函数进行后向反馈，当损失函数达到预期值并稳定后停止训练。

公开(公告)号：CN109165735B

公开(公告)日：2020-06-23

申请号：CN201810762313.9

申请日：2018-07-12

Applicant: 杭州电子科技大学

Inventor： 郭春生 ,  夏尚琴 ,  都文龙 ,  应娜

IPC: G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络与自适应比例生成新图片的方法，包括以下步骤:S1，在输入图片上直接添加由生成对抗网络生成的与输入图片分布接近的噪声；S2根据图片方差构造自适应比例，将输入图片与生成对抗网络生成的噪声以该比例进行融合生成新图片,新图片根据自适应比例调节噪声与输入图片比重；S3通过图片和噪声像素相加的操作为新图片补充原图片信息，生成有益于提高DNN检测率的最终图片。采用本方法提高了DNN的准确率，成本相对较小的，复杂度也更低。