公开(公告)号：CN116246117A

公开(公告)日：2023-06-09

申请号：CN202310297826.8

申请日：2023-03-23

Applicant: 浙江大学

Inventor： 黄晨晰 ,  谢亮 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 本发明公开了一种适用于非独立同分布情况且具有隐私保护的图像分类方法，包括：(1)随机生成一个ETF结构；(2)用ETF结构初始化全局图像分类系统；(3)从所有的客户端中随机抽取K个客户端；(4)对于被抽到的客户端，首先初始化为全局图像分类系统，然后用其私有数据更新特征抽取模型，更新时考虑记忆向量；(5)使用步骤(4)所有客户端的特征向量更新记忆向量；(6)用客户端的局部图像分类系统更新全局图像分类系统；(7)重复步骤(3)～(6)，直到目标函数的损失值收敛；(8)将待分类的图像输入训练完的全局图像分类系统，得到图像分类结果。利用本发明，可以大大提升在非独立同分布数据集上基于联邦学习的图像分类质量。

公开(公告)号：CN115346210A

公开(公告)日：2022-11-15

申请号：CN202210995638.8

申请日：2022-08-18

Applicant: 浙江大学

Inventor： 黄晨晰 ,  彭亮 ,  陈铭浩 ,  吴小沛 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V20/64 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于单目相机的3D目标检测方法，包括：(1)根据单目相机的成像规则，对于每一个真实目标O，按比例生成具有相似成像的伪目标O′，构成图像数据集；(2)根据设计的质量分数函数，计算伪目标O′的质量分数；(3)使用深度网络提取图像数据集中每一张图像的特征F；(4)利用多层感知机，根据图像的特征F预测物体的3D信息以及预测目标的质量分数；(5)以步骤(2)得到的带有质量分数的伪目标O′和真实目标O作为监督信息，与步骤(4)的预测结果计算损失函数；(6)通过梯度反向传播，训练深度网络和多层感知机；(7)深度网络和多层感知机训练完毕，进行3D目标检测的应用。利用本发明，可大大提升单目目标检测的质量。