-
公开(公告)号：CN110135510B
公开(公告)日：2023-08-01
申请号：CN201910427865.9
申请日：2019-05-22
Applicant: 电子科技大学中山学院 , 西南财经大学
IPC: G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种动态领域自适应方法、设备及计算机可读存储介质，包括以下步骤：基于原始图像数据获取源域数据集和目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络的各层级参数，并在卷积神经网络中全连接层中的输出层之前加入自适应层；计算卷积神经网络的自适应损失LMMD；基于自适应损失LMMD修改卷积神经网络的各层级参数，得到调整后的卷积神经网络；将目标域数据集代入调整后的卷积神经网络，获取图像数据识别的输出结果。本发明还同时公开了一种动态领域自适应设备及计算机可读存储介质。
-
Patent Agency Ranking
公开(公告)号：CN113553917A
公开(公告)日：2021-10-26
申请号：CN202110741347.1
申请日：2021-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脉冲迁移学习的办公设备识别方法，根据迁移学习任务，将干净背景、高分辨率、无噪音的有标注的办公设备图像作为源域，实际场景下采集的不同噪声及分辨率的图像作为目标域；初始化脉冲神经网络参数，得到初始状态的迁移学习网络模型；将源域和目标域转换为脉冲形式的图片，输入至初始状态的迁移学习网络模型中，并正向传播；根据域迁移损失以及分类损失，使用Adamax优化器进行整个网络的训练，直到模型收敛或达到最大迭代次数，得到训练好的迁移学习网络模型；保存训练好的迁移学习网络模型，将目标域的全部样本输入导训练好的迁移学习网络模型中，预测得到最终的分类结果。
-
公开(公告)号：CN113553918B
公开(公告)日：2023-09-26
申请号：CN202110741349.0
申请日：2021-06-30
Applicant: 电子科技大学
IPC: G06V30/412 , G06V30/14 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于脉冲主动学习的机打发票字符识别方法，该方法包括构建可直接训练的深度脉冲神经网络模型ResNet‑18和CIFARNet，并且设计了脉冲主动学习的具体步骤。主动学习用于挑选出能够给模型提供更多信息量的有效样本，使得用最少的数据量训练模型并达到最好的效果。我们在识别机打发票的项目中对脉冲主动学习算法进行字符识别应用，将机打发票的文字部分进行提取，并将提取的中文、英文、数字进行单字分割，最后把分割好的单个字符样本输入模型训练，模型能够筛选信息量最大的样本，我们只对模型挑选出的样本做人工标记。
-
公开(公告)号：CN110135510A
公开(公告)日：2019-08-16
申请号：CN201910427865.9
申请日：2019-05-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种动态领域自适应方法、设备及计算机可读存储介质，包括以下步骤：基于原始图像数据获取源域数据集和目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络的各层级参数，并在卷积神经网络中全连接层中的输出层之前加入自适应层；计算卷积神经网络的自适应损失LMMD；基于自适应损失LMMD修改卷积神经网络的各层级参数，得到调整后的卷积神经网络；将目标域数据集代入调整后的卷积神经网络，获取图像数据识别的输出结果。本发明还同时公开了一种动态领域自适应设备及计算机可读存储介质。
-
公开(公告)号：CN113553918A
公开(公告)日：2021-10-26
申请号：CN202110741349.0
申请日：2021-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脉冲主动学习的机打发票字符识别方法，该方法包括构建可直接训练的深度脉冲神经网络模型ResNet‑18和CIFARNet，并且设计了脉冲主动学习的具体步骤。主动学习用于挑选出能够给模型提供更多信息量的有效样本，使得用最少的数据量训练模型并达到最好的效果。我们在识别机打发票的项目中对脉冲主动学习算法进行字符识别应用，将机打发票的文字部分进行提取，并将提取的中文、英文、数字进行单字分割，最后把分割好的单个字符样本输入模型训练，模型能够筛选信息量最大的样本，我们只对模型挑选出的样本做人工标记。
-
公开(公告)号：CN113553917B
公开(公告)日：2023-04-28
申请号：CN202110741347.1
申请日：2021-06-30
Applicant: 电子科技大学
IPC: G06V20/52 , G06T7/13 , G06T5/50 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/096 , G06N3/084
Abstract: 本发明公开了一种基于脉冲迁移学习的办公设备识别方法，根据迁移学习任务，将干净背景、高分辨率、无噪音的有标注的办公设备图像作为源域，实际场景下采集的不同噪声及分辨率的图像作为目标域；初始化脉冲神经网络参数，得到初始状态的迁移学习网络模型；将源域和目标域转换为脉冲形式的图片，输入至初始状态的迁移学习网络模型中，并正向传播；根据域迁移损失以及分类损失，使用Adamax优化器进行整个网络的训练，直到模型收敛或达到最大迭代次数，得到训练好的迁移学习网络模型；保存训练好的迁移学习网络模型，将目标域的全部样本输入导训练好的迁移学习网络模型中，预测得到最终的分类结果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
