公开(公告)号：CN114998891A

公开(公告)日：2022-09-02

申请号：CN202210556272.4

申请日：2022-05-17

Applicant: 电子科技大学

Inventor： 蔡世民 ,  宗雨欣 ,  陈枭 ,  魏子翔

IPC: G06V20/68 ,  G06N3/08 ,  G06V10/75 ,  G06V10/774 ,  G06V10/82

Abstract: 该发明公开了一种基于迁移学习的智能冰箱食材精准检测方法，属于图像识别领域。数据处理方面，考虑到智能冰箱食材的数据采集体量有限，本发明应用平移、旋转、缩放、Mosaic等方式进行数据增强，同时为了解决智能冰箱开关灯场景的问题，本发明应用图像处理技术对弱光环境图像进行数据增强，以提升模型在弱光环境的鲁棒性。网络模型方面，本发明以常规目标为源域、智能冰箱食材为目标域构建“预训练+微调”的迁移学习框架，通过在源域的大规模数据集上预训练模型以学习基础目标的特征提取经验，然后冻结部分网络，在目标域的有限数据集上微调模型以适应冰箱食材的数据分布特征，从而有效提高检测精度。

公开(公告)号：CN118505352A

公开(公告)日：2024-08-16

申请号：CN202410698708.2

申请日：2024-05-31

Applicant: 电子科技大学

Inventor： 蔡世民 ,  宗雨欣 ,  周洲 ,  傅佳旭 ,  胡铮

IPC: G06Q30/0601 ,  G06F18/10 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/048 ,  G06F16/9535 ,  G06F16/9536 ,  G06F18/213

Abstract: 该发明公开了一种基于多行为交互和对比学习的推荐方法，涉及信息处理技术领域。本发明的核心在于引入了一种多行为交互模型，该模型能够有效融合用户的多种行为数据，并利用对比学习策略增强模型对用户行为的理解能力。通过综合利用用户的多种交互行为，本发明能够更全面地理解和挖掘用户的偏好，从而提高推荐的准确性和个性化程度。针对传统推荐算法往往只关注单一的交互行为所面临的严重数据稀疏和冷启动问题，引入符合实际应用场景的多种用户项目交互行为类型进行推荐，以图神经网络为强有力的学习工具，在神经协同过滤的框架下充分建模不同行为和不同行为语义所反映的不同偏好强度，并进一步地进行消息传播和聚合。

公开(公告)号：CN116304299A

公开(公告)日：2023-06-23

申请号：CN202310003507.1

申请日：2023-01-03

Applicant: 电子科技大学

Inventor： 蔡世民 ,  刘一龙 ,  宗雨欣 ,  周洲

IPC: G06F16/9535 ,  G06F16/22 ,  G06N3/045 ,  G06N3/063 ,  G06N3/08 ,  G06N5/01 ,  G06N3/048

Abstract: 该发明公开了一种融和用户兴趣演化和梯度提升算法的个性化推荐方法，属于机器学习领域中的推荐系统研究领域。本发明模型推荐的产品与客户在训练数据结束后7天内购买的产品具有较高的符合率。在实验中，通过对原始数据的预处理和特征工程处理，提高了模型的排序和预测精度，提供了一种在该场景下有用的特征工程方法。给出了影响推荐系统排名结果的几个重要特征，为不断提高算法和推荐系统的准确性提供了一定的参考。本发明方法运用领域广泛，不仅仅是服装的个性化推荐，还可以移植到各种不同的推荐领域中，如音乐推荐，书籍推荐等。