-
公开(公告)号：CN110826638B
公开(公告)日：2023-04-18
申请号：CN201911099492.3
申请日：2019-11-12
Applicant: 福州大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于重复注意力网络的零样本图像分类模型，包括重复注意力网络模块，用于训练并获取图像区域序列信息；生成对抗网络模块，用于获取视觉误差信息；视觉特征提取网络处理模块，用于得到图像一维视觉特征向量；属性语义转换网络模块，用两层的线性激活层将低维的属性语义向量映射到与视觉特征向量维度相同的高维特征向量；视觉‑属性语义衔接网络，实现视觉特征向量与属性语义特征向量的融合；得分分类结果和奖励输出模块，采用交叉熵损失对已见过带标签的类别进行分类，而奖励输出是对未见过的无标签数据进行惩罚，以及惩罚无标签数据中见过的类别和未见过的类别最有可能性的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
公开(公告)号：CN110826639A
公开(公告)日：2020-02-21
申请号：CN201911099506.1
申请日：2019-11-12
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种利用全量数据训练零样本图像分类方法，包括以下步骤：步骤S1:将全量数据分为源数据和目标数据；步骤S2:将源数据集和目标数据集输入视觉特征网络，将原始图像映射到视觉特征空间,得到图像视觉特征向量；步骤S3:将原始图像的低维属性语义通过语义转换网络映射到高维，得到语义特征向量；步骤S4:根据得到的图像视觉特征向量和语义特征向量，利用视觉-属性语义衔接网络完成融合，得到拼接结果；步骤S5:根据拼接结果，通过得分子网络在语义空间中产生原始图像每一类的得分，并根据得分输出最终的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
公开(公告)号：CN117392258A
公开(公告)日：2024-01-12
申请号：CN202311553856.7
申请日：2023-11-21
Applicant: 福州大学
IPC: G06T11/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于生成对抗网络的生成对称蕾丝图像的方法，提出了一种基于StyleGAN2的改进模型SStyleGAN（Symmetry StyleGAN），用于生成交叉对称的的蕾丝图像。在判别器的方面，为了强化提出模型对图像对称性的关注度，本方法增加了对称判别器，即SStyleGAN采用双判别器结构；在生成器方面，为了提高蕾丝图像左右两边特征图的相似性，本方法基于StyleGAN2的损失函数，增加了均方误差损失项；在噪声输入方面，为了控制蕾丝图像在蕾丝花边等细节处的对称性，将StyleGAN2模型的噪声采样函数修改为对称结构，使噪声输入本身具备对称性。
-
公开(公告)号：CN110826638A
公开(公告)日：2020-02-21
申请号：CN201911099492.3
申请日：2019-11-12
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于重复注意力网络的零样本图像分类模型，包括重复注意力网络模块，用于训练并获取图像区域序列信息；生成对抗网络模块，用于获取视觉误差信息；视觉特征提取网络处理模块，用于得到图像一维视觉特征向量；属性语义转换网络模块，用两层的线性激活层将低维的属性语义向量映射到与视觉特征向量维度相同的高维特征向量；视觉-属性语义衔接网络，实现视觉特征向量与属性语义特征向量的融合；得分分类结果和奖励输出模块，采用交叉熵损失对已见过带标签的类别进行分类，而奖励输出是对未见过的无标签数据进行惩罚，以及惩罚无标签数据中见过的类别和未见过的类别最有可能性的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
公开(公告)号：CN110516694A
公开(公告)日：2019-11-29
申请号：CN201910607816.3
申请日：2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于代价敏感学习的排水管道缺陷自动检测方法，包括：构建排水管道数据集；估算每种错误分类带来的损失，构建代价矩阵；通过代价矩阵构建置信度向量；基于置信度向量构建代价敏感的卷积神经网络；并使用管道数据集训练代价敏感的卷积神经网络。使用训练好的网络对待识别的图像进行识别，得到图像中包含缺陷的概率。基于代价矩阵构建的代价敏感的卷积神经网络能够以最小化代价为目标而不是盲目地追求分类精度，从而实现更为经济，有效的排水管道缺陷自动检测系统。
-
Patent Agency Ranking
公开(公告)号：CN108876870B
公开(公告)日：2022-12-13
申请号：CN201810538118.8
申请日：2018-05-30
Applicant: 福州大学
Abstract: 本发明涉及一种考虑纹理复杂性的域映射GANs图像着色方法，收集图像，并建立图像训练集；对图像训练集进行预处理，包括：图像深度检测、图像裁剪和图像归一化；通过模型选择、图像集的复杂性计算以及循环一致损失系数选择，利用反向传播和Adam优化算法更新模型网络参数，进行模型训练；输入待着色的图像，采用步骤S3计算待着色图像集的图像集合复杂性，选择与其复杂性相同且已训练的模型，进行图像着色，输出相应的着色图像。本发明提出的方法能根据图像集纹理复杂度，选取大小合适的循环一致损失系数，使得模型能够对不同纹理复杂性的图像进行着色，具有很好的通用性；同时将深度学习引入图像着色领域，为图像着色提供了一种新的思路。
-
-
公开(公告)号：CN109784091B
公开(公告)日：2022-11-22
申请号：CN201910038938.5
申请日：2019-01-16
Applicant: 福州大学
Abstract: 本发明涉及一种融合差分隐私GAN和PATE模型的表格数据隐私保护方法。包括步骤1：使用原始表格数据训练差分隐私生成模型；步骤2：使用原始表格数据在差分隐私预算下训练教师分类器；步骤3：使用生成模型生成“虚假”表格数据，并使用教师分类器对“虚假”表格数据预测标签，挑选预测标签和生成标签一致的数据，定义“可用”数据集，使用“可用”数据集训练学生分类器；步骤4：将生成模型和学生分类器发布，使用生成模型合成数据，使用学生模型挑选数据，完成数据分析任务。本发明方法是在数据发布阶段对表格数据实施隐私保护，数据分析师不可以通过生成模型复原原始训练数据，也不能通过学生模型推测原始训练数据，实现对原始表格数据的保护，并满足数据分析师对数据的需求。
-
公开(公告)号：CN111274396B
公开(公告)日：2022-06-07
申请号：CN202010062565.8
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06F40/247 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于外部知识的视角级文本情感分类方法及系统，包括步骤：对视角级文本进行特征化处理，并捕获文本的双向语义依赖关系；通过动态注意力机制将当前单词与外部知识同义词相结合，并引入哨兵向量避免外部知识对模型的误导；通过位置注意力机制来判断每个单词对视角词的贡献程度；通过计算每个记忆内容的注意力得分，利用门限循环单元将每层的注意力得分与上一层的输出结果非线性结合，并将最后一层作为文本的情感特征表示；利用分类函数得到最终的情感分类结果。本发明能够提高视角级文本情感分类的性能和降低资源的消耗。
-
公开(公告)号：CN112199504B
公开(公告)日：2022-06-03
申请号：CN202011184688.5
申请日：2020-10-30
Applicant: 福州大学
IPC: G06F16/35 , G06F40/247 , G06F40/30 , G06N3/04
Abstract: 本发明涉及一种融合外部知识与交互注意力机制的视角级文本情感分类方法及系统，包括步骤：构建带有外部知识的文本序列内容，同时引入哨兵向量改善外部知识对模型的误导作用；构建带有交互信息及位置信息的记忆内容；构建记忆内容的多层注意力表示，并将注意力结果与门控循环单元非线性结合，最终形成视角级文本情感特征表示；采用分类函数得到文本最终的情感分类结果。本发明能够对视角级文本进行特征化处理，并通过BiLSTM从文本中提取语义特征，然后通过多层注意力机制，得到最终的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.018 seconds)
