-
公开(公告)号：CN118094414B
公开(公告)日：2024-07-30
申请号：CN202410503898.8
申请日：2024-04-25
Applicant: 西北工业大学
IPC: G06F18/2431 , G06F18/214 , G06F18/22 , G06V10/74 , G06V10/764
Abstract: 本发明提供了一种基于多模态参数扩展的多任务持续进化学习方法，在视觉模态方面设计轻量级的可学习视觉提示用于学习将全任务空间分解为离散的各任务子空间，保留不同领域的专业知识。同时，在文本模态采用语义级别的参数微调技术，通过引入外部的可学习模块动态调整文本特征，避免专业知识和通用知识间的相互干扰。借助视觉‑语言模态的同时参数扩展，能够极大程度保留预训练中的通用知识以及不同领域的专业知识。此外，本发明对损失函数采用动态调整策略，更好地辅助与促进多模态参数扩展更新，实现对新知识获取和旧知识保留的平衡。同时，本发明设计自适应参数扩展模块压缩算法，能够进一步避免参数量随任务数量持续增长的问题。
-
公开(公告)号：CN117036901A
公开(公告)日：2023-11-10
申请号：CN202310867841.1
申请日：2023-07-16
Applicant: 西北工业大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06N3/045 , G06N3/0895 , G06N3/09
Abstract: 本发明公开了一种基于视觉自注意力模型的小样本微调方法，采用在大规模数据集上进行预训练和在小样本任务上进行微调的流程，视觉自注意力模型被用作主干网络，同时构建一个可学习的转换模块norm adapter，由两个向量组成，用于校正原始视觉自注意力模型归一化层的增益和偏置，norm adapter位于视觉自注意力模型ViT的所有归一化层之后，通过逐元素的乘法和加法实现；在预训练期间，使用大规模数据集上以全监督或自监督方式训练的主干网络；在微调过程中，采用原型网络ProtoNet分类头。本发明计算简便，通过逐元素相乘和相加即可实现，因此占用的存储和计算资源比较少，有利于预训练模型投入实际应用场景。
-
公开(公告)号：CN115082704A
公开(公告)日：2022-09-20
申请号：CN202210278509.7
申请日：2022-03-16
Applicant: 西北工业大学
IPC: G06V10/62 , G06V10/75 , G06V10/80 , G06V10/82 , G06K9/62 , G06F16/33 , G06F16/36 , G06F40/242 , G06F40/289 , G06N3/04
Abstract: 本发明涉及一种基于相关性滤波的文本行人重识别方法，属于计算机视觉技术领域。包含三个部分，第一部分为提取行人图像特征和文本特征过程；第二部分为基于去噪滤波器来提取图像和关键词候选区域并进行全局特征的对齐；第三部分为基于字典滤波器的图像和文本的局部特征匹配过程，最终实现基于文本的行人重识别。本发明有效提取了行人图像和文本描述中的关键信息，同时自适应的进行局部特征的对齐，摆脱了对预处理方法的依赖，满足实时处理的需求。
-
公开(公告)号：CN117934517A
公开(公告)日：2024-04-26
申请号：CN202410310676.4
申请日：2024-03-19
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于散度聚类的单示例自进化目标检测分割方法，基于大量无标注样本构建具有代表性的标注候选池，为基于强化学习训练模型自进化地搜索上下文示例，最终送入通用视觉器完成指定的视觉任务，依据置信分数筛选候选池中最高的一批图像及标注作为上下文示例，最终实现不同场景下的图像检测分割。本发明大大降低了对标注数据的依赖，为解决真实世界广泛存在的长尾分布问题铺平了道路，同时，在不同的通用视觉器下，自适应动态地为测试图像挑选合适的示例，向不同应用场景下的图像检测分割任务提供了新的解决方案。
-
公开(公告)号：CN114494813A
公开(公告)日：2022-05-13
申请号：CN202111601881.9
申请日：2021-12-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于密集交叉注意力的指称表达生成方法，首先构建特征提取模块，从给定图像中提取目标特征；然后构建对象上下文注意模块，通过对象上下文注意模块得到目标的最终特征；然后将最终特征进行平均池化获得最终的视觉特征，使用LSTM作为生成模块，在每个时间步，将单词特征、视觉特征和隐藏状态连接，并将其作为LSTM模型的输入，LSTM模型的输出即为最终结果；损失函数采用生成损失和三元组损失组合。本发明可以对多模态数据进行建模并学习细粒度的特征表示，并能够在没有实例级注释的情况下生成无歧义的表达式。
-
Patent Agency Ranking
公开(公告)号：CN118628768A
公开(公告)日：2024-09-10
申请号：CN202410740105.4
申请日：2024-06-07
Applicant: 西北工业大学
IPC: G06V10/72 , G06V10/774 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/096 , G06N3/098 , G06N3/0985
Abstract: 本发明提供了一种基于自进化域迁移的目标关系识别方法，利用生成模型生成数据，并通过特征对齐方法来弥合生成数据和原始数据之间的域差异，从而提高目标关系识别基准模型的性能。这种方法显著减少了目标关系识别对大规模高质量真实数据的依赖，通过生成图像来填补数据缺少的问题，为将生成数据用于实际训练和目标关系识别提供了新的思路。本发明提出了场景对齐模块和实例对齐模块来对齐上下文场景特征和人‑物对实例特征，这为将生成数据用于实际训练和目标关系识别提供了新的思路，新的模型框架在精度和可用性方面都取得了进步。
-
公开(公告)号：CN117934517B
公开(公告)日：2024-07-05
申请号：CN202410310676.4
申请日：2024-03-19
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于散度聚类的单示例自进化目标检测分割方法，基于大量无标注样本构建具有代表性的标注候选池，为基于强化学习训练模型自进化地搜索上下文示例，最终送入通用视觉器完成指定的视觉任务，依据置信分数筛选候选池中最高的一批图像及标注作为上下文示例，最终实现不同场景下的图像检测分割。本发明大大降低了对标注数据的依赖，为解决真实世界广泛存在的长尾分布问题铺平了道路，同时，在不同的通用视觉器下，自适应动态地为测试图像挑选合适的示例，向不同应用场景下的图像检测分割任务提供了新的解决方案。
-
公开(公告)号：CN114494813B
公开(公告)日：2024-03-05
申请号：CN202111601881.9
申请日：2021-12-24
Applicant: 西北工业大学
IPC: G06V10/82 , G06N5/04 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于密集交叉注意力的指称表达生成方法，首先构建特征提取模块，从给定图像中提取目标特征；然后构建对象上下文注意模块，通过对象上下文注意模块得到目标的最终特征；然后将最终特征进行平均池化获得最终的视觉特征，使用LSTM作为生成模块，在每个时间步，将单词特征、视觉特征和隐藏状态连接，并将其作为LSTM模型的输入，LSTM模型的输出即为最终结果；损失函数采用生成损失和三元组损失组合。本发明可以对多模态数据进行建模并学习细粒度的特征表示，并能够在没有实例级注释的情况下生成无歧义的表达式。
-
公开(公告)号：CN117333655A
公开(公告)日：2024-01-02
申请号：CN202311242681.8
申请日：2023-09-25
Applicant: 西北工业大学
IPC: G06V10/25 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于超网络和条件聚合的小样本目标检测方法，首先采用共享权重的ResNet50卷积神经网络分别对待检测图像和新类实例进行特征提取；然后采用动态聚合模块生成与新类实例相关的特征向量，将这组特征向量作为超网络的条件向量，进而修正待检测图像不同区域的特征响应；最后基于多头跨注意力模块将待检测图像的局部特征和新类实例特征进行加强，再采用全局到局部的多关联匹配模块计算待检测图像的局部特征和新类实例特征的相似度，最终实现小样本目标检测。本发明实现了多层级交互待检测图像特征和新类特征的要求，降低了对大规模训练数据的依赖，实现了自适应动态的新类检测，为自然条件下小样本目标检测任务提供了一条新的思路。
-
公开(公告)号：CN117076621A
公开(公告)日：2023-11-17
申请号：CN202310832818.9
申请日：2023-07-09
Applicant: 西北工业大学
IPC: G06F16/332 , G06F16/33 , G06F16/532 , G06F16/583 , G06F18/25 , G06N5/04 , G06N5/045 , G06N3/092 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于一致性自评价策略的推理链自进化视觉推理方法，包括两个部分，第一部分为回答‑解释提示模块，第二部分为自我批判强化模块；在第一部分中，首先建立一个基本答案模板来获取基本答案分数，然后构建一个解释生成模板。第二部分中，通过引入序列采样算法来扩展搜索空间，并生成一组候选解释。同时，将答案视作奖励，以鼓励模型输出更详细的解释。本发明框架可以受益于大量的问答对，而无需人工标注解释，从而进一步提高模型的自我解释能力。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
