公开(公告)号：CN114723010A

公开(公告)日：2022-07-08

申请号：CN202210379156.X

申请日：2022-04-12

Applicant: 重庆大学

Inventor： 古富强 ,  窦家锐 ,  陈超 ,  王婧 ,  郭青松 ,  刘柏杉

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明涉及一种异步事件数据的自动学习增强方法及系统，属于计算机视觉识别技术领域。该方法包括以下步骤：S1、将异步事件流和相应的图像分辨率作为事件数据输入；S2、初始化变量，包括模型初始化参数、最佳增强策略数N和搜索宽度T等；S3、采用表征方法预训练深度学习模型；S4、用学习策略(优化器)在搜索空间中采样增强策略，并在预训练模型上进行评价，选出最佳的增强策略；S5、用最佳的增强策略增强原始事件数据并输出。本方法通过采用不同的自动学习策略选择更有效的事件增强策略，解决了深度学习模型过拟合问题。实验结果表明，EventAugment可以显著提高深度学习模型在各种基于事件的数据集上的的泛化能力，并且优于最先进的方法。

公开(公告)号：CN114723010B

公开(公告)日：2023-05-26

申请号：CN202210379156.X

申请日：2022-04-12

Applicant: 重庆大学

Inventor： 古富强 ,  窦家锐 ,  陈超 ,  王婧 ,  郭青松 ,  刘柏杉

IPC: G06N3/0464 ,  G06N3/0985

Abstract: 本发明涉及一种异步事件数据的自动学习增强方法及系统，属于计算机视觉识别技术领域。该方法包括以下步骤：S1、将异步事件流和相应的图像分辨率作为事件数据输入；S2、初始化变量，包括模型初始化参数、最佳增强策略数N和搜索宽度T等；S3、采用表征方法预训练深度学习模型；S4、用学习策略(优化器)在搜索空间中采样增强策略，并在预训练模型上进行评价，选出最佳的增强策略；S5、用最佳的增强策略增强原始事件数据并输出。本方法通过采用不同的自动学习策略选择更有效的事件增强策略，解决了深度学习模型过拟合问题。实验结果表明，EventAugment可以显著提高深度学习模型在各种基于事件的数据集上的的泛化能力，并且优于最先进的方法。