-
公开(公告)号：CN116778264B
公开(公告)日：2023-12-12
申请号：CN202311070387.3
申请日：2023-08-24
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/774
Abstract: 本申请实施例提供了一种基于类增学习的对象分类方法、图像分类方法及相关设备，属于人工智能技术领域。该方法包括：获取提示码本和训练数据特征表示；将提示码本和训练数据特征表示输入至原始分类模型的提示组合网络进行提示预测得到组合提示数据；通过原始分类模型的提示加权网络对组合提示数据和训练数据特征表示进行加权处理得到加权提示信息；通过原始分类模型的分类网络对加权提示信息和训练数据特征表示进行分类得到分类预测结果；根据分类验证结果和分类预测结果对原始分类模型进行优化得到目标分类模型；通过目标分类模型对目标数据进行分类得到目标分类结果。本申请能够在新增数据时保留旧知识学习，提高分类准确性，降低数据量存储。
-
公开(公告)号：CN116778264A
公开(公告)日：2023-09-19
申请号：CN202311070387.3
申请日：2023-08-24
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/774
Abstract: 本申请实施例提供了一种基于类增学习的对象分类方法、图像分类方法及相关设备，属于人工智能技术领域。该方法包括：获取提示码本和训练数据特征表示；将提示码本和训练数据特征表示输入至原始分类模型的提示组合网络进行提示预测得到组合提示数据；通过原始分类模型的提示加权网络对组合提示数据和训练数据特征表示进行加权处理得到加权提示信息；通过原始分类模型的分类网络对加权提示信息和训练数据特征表示进行分类得到分类预测结果；根据分类验证结果和分类预测结果对原始分类模型进行优化得到目标分类模型；通过目标分类模型对目标数据进行分类得到目标分类结果。本申请能够在新增数据时保留旧知识学习，提高分类准确性，降低数据量存储。
-
公开(公告)号：CN116776157B
公开(公告)日：2023-12-12
申请号：CN202311034854.7
申请日：2023-08-17
Applicant: 鹏城实验室
IPC: G06F18/214 , G06F18/21 , G06F18/213 , G06F18/22 , G06F18/2413 , G06N3/096 , G06N3/0455
Abstract: 本发明公开了一种支持模态增加的模型学习方法及其装置，所述方法包括以下步骤：获取具有不同模态特征的训练数据，模态特征包括但不限于文本信息、可见光图像和热红外图像；将训练数据输入到预设的学习模型，生成与模态特征对应的模型分支；计算训练数据的特征损失值，并根据特征损失值对模型分支进行优化；联合优化后的模型分支，对学习模型进行测试，能对少量的数据进行有效训练，并准确地处理不同模态的训练数据，提高模型学习方法的兼容性。
-
公开(公告)号：CN116776157A
公开(公告)日：2023-09-19
申请号：CN202311034854.7
申请日：2023-08-17
Applicant: 鹏城实验室
IPC: G06F18/214 , G06F18/21 , G06F18/213 , G06F18/22 , G06F18/2413 , G06N3/096 , G06N3/0455
Abstract: 本发明公开了一种支持模态增加的模型学习方法及其装置，所述方法包括以下步骤：获取待传送数据，并生成能还原成待传送数据的种子数据；加密处理待传送数据和种子数据，得到加密数据和检验码；传送加密数据，得到接收数据，并验证检验码；在检验码存在异常的情况下，把检验码对应的种子数据还原成待传送数据，并比较待传送数据与接收数据。通过生成能还原成待传送数据的种子数据，能快速地识别出数据传送过程中的异常信息，并及时地查找到错误原因，提高数据传送的安全性。
-
-
-
Search Results
4
records
(took 0.028 seconds)
