“占求港”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于脉冲主动学习的机打发票字符识别方法-CN202110741349.0有效
发明人：解修蕊;刘贵松;于蓓;黄鹂;丁浩伦;占求港 -专利权人：电子科技大学
申请日： 2021-06-30 - 公布日： 2023-09-26 - 主分类号： G06V30/412 文献下载
摘要：本发明公开了一种基于脉冲主动学习的机打发票字符识别方法，该方法包括构建可直接训练的深度脉冲神经网络模型ResNet‑18和CIFARNet，并且设计了脉冲主动学习的具体步骤。主动学习用于挑选出能够给模型提供更多信息量的有效样本，使得用最少的数据量训练模型并达到最好的效果。我们在识别机打发票的项目中对脉冲主动学习算法进行字符识别应用，将机打发票的文字部分进行提取，并将提取的中文、英文、数字进行单字分割，最后把分割好的单个字符样本输入模型训练，模型能够筛选信息量最大的样本，我们只对模型挑选出的样本做人工标记。
一种基于脉冲主动学习发票字符识别方法

[发明专利]一种动态领域自适应方法、设备及计算机可读存储介质-CN201910427865.9有效
发明人：刘贵松;解修蕊;杨泽衡;张绍楷;占求港 -专利权人：电子科技大学中山学院;西南财经大学
申请日： 2019-05-22 - 公布日： 2023-08-01 - 主分类号： G06V10/778 文献下载
摘要：本发明公开了一种动态领域自适应方法、设备及计算机可读存储介质，包括以下步骤：基于原始图像数据获取源域数据集和目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络的各层级参数，并在卷积神经网络中全连接层中的输出层之前加入自适应层；计算卷积神经网络的自适应损失LMMD；基于自适应损失LMMD修改卷积神经网络的各层级参数，得到调整后的卷积神经网络；将目标域数据集代入调整后的卷积神经网络，获取图像数据识别的输出结果。本发明还同时公开了一种动态领域自适应设备及计算机可读存储介质。
一种动态领域自适应方法设备计算机可读存储介质

[发明专利]一种基于脉冲迁移学习的办公设备识别方法-CN202110741347.1有效
发明人：解修蕊;刘贵松;占求港;黄鹂;谢卓凯;邓文杰 -专利权人：电子科技大学
申请日： 2021-06-30 - 公布日： 2023-04-28 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于脉冲迁移学习的办公设备识别方法，根据迁移学习任务，将干净背景、高分辨率、无噪音的有标注的办公设备图像作为源域，实际场景下采集的不同噪声及分辨率的图像作为目标域；初始化脉冲神经网络参数，得到初始状态的迁移学习网络模型；将源域和目标域转换为脉冲形式的图片，输入至初始状态的迁移学习网络模型中，并正向传播；根据域迁移损失以及分类损失，使用Adamax优化器进行整个网络的训练，直到模型收敛或达到最大迭代次数，得到训练好的迁移学习网络模型；保存训练好的迁移学习网络模型，将目标域的全部样本输入导训练好的迁移学习网络模型中，预测得到最终的分类结果。
一种基于脉冲迁移学习办公设备识别方法

[发明专利]一种基于领域损失预测主动学习的玻璃缺陷检测方法-CN202110831710.9在审
发明人：刘贵松;解修蕊;张邵楷;占求港;黄鹂;杨新 -专利权人：西南财经大学
申请日： 2021-07-22 - 公布日： 2021-11-16 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于领域损失预测主动学习的玻璃缺陷检测方法，该方法定义了一个损失预测模型，该模型能与多标签分类模型共同训练优化，并对未标注样本池中的玻璃样本进行损失预测，排序后取前K个预测损失值最大的玻璃样本作为主动学习挑选出的高价值样本，标注后加入标注样本集中，用于训练多标签分类模型，从而对待检测玻璃中存在的缺陷类型进行识别。使用该方法能够有效提升模型在较小多标签图像样本量下的分类准确率，从而用较少的数据量使模型效果达到预期，降低样本标注成本。
一种基于领域损失预测主动学习玻璃缺陷检测方法

[发明专利]一种基于动态领域自适应学习的医学图像识别方法-CN202110832315.2在审
发明人：刘贵松;解修蕊;张鸿杰;黄鹂;占求港;郑余 -专利权人：西南财经大学
申请日： 2021-07-22 - 公布日： 2021-11-16 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于动态领域自适应学习的医学图像识别方法，涉及迁移学习技术领域，其解决了近红外脑成像中有标签数据获取成本高昂的难题。本发明包括以下步骤：基于ImageNet数据集进行预处理，得到源域数据集，同时使用近红外脑成像仪采集少量的脑部医学图像数据，得到目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络模型，利用反向传播算法对卷积神经网络进行训练，更新参数，直至网络收敛，完成训练；将目标域数据集代入训练好的卷积神经网络中，获取脑部医学图像数据的识别输出结果，进行测试。本发明实现了动态自动寻找进行迁移学习的最佳时机的功能，显著提高了网络的分类精度和收敛速。
一种基于动态领域自适应学习医学图像识别方法