“王菡子”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81个，建议您升级VIP下载更多相关专利

[发明专利]基于知识蒸馏特征生成的长尾数据联邦学习方法和系统-CN202310452493.1在审
发明人：卢杨;吕凤玲;钱品馨;黄刚;华炜;王菡子 -专利权人：之江实验室;厦门大学
申请日： 2023-04-25 - 公布日： 2023-10-03 - 主分类号： G06N3/098 文献下载
摘要：本发明公开了一种基于知识蒸馏特征生成的长尾数据联邦学习方法和系统，在服务器上训练一个轻量级的生成模型。生成模型的输入为标签，输出为对应的特征。生成特征可以模拟真实特征的分布。在个性化模型的训练过程中，为每个客户端上的局部少数类生成更多特征，为其他类生成更少特征，这将有助于缓解每个客户端数据的严重不平衡。此外，全局模型是从局部模型聚合而来的，在全局头类中表现更好，而且能够获得高质量和含有丰富信息的特征。将全局模型的知识提取到个性化模型中可以帮助提高个性化模型的性能。通过生成特征来知识蒸馏来训练个性化模型。这样能够有效解决联邦异构长尾数据分布的问题，进一步提升了个性化联邦学习下的模型性能。
基于知识蒸馏特征生成长尾数据联邦学习方法系统

[发明专利]一种基于双分支干扰分离网络的人脸表情识别方法-CN202110551957.5有效
发明人：严严;莫榕云;王菡子 -专利权人：厦门大学
申请日： 2021-05-20 - 公布日： 2023-08-29 - 主分类号： G06V40/16 文献下载
摘要：一种基于双分支干扰分离网络的人脸表情识别方法，涉及计算机视觉技术。提供可以处理表情图像中多种干扰因素的一种基于双分支干扰分离网络的人脸表情识别方法。首先设计一个双分支网络来分开学习表情特征和干扰特征，再根据干扰特征的不同类型在干扰分支中设计标签感知子分支和无标签子分支。在标签感知子分支中，利用辅助数据集的标签信息和迁移学习的方式学习常见干扰特征。在无标签子分支中，引入印度自助餐过程理论学习潜在干扰特征。最后，通过对抗学习，进一步分离干扰特征和表情特征，从而获得更有判别力的表情特征进行分类预测，有效地提升表情识别的性能。
一种基于分支干扰分离网络表情识别方法

[发明专利]一种基于元学习的不平衡数据联邦学习方法和系统-CN202310452512.0在审
发明人：卢杨;钱品馨;黄刚;华炜;王菡子 -专利权人：之江实验室;厦门大学
申请日： 2023-04-25 - 公布日： 2023-08-22 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种基于元学习的不平衡数据联邦学习方法和系统，包括：客户端接收服务端下发的赋权模型参数和全局模型参数，利用本地数据和赋权模型参数得到用作校正数据不平衡的权重，基于权重、本地数据以及全局模型参数更新本地模型参数，其中，赋权模型参数包括类赋权模型参数、样本赋权模型参数，对应的权重包括类权重和样本权重；服务端接收客户端上传的本地模型参数并聚合得到全局模型参数，利用元数据、赋权模型参数以及聚合的全局模型参数得到元全局模型参数，利用元全局模型参数和元数据来更新赋权模型参数，更新的赋权模型参数和聚合的全局模型参数下发至客户端进行下一轮联邦学习。
一种基于学习不平衡数据联邦学习方法系统

[发明专利]基于阶段性特征语义对齐的实时街景图像语义分割方法-CN202110295657.5有效
发明人：严严;翁熙;王菡子 -专利权人：厦门大学
申请日： 2021-03-19 - 公布日： 2023-07-25 - 主分类号： G06V10/26 文献下载
摘要：一种基于阶段性特征语义对齐的实时街景图像语义分割方法，涉及计算机视觉技术。首先利用轻量级图像分类网络ResNet‑18和高效空间‑通道注意力模块构建编码器，并使用多个不同设计的特征对齐模块模块与全局平均池化层构建解码器。接着，利用上述得到的编码器与解码器，构成基于编码器‑解码器网络结构的语义分割网络模型。最后将编码器中的特征与解码器的输出特征进行聚合并送入语义分割结果生成模块中，以得到最终的语义分割结果。在维持高分辨率的输入图像且不降低图像分辨率的情况下，能够以实时的速率高效地产生对应的分割结果。比起现有的实时语义分割方法，能够取得更加优秀的分割精度，在速度和精度之间取得更好的平衡。
基于阶段性特征语义对齐实时街景图像分割方法

[发明专利]一种基于循环上下文聚合网络的单图像去雾方法-CN202010972204.7有效
发明人： 王菡子;王晨;陈润青;严严 -专利权人：厦门大学
申请日： 2020-09-16 - 公布日： 2023-07-14 - 主分类号： G06T5/00 文献下载
摘要：一种基于循环上下文聚合网络的单图像去雾方法，涉及计算机视觉技术。步骤：A.准备训练样本集(xi，yi)，i＝1，……，N，N为训练样本数，N为自然数。xi表示训练样本对应的固定大小的图像。yi表示训练样本xi对应的真实图像；B.预处理训练样本集；C.设计循环上下文聚合网络结构；D.设计上下文聚合块；E.在循环上下文聚合网络里，采用循环跳跃连接，避免训练中出现梯度爆炸或者梯度消失问题，加速循环网络的训练。建立深度网络框架，包括编码模块、循环模块、解码模块；可有效进行单图像去雾，通过算法分析，不仅大大提高了去雾的性能，而且还保存着图像的纹理和细节，在视觉上也取得最好的效果。
一种基于循环上下文聚合网络图像方法

[发明专利]一种基于多路聚合的实时高性能语义分割方法和装置-CN202010458635.1有效
发明人：严严;董根顺;翁熙;陈可夫;王菡子 -专利权人：厦门大学
申请日： 2020-05-27 - 公布日： 2023-05-30 - 主分类号： G06V10/26 文献下载
摘要：一种基于多路聚合的实时高性能语义分割方法和装置，所述方法包括：准备语义分割图像训练集和测试数据集；对数据集图像进行下采样；将现有的轻量级分类网络改造为语义分割的基础特征提取网络；将基础特征提取网络所提取的特征图按大小分为4个尺度，取较小的三个尺度的特征图输入到不同分支路径中进行处理以构成多路网络；并用全局上下文模块处理最小尺度的特征图；利用特征变换模块对特征图进行变换，并按尺度的从低至高逐级聚合前两个步骤中得到的特征图形成预测结果；将预测结果与训练集提供的像素级标注图像进行对比，并使用反向传播算法进行训练以得到实时高性能语义分割网络模型；把测试数据集的图像输入至训练好的模型中得到分割结果。
一种基于聚合实时性能语义分割方法装置

[发明专利]一种人脸属性识别方法和装置-CN202010458644.0有效
发明人：严严;毛龙彪;朱浩;王菡子 -专利权人：厦门大学
申请日： 2020-05-27 - 公布日： 2023-05-30 - 主分类号： G06V40/16 文献下载
摘要：一种人脸属性识别方法和装置，所述方法包括：准备训练集和测试集；使用训练集中的图片数据训练一个自监督网络，该自监督网络能够识别人脸图片的旋转角度；将自监督网络的结构进行微调使之适用于人脸属性识别任务，并把人脸属性识别网络模型的参数初始化为自监督网络的参数；使用训练集中的图片数据训练一个带有注意力机制的生成式对抗网络，该生成式对抗网络能生成具有目标属性标签的人脸图片；使用训练集中真实的人脸图片和生成式对抗网络生成的人脸图片来微调人脸属性识别网络模型，得到优化后的人脸属性识别网络模型；把测试集中的图片输入至训练好的人脸属性识别网络模型中得到对应的人脸属性识别结果。
一种属性识别方法装置

[发明专利]基于双模式网络的多数据集X光安检图像目标检测方法-CN202310110761.1在审
发明人：严严;杨丰宏;姜润青;王菡子 -专利权人：厦门大学
申请日： 2023-02-13 - 公布日： 2023-05-05 - 主分类号： G06V20/52 文献下载
摘要：本发明涉及一种基于双模式网络的多数据集X光安检图像目标检测方法，包括：将Lattice外观增强子网络连接基础特征提取网络形成目标检测网络；通过目标检测网络和K个X光安检图像数据集训练K个目标检测网络的教师模型；构建K个X光安检图像数据集的共同类模式学习网络和独特类模式学习网络；使用训练后的K个目标检测网络的教师模型轮流对目标检测网络的学生模型在共同类模式学习网络和独特类模式学习网络下进行知识蒸馏；利用反向传播算法训练知识蒸馏后的目标检测网络的学生模型；使用训练后的目标检测网络的学生模型对X光安检图像进行目标检测，得到X光安检图像中违禁品的位置及对应类别。可以精准检测违禁品的位置及对应类别，并标记出违禁品。
基于双模网络多数安检图像目标检测方法

[发明专利]一种基于有效特征表示的无偏场景图生成方法-CN202211506846.3在审
发明人： 王菡子;马文熙 -专利权人：厦门大学
申请日： 2022-11-29 - 公布日： 2023-03-28 - 主分类号： G06V20/00 文献下载
摘要：一种基于有效特征表示的无偏场景图生成方法，涉及计算机视觉技术。采用特征提取网络和分类网络解耦的训练策略，利用预训练好的骨干网络提取物体的视觉特征；进行目标检测，利用提取到的物体的视觉特征、物体的位置编码以及物体的类别编码两两配对再次组合编码，得到适用于谓词分类的编码特征；通过一个全连接层进行谓词分类；训练特征提取网络，在推理时不采用全连接层形式的分类网络，通过计算每一类谓词的用于谓词分类的编码特征的均值，根据待分类样本的编码特征与每一类谓词特征均值的余弦相似度进行谓词分类。摒弃全连接层分类器，直接基于谓词特征进行分类，可排除全连接层参数易受长尾数据影响的问题，从而提升场景图生成任务的性能。
一种基于有效特征表示场景生成方法

[发明专利]一种基于对抗式特征增广的长尾数据个性化联邦学习方法、系统、装置和存储介质-CN202211396784.5在审
发明人：卢杨;钱品馨;王菡子 -专利权人：厦门大学
申请日： 2022-11-09 - 公布日： 2023-02-03 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于对抗式特征增广的长尾数据个性化联邦学习方法，包括：在服务器端将整个全局模型分成全局特征提取器g和全局分类器f并将其发给若干个客户端；通过随机采样平衡若干个客户端本地样本数据分布，利用伯努利分布构建若干对源大类样本ys和目标小类样本yt标签对；获取源大类样本特征hs和目标小类样本特征并得到采样平衡样本特征集Dbal和生成平衡样本特征集利用所述采样平衡样本特征集Dbal和生成平衡样本特征集训练所述全局分类器f，结合全局特征提取器g，得到本地个性化模型。能够解决全局长尾数据分布下的数据异构问题。
一种基于对抗特征增广长尾数据个性化联邦学习方法系统装置存储介质

[发明专利]一种基于多通道注意力区域扩展的实例检索方法-CN202010746717.6有效
发明人：赵万磊;林界;王菡子 -专利权人：厦门大学
申请日： 2020-07-29 - 公布日： 2022-06-14 - 主分类号： G06F16/53 文献下载
摘要：一种基于多通道注意力区域扩展的实例检索方法，涉及图像检索技术领域。首先提出多通道注意力区域扩展模块，在网络训练中仅依赖图像类别标签，从多个通道进行注意力区域扩展操作，分别实现对图像中的多个实例进行相对完整的定位。根据定位进行特征提取的过程中，引入多分支联合训练，在提取特征时保留原信息，并进一步获得深层语义信息，增强特征的判别力。不同于已有的技术，只依赖图像类别标签训练卷积神经网络，基于类激活图和注意力区域扩展模块对图像中实例进行定位的同时，提取具有判别性的实例特征用于实例检索。可应用到电商网站的在线购物、视频媒体的智能化检索等现实场景。
一种基于通道注意力区域扩展实例检索方法

[发明专利]一种基于丢弃损失函数的人物属性识别方法-CN202011116242.9有效
发明人：严严;许友泽;王菡子 -专利权人：厦门大学
申请日： 2020-10-19 - 公布日： 2022-06-14 - 主分类号： G06V10/764 文献下载
摘要：一种基于丢弃损失函数的人物属性识别方法，涉及基于内容的图像识别。首先设计基于ResNet‑50的深度卷积神经网络，然后设计丢弃损失函数中包含的离群样本丢弃策略，计算梯度值，选择性丢弃梯度值大于一定阈值的样本权重，再设计丢弃损失函数中包含的样本加权丢弃策略，选择性丢弃其梯度值最小的一部分样本，通过对样本加权的方式来平衡其正负类别的样本的分布，最后将训练样本集中的图像放进基于ResNet‑50的深度卷积神经网络计算得到总体损失，并利用反向传播算法进行端到端的训练，利用训练好的模型进行多属性识别，神经网络输出的特征即为识别结果。性能卓越，可有效识别图片中的多个属性，在平衡精度标准上有明显优势。
一种基于丢弃损失函数人物属性识别方法

[发明专利]利用卷积神经网络矫正梯度的弱监督目标定位方法-CN202011166826.7有效
发明人： 王菡子;程林;张辽;梁艳杰 -专利权人：厦门大学
申请日： 2020-10-27 - 公布日： 2022-06-14 - 主分类号： G06V10/764 文献下载
摘要：利用卷积神经网络矫正梯度的弱监督目标定位方法，涉及计算机视觉技术领域。在给定的只包含类别标签的数据集上训练好一个用于分类功能的卷积神经网络，先对网络进行正向传递，然后指定待定位的目标的类别，进行卷积神经网络矫正梯度的反向传递，即从输出层向输入层逐层反向传递梯度，并且进行相应的矫正操作。卷积神经网络矫正梯度的反向传递包含对网络中全连接层、卷积层等传递的梯度进行了矫正。生成的热图中目标轮廓清晰，获取的定位精度高，同时能够区分不同类别的目标，定位的区域含有较少无关背景。对含有负值特征的模型具有鲁棒性。
利用卷积神经网络矫正梯度监督目标定位方法

[发明专利]一种基于孪生网络的目标特定响应注意力目标跟踪方法-CN202010081733.8有效
发明人： 王菡子;赵鹏辉;陈昊升;梁艳杰;严严 -专利权人：厦门大学
申请日： 2020-02-06 - 公布日： 2022-05-27 - 主分类号： G06V20/40 文献下载
摘要：一种基于孪生网络的目标特定响应注意力目标跟踪方法，涉及计算机视觉技术。针对原有的基于孪生网络的目标跟踪方法对目标快速运动、遮挡、旋转、背景杂乱等复杂跟踪场景不够鲁棒的缺点，提出一种基于孪生网络的目标特定响应注意力目标跟踪方法，提出的目标响应注意力模块有效弱化跟踪过程中噪声信息对于跟踪性能的影响，同时强化对目标对象外观变化具有判别性的特征信息，使得孪生网络产生的比较好的目标响应图，使用该目标响应图进行目标位置预测，从而实现更鲁棒的跟踪性能。包含五个主要部分：CNN特征提取；逐通道互相关生成响应图；利用注意力网络产生权重，对各通道响应图加权；最终响应图上确定目标位置，以及所提出模型的训练方法。
一种基于孪生网络目标特定响应注意力跟踪方法

[发明专利]一种利用短程关联和长程修剪的多目标跟踪与分割方法-CN202010994613.7有效
发明人： 王菡子;李玉磊 -专利权人：厦门大学
申请日： 2020-09-21 - 公布日： 2022-05-27 - 主分类号： G06V10/26 文献下载
摘要：一种利用短程关联和长程修剪的多目标跟踪与分割方法，涉及计算机视觉。训练用于分割和跟踪的卷积神经网络，将视频图片输入训练后的网络，得视频图片中每个目标实例对应的分割位置和实例表征向量；使用欧式距离度量不同实例之间表征向量的空间距离及实例掩码中心距离，度量转化成向量相似性得分和掩码中心相似性得分；用实例掩码和边缘框在相邻帧之间的传播得分得掩码相似性得分和边缘框相似性得分；利用四种相似性得分和匈牙利算法得视频中目标实例的运动轨迹；在目标实例轨迹中，使用先前帧的目标实例置信得分对当前帧目标实例置信得分进行调整，并清除实例置信得分低的运动轨迹，得到高置信得分的长程运动轨迹。具有较高精度和鲁棒性。
一种利用短程关联长程修剪多目标跟踪分割方法

1
2
3
4
5
6
下一页»
尾页
共 81 条