“正负样本”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果245687个，建议您升级VIP下载更多相关专利

[发明专利]一种用于表面缺陷检测的正样本扩充方法-CN202110504902.9有效
发明人：蒋三新;王新宇 -专利权人：上海电力大学
申请日： 2021-05-10 - 公布日： 2023-04-28 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种用于表面缺陷检测的正样本扩充方法，包括，将检测器生成的目标框和检测框的位置坐标输入至非极大抑制单元，通过非极大抑制单元去除重叠检测框，保留包含目标信息的检测框；通过样本判定单元筛选和判定负样本、正样本以及半正样本；通过样本采样单元根据设定的正负样本采样比例对负样本、正样本以及半正样本进行采样；将全部采样数据输入至损失回归单元，通过损失回归单元进行检测框分类损失训练和检测框定位回归训练，进而扩充正样本；本发明可以更准确地衡量检测框与目标框之间的重叠程度；同时，改善了正负样本的不平衡问题，且可直接迁移应用至多种目标检测网络中，无需预训练，通用性好。
一种用于表面缺陷检测样本扩充方法

[发明专利]一种神经网络模型训练方法、装置及计算机可读存储介质-CN202011063849.5在审
发明人：王征韬 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2020-09-30 - 公布日： 2021-01-05 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络模型训练方法、装置、设备及介质，获取标注样本集；对标注样本集中的正样本进行扩散，得到扩散样本集；获取预测样本集；在预测样本集中，确定各个第一正样本对应的第一子样本集，第一子样本集中包含对应的第一正样本；在扩散样本集中，确定与第一正样本的样本位置相同的第二正样本，确定各个第二正样本对应的第二子样本集，第二子样本集中包含对应的第二正样本；基于正样本位置相同的第一子样本集及第二子样本集各自的正负样本信息，计算神经网络模型的目标损失函数值；基于目标损失函数值对神经网络模型进行训练，得到训练好的神经网络模型，以基于训练好的神经网络模型对目标样本进行正负样本检测识别效率高。
一种神经网络模型训练方法装置计算机可读存储介质

[发明专利]一种行人重识别的重排序方法-CN201810979958.8有效
发明人：桑农;韩楚楚;陈科舟;王金;高常鑫 -专利权人：华中科技大学
申请日： 2018-08-27 - 公布日： 2021-03-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种行人重识别的重排序方法，包括：采集行人目标图片，获取正负样本对特征向量作为样本得到样本集合，将样本集合划分为训练集和测试集；对训练集中的样本进行训练得到原始度量矩阵，计算测试集中样本的相似度后对相似度进行排序，得到初始排序列表；在训练集中使用交叉验证法，得到验证集的排序列表，利用难例挖掘将训练集中的样本分为困难、中等和简单三个级别；在正负样本对特征向量的距离约束下，对训练集中困难和中等级别的样本进行训练得到度量矩阵；利用度量矩阵计算初始排序列表中部分样本的相似度重新排序，得到最终的重排序列表。本发明方法有效区分视觉上相似的样本，重排序后显著提高识别准确率。
一种行人识别排序方法

[发明专利]一种基于难分样本挖掘的Faster RCNN目标检测方法-CN201811463226.X有效
发明人：张烨;樊一超;郭艺玲;许艇;程康 -专利权人：浙江工业大学
申请日： 2018-12-03 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：一种基于难分样本挖掘的Faster RCNN目标检测方法，包括：步骤1，基于深度学习的图像目标检测：步骤2，基于在线样本挖掘方法，采用的关键参数调整设置为：步骤3，负难分样本挖掘是在难分样本基础上通过调整训练中RPN形成的mini‑batch正负样本比例为1:3，进行训练；步骤4，剔除冗余框，避免损失的多重计算。本发明在不扩充样本的情况下，放宽负样本的定义，通过样本本身在线挖掘出更多的难训练样本；设置了正负样本比例，合理而简便地计算损失最大、难训练的、罕见的样本；对分类、边框回归的损失进行了平衡化处理，能够满足训练损失的持续降低
一种基于样本挖掘 faster rcnn 目标检测方法

[发明专利]基于正负例构造的模型训练方法、装置、设备和介质-CN202211440780.2在审
发明人：苏凯;袁泽寰 -专利权人：北京有竹居网络技术有限公司
申请日： 2022-11-17 - 公布日： 2023-03-07 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例提供一种基于正负例构造的模型训练方法、装置、设备和介质，在每轮模型训练时，从全量样本集中随机选择B个直播切片样本构成分批训练集，提取分批训练集中的各训练样本的特征，各训练样本均包括至少两个特征，为各训练样本构造正例和负例，其中，对于任意一个训练样本，训练样本的第一特征的正例包括：训练样本的第二特征，训练样本的负例包括：其他训练样本的第二特征，使用分批训练集中各训练样本的正例和负例进行分类模型训练该方法在为训练样本构造正负例时，基于训练样本的不同特征进行跨模态构造，使得同一个样本的特征尽可能的跨模态相似，不同样本的特征尽可能的不相似，从而提高了模型分类的准确性。
基于正负构造模型训练方法装置设备介质

[发明专利]一种基于自注意力蒸馏的弱监督文字检测方法-CN202011320840.8在审
发明人：杨鹏;杨国为;韩志耕;吴平平;龚勋 -专利权人：南京审计大学
申请日： 2020-11-23 - 公布日： 2021-02-26 - 主分类号： G06K9/20 文献下载
摘要：本发明公开一种基于自注意力蒸馏的弱监督文字检测方法，获取图片样本，并将图片样本中的含文字图片和不含文字图片分别标记为正负样本；对于获取后的正负样本采用VGGNet网络作为主干网络训练一个弱监督文字分类网络
一种基于注意力蒸馏监督文字检测方法

[发明专利]一种基于关系对比的无监督表示学习方法-CN202210748412.8在审
发明人：侯永宏;王辉;胡亚楠 -专利权人：天津大学
申请日： 2022-06-29 - 公布日： 2022-10-04 - 主分类号： G06V40/20 文献下载
摘要：本发明利用样本间相似性对比而不是正负样本实例对比，避免了正负样本选择不恰当而导致的性能瓶颈。
一种基于关系对比监督表示学习方法

[发明专利]钒离子浓度监测方法、钒电池SOC监测方法、设备及介质-CN202110701089.4有效
发明人：汪保国;邹志青;李盼;王国樑;杨辉 -专利权人：中国科学院上海高等研究院
申请日： 2021-06-22 - 公布日： 2022-07-05 - 主分类号： H01M8/0444 文献下载
摘要：本发明提供一种钒离子浓度监测方法、钒电池SOC监测方法、设备及介质；其中，所述钒离子浓度监测方法包括：获取所述钒电池中钒离子的总初始浓度；于一监测时刻，分别采集所述正负极电解液的液位信息、电位信息和温度信息；同时，于所述正负极电解液中分别对应采集相同体积的正负极电解液样本进行混合，并采集混合后电解液样本的电位信息和温度信息；根据所述钒离子的总初始浓度，和所述正负极电解液的液位置信息、电位信息、温度信息，以及混合电解液样本的电位信息和温度信息
离子浓度监测方法电池 soc 设备介质

[发明专利]基于对比学习的摘要生成模型的训练方法和摘要生成方法-CN202211319273.3有效
发明人：岂凡超 -专利权人：北京智源人工智能研究院
申请日： 2022-10-26 - 公布日： 2023-01-31 - 主分类号： G06F18/214 文献下载
摘要：模型训练方法包括：获取训练样本集合；利用训练样本集合训练摘要生成模型，得到初步优化的摘要生成模型；利用初步优化的摘要生成模型和训练样本中的文档得到生成摘要，并利用生成摘要和参考摘要构建正负例数据；利用正负例数据和对应的文档通过从模型生成摘要和参考摘要中构建正负样例，并且综合考虑忠实性和概括性分数，使得构建的正负样例区分难度大，正样例同时具备忠实性和概括性。解决了现有技术中生成的摘要存在事实性错误、概括性不强的问题。
基于对比学习摘要生成模型训练方法

[发明专利]一种基于正样本诱导的不平衡异常图像检测方法-CN202210305558.5在审
发明人：李新宇;万千;高亮;高艺平 -专利权人：华中科技大学
申请日： 2022-03-25 - 公布日： 2022-07-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于正样本诱导的不平衡异常图像检测方法，属于图像处理技术领域。异常图像检测对于提升工业视觉质量检测精度和效率具有重要意义，在大多数真实场景下的异常图像检测中，往往存在正、负样本比例不平衡的情况，使得异常图像检测更具挑战性。本发明通过提出一种新型的正样本诱导损失来训练深度神经网络，以处理异常图像检测中的正负样本不平衡问题。所提出的正样本诱导损失包括正样本分类分数诱导损失和正样本特征对比损失。为进一步提升正负样本不平衡问题下的检测精度，本发明通过将负样本划分为多个子集，提出了基于正样本诱导损失的多模型集成方法。能够有效提升异常图像检测精度。
一种基于样本诱导不平衡异常图像检测方法

[发明专利]分类模型的训练方法、画像生成方法、装置、介质及设备-CN202310086358.X在审
发明人：李晟洁;袁野;陈旭旭 -专利权人：京东城市（北京）数字科技有限公司
申请日： 2023-01-19 - 公布日： 2023-05-09 - 主分类号： G06F16/35 文献下载
摘要：其中，分类模型的训练方法包括：获取样本行为数据，提取所述样本行为数据中的实体分词；根据样本行为数据所包含的实体分词的词性，确定样本行为数据的样本类型，以及，根据样本行为数据所包含的实体分词所属类型，确定所述样本行为数据对应的异常行为类型；基于任一异常行为类型对应的各样本类型的样本行为数据，训练得到所述异常行为类型的分类模型。利用正常人员词库中各词的词频差异性无监督地标记出词语的正负词性构建出正负样本库，实现分类模型的训练，降低训练数据的获取难度。训练得到的分类模型可确定对特定人员的风险画像，实现了对特定人员的风险预测。
分类模型训练方法画像生成装置介质设备

[发明专利]一种基于细粒度的场景识别方法、系统、设备及介质-CN202310365559.3在审
发明人：范丽丽;金林浩 -专利权人：江苏智能无人装备产业创新中心有限公司
申请日： 2023-04-04 - 公布日： 2023-08-29 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种基于细粒度的场景识别方法、系统、设备及介质，所述方法包括以下步骤：设置边界值样本挖掘策略，采用边界值样本挖掘策略获取正负样本；设置信息对加权及列表排序学习策略，采用信息对加权及列表排序学习策略和正负样本计算新损失函数；基于新损失函数训练场景检索模型，基于训练后的场景检索模型进行场景识别；本发明能够采用新的样本挖掘策略去挖掘更多信息丰富的样本，进而避免网络过拟合，提高特征提取的准确性，且对于正样本和负样本都设计了新的不同的样本加权策略，充分利用样本对的分布信息和结构信息，使模型优化的方向与损失减少的方向保持一致，保持了数据分布的一致性，使最终优化出的模型具有较高的检索精准度。
一种基于细粒度场景识别方法系统设备介质

[发明专利]基于神经网络的位姿识别与检测方法-CN202010820827.2在审
发明人：杨小康;李恒宇;刘军;谢少荣;罗均 -专利权人：上海大学
申请日： 2020-08-14 - 公布日： 2020-11-20 - 主分类号： G06K9/00 文献下载
摘要：位姿识别网络模型的建立包括如下步骤：（1）获取坐姿正负样本图像；（2）对所述坐姿正负样本图像进行分类标签标记；（3）将所述坐姿正负样本图像与相应的分类标签融合，得到融合后的训练样本图像；（4）将训练样本图像输入分类网络进行训练
基于神经网络识别检测方法

[发明专利]一种在复杂场景的视频中进行人体头肩检测的方法-CN200910077108.X有效
发明人：孙立峰;丁锡锋;徐辉;崔鹏;杨士强 -专利权人：清华大学
申请日： 2009-01-16 - 公布日： 2009-07-08 - 主分类号： G06K9/00 文献下载
摘要：从视频的各帧中人工标定头肩图片、背景图片和身体其他部分的图片作为正负样本，镜像这些图片；提取正负样本的梯度向量，对第一级分类器训练；用头肩图片作为新正样本，用身体其他部分的图片作为新负样本；提取正负样本的梯度向量
一种复杂场景视频进行人体检测方法

[发明专利]基于分离正负扰动生成对抗图像机器识别的方法-CN202010656484.0在审
发明人：葛轶洲;严元杰;卜宇轩;周青;赵健;申富饶 -专利权人：中国电子科技集团公司第三十六研究所;南京大学
申请日： 2020-07-09 - 公布日： 2020-11-20 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了基于分离正负扰动生成对抗图像机器识别的方法，包括：步骤1，计算在L∞距离的限定下，图像像素的修改范围；步骤2，在原始图像像素的基础上，结合步骤1中确定的扰动限制，构建搜素算法来搜寻合适的扰动；步骤3，引入正负扰动来简化扰动的限制，并修改优化的损失，采取梯度下降的方法搜寻目标扰动；步骤4，固定网络的参数，只迭代地训练修改正负扰动；步骤5，为了满足以上限制，避免直接优化正负扰动的困难，引入无限制的变量z来代替正负扰动；步骤6，得到图片对应的输入扰动和对抗样本；步骤7，将生成的对抗样本作为要识别的图片验证码。
基于分离正负扰动生成对抗图像机器识别方法