“源域”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652060个，建议您升级VIP下载更多相关专利

[发明专利]一种模型的确定方法和相关装置-CN202210603031.0在审
发明人：朱星华 -专利权人：腾讯科技（武汉）有限公司
申请日： 2022-05-30 - 公布日： 2022-09-27 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种模型的确定方法和相关装置，可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，根据源域的数据训练得到源域模型，源域模型包括源域和目标域通用的主干模块，根据主干模块确定嫁接模块，从而将嫁接模块融合至主干模块中，得到初始目标域模型的迁移主干模块，通过对已训练完成的源域模型进行迁移学习的方式，得到初始目标域模型。在训练初始目标域模型的过程中，保持迁移主干模块中主干模块的参数不变，调整嫁接模块的参数，直至初始目标域模型收敛，得到目标域模型。由此，嫁接模块为目标域独立私有，源域模型无法根据从目标域获取到的输出结果拟合出输入数据，使得跨域数据不被泄露，提高了数据的安全性。
一种模型确定方法相关装置

[发明专利]一种基于脑电信号的域自适应智能情绪识别方法及装置-CN202211039314.3在审
发明人：徐小龙;王俪颖 -专利权人：南京邮电大学
申请日： 2022-08-29 - 公布日： 2022-12-09 - 主分类号： A61B5/16 文献下载
摘要：本发明公开了一种基于脑电信号的域自适应智能情绪识别方法，关注不同被试的脑电图模式来设计多源选择器来选择更加合适目标被试的源域，利用域自适应解决跨被试情绪识别问题。选择从域‑域和域样本两个角度去寻找源域，设计的多源域选择器分别通过MMD、样本出现概率和域间距离方差得出合成相似值，并根据其选择topK个源域。在所选源域基础上，利用Transformer构建域自适应网络模型，包含特征提取、任务分类和域分类三个部分。它们呈相互对抗‑更新的关系，在梯度反转中，域分类模块根据特征提取不断降低对样本域的分辨能力，而任务分类器不断提高对样本的平均分类准确率。
一种基于电信号自适应智能情绪识别方法装置

[发明专利]基于深度多特征主动迁移网络的高光谱图像分类方法-CN201711415781.0有效
发明人：邓成;薛雨萌;李超;曹欢欢 -专利权人：西安电子科技大学
申请日： 2017-12-25 - 公布日： 2020-04-14 - 主分类号： G06K9/00 文献下载
摘要：实现步骤为：获取待分类源域和目标域高光谱图像；对待分类源域高光谱图像进行预处理；获取源域标记样本集、训练样本集、候选样本集和测试样本集；构造源域深度光谱特征提取网络，并提取源域标记样本集的深度光谱特征；构造源域深度空间特征提取网络，并提取源域标记样本集的深度空间特征；构造源域深度光谱‑空间联合特征提取与分类网络；使用源域深度多特征主动迁移网络对待分类目标域高光谱图像进行分类。
基于深度特征主动迁移网络光谱图像分类方法

[发明专利]基于高阶矩匹配的多源蒸馏-迁移机械故障智能诊断方法-CN202110020442.2有效
发明人：陈景龙;冯勇;宋霄罡;訾艳阳 -专利权人：西安交通大学
申请日： 2021-01-07 - 公布日： 2023-04-14 - 主分类号： G06F3/06 文献下载
摘要：本发明公开了一种基于高阶矩匹配的多源蒸馏‑迁移机械故障智能诊断方法，利用从多台机械设备采集的运行数据建立多源数据集，预处理后将其划分为源域数据集、目标域训练数据集和目标域测试数据集；构建基于高阶矩匹配的多源蒸馏‑迁移学习网络模型，使用源域数据集和目标域训练数据集进行高阶矩匹配、最大分类器差异以及多源蒸馏训练；将目标域测试数据集作为测试输入，使用自适应加权策略综合多个分类器的输出，完成跨域故障诊断。本发明利用多源数据，在域、类别层面对齐源域和目标域特征，通过多源蒸馏提高模型对目标样本的分类能力，并提出自适应加权以综合诊断结果，解决了传统方法在跨域诊断中性能下降的问题，大幅提升了深度模型的性能。
基于高阶矩匹配蒸馏迁移机械故障智能诊断方法

[发明专利]神经网络训练方法、图片分类方法及图片分类系统-CN202210332900.0在审
发明人：曾祥云;朱姬渊 -专利权人：上海易康源医疗健康科技有限公司
申请日： 2022-03-31 - 公布日： 2022-06-24 - 主分类号： G06N3/04 文献下载
摘要：神经网络训练方法包括：S1:准备数据集：源域图片和目标域图片；S2:特征抽取：将源域图片和目标域图片输入至第一神经网络，得到源域特征SF1和目标域特征TF1；将源域图片和目标域图片输入至第二神经网络，得到源域特征SF2和目标域特征TF2；S3:分别计算源域和目标域在第一神经网络和第二神经网络的TDA损失，得到第一神经网络的TDA损失TDA1和第二神经网络的TDA2；S4:计算源域和目标域的知识蒸馏损失；S5:分别对第一神经网络
神经网络训练方法图片分类系统

[发明专利]一种基于结构信息保持域适应网络的抽油机故障诊断方法-CN202210397562.9在审
发明人：辜小花;卢飞;毛禄红;杨光;杨利平;聂玲;潘琚涛;敖桂亮 -专利权人：重庆科技学院
申请日： 2022-04-15 - 公布日： 2022-07-29 - 主分类号： G06F17/18 文献下载
摘要：本发明涉及石油工业技术领域，尤其涉及一种基于结构信息保持域适应网络的抽油机故障诊断方法，包括采集抽油机示功图数据，得到源域数据集和目标域数据集，使用特征生成器提取源域特征和目标域特征，在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器，使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签，将源域特征和源域标签，以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化。本发明所提出的结构信息保持域适应网络能够用于抽油机的故障诊断，能够降低故障诊断模型训练对数据标注的过度要求，并能够提高故障诊断模型在不同应用场景的泛化性能。
一种基于结构信息保持适应网络抽油机故障诊断方法

[发明专利]图像跨域迁移方法、计算机设备、可读存储介质和程序产品-CN202310086656.9在审
发明人：赵磊;孙嘉锴;陈嘉芙;吉柏言;褚天易;陈海博;张占杰;尹浩霖;蓝泽铧;张权威;林怀忠;邢卫 -专利权人：浙江大学
申请日： 2023-01-13 - 公布日： 2023-08-01 - 主分类号： G06T3/00 文献下载
摘要：本申请涉及一种图像跨域迁移方法、计算机设备、可读存储介质和程序产品，方法实施网络模型，模型训练过程包括：获得源域和目标域图像，提取源域图像的第一内容特征和第一风格向量，提取目标域图像的第二内容特征和第二风格向量；组合获得符合源域图像风格的第一风格迁移图像；组合获得符合目标域图像风格的第二风格迁移图像；提取第二风格迁移图像的内容特征、与第一风格向量组合获得第一源域重构图像；提取第一风格迁移图像的风格向量、与第一内容特征组合获得第二源域重构图像；当满足训练预期时，完成图像跨域迁移网络模型的训练，输出第一风格迁移图像和/或第二风格迁移图像。本申请一次训练可实现源域至目标域的转换和目标域至源域的转换。
图像迁移方法计算机设备可读存储介质程序产品

[发明专利]多源域自适应的人脸识别方法-CN201810866120.8有效
发明人：徐智;韩晗;伊海洋 -专利权人：桂林电子科技大学
申请日： 2018-08-01 - 公布日： 2021-10-22 - 主分类号： G06K9/00 文献下载
摘要：本发明属于人工智能技术领域，本发明所涉及的域自适应方法也属于迁移学习领域的一个重要分支，公开了一种多源域自适应人脸识别的方法。提出通过学习多个源域和单个目标域的公共子空间的方法，应用于人脸识别问题。解决了对于源域和目标域不同分布的数据，且目标域数据没有或者具有少量的标签，人脸识别问题在源域上学习的分类器在目标域上做识别效果差的问题。方法通过学习多个源域和单目标域的样本，得到一个公共的子空间，在公共子空间中通过将源域转化为目标域的线性表示数据，并将目标化的源域数据投到高维空间中，使其在高维空间中构造线性最优超平面，并学习到一个核分类器
多源域自适应识别方法

[发明专利]一种图对齐方法、装置和存储介质-CN201910667549.9有效
发明人：徐挺洋;陈超奇;谢伟平;荣钰;黄文炳;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-07-23 - 公布日： 2022-05-06 - 主分类号： G06F16/903 文献下载
摘要：本发明实施例公开了一种图对齐方法、装置和存储介质，其中，通过获取需要对齐的源域图和目标域图；对源域图进行无监督学习得到源域节点特征集合，以及对目标域图进行无监督学习得到目标域节点特征集合；构建生成对抗网络，生成对抗网络，并对生成对抗网络进行训练；根据训练后的生成对抗网络中的生成器预测源域图和目标域图之间的锚链接，并根据锚链接所对应的源域节点特征和目标域节点特征优化训练后的生成器，得到优化后的生成器；根据优化后的生成器将源域图中的源域节点与目标域图中的目标域节点对齐
一种对齐方法装置存储介质

[发明专利]一种基于多层特征对齐的跨域目标检测方法-CN201910594012.4有效
发明人：王蒙;李威 -专利权人：昆明理工大学
申请日： 2019-07-03 - 公布日： 2022-10-11 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于多层特征对齐的跨域目标检测方法。首先，通过深度卷积神经网络在有边框标注的源域数据集上训练检测器。然后，将训练好的检测器作为预训练模型，并通过深度卷积神经网络VGG‑16对源域与没有边框标注的目标域的图片进行特征提取，使源域与目标与共享特征参数。其次，设计领域分类器，将提取到的多层源域与目标域的特征层作为领域分类器的输入，判断特征层是来自于源域还是目标域。再通过对抗生成网络的训练方式，使得源域与目标域的特征分布对齐，进而减少两个领域之间的数据偏差。最后，通过将检测器与判别器进行联合训练，从而得到最终的模型。本发明实现了将源域知识迁移到目标域，提升了无边框标注的目标域数据的检测精度。
一种基于多层特征对齐目标检测方法

[发明专利]一种面向水域场景的双分布匹配多域适应分割方法与系统-CN202310723846.7有效
发明人：钟忺;刘炳义;李伟;郑晓燕;黄文心;王正 -专利权人：武汉大水云科技有限公司
申请日： 2023-06-19 - 公布日： 2023-09-05 - 主分类号： G06T7/11 文献下载
摘要：本发明提出了一种面向水域场景的双分布匹配多域适应分割方法与系统，该方法包括：获取单峰分布的源域数据集，使用傅里叶变换对源域数据集进行风格变换，得到不同目标域风格的源域图像；对不同目标域风格的源域图像进行粗粒度的多判别器对抗训练，进行整体分布匹配；使用傅里叶变换获取不同目标域风格的源域数据，统计不同风格源域的语义分布；基于语义分布感知的对比学习方法，进行细粒度的类分布匹配，匹配相同风格的源域与目标域的分布；使用基于伪标签的自训练策略，进一步提升网络在目标域上的分割性能。本发明为面向近岸水域的巡检和监控研究提供了有益的探索，对于解决多目标域适应语义分割问题具有重要的理论意义和实际应用价值。
一种面向水域场景分布匹配适应分割方法系统

[发明专利]基于标签噪声域自适应的图像分类方法及系统-CN202210567062.5在审
发明人：汪云云;桂旭 -专利权人：南京邮电大学
申请日： 2022-05-23 - 公布日： 2022-08-02 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于标签噪声域自适应的图像分类方法及系统，通过分别获得源域的图像数据样本构成的源域数据集、目标域的图像数据样本构成的目标域数据集，且源域的图像数据样本中包含标签噪声；构建图像分类模型，对源域的图像数据样本进行自适应噪声检测并获得样本权重，采用阈值法划分源域数据集为噪声样本集和干净样本集，对干净样本集进行自适应噪声校正后，计算图像数据样本对源域和目标域任务对齐过程中对类别领域的贡献权重，由所得贡献权重与样本权重获得总模型损失，训练获得鲁棒噪声域适应模型；由所得鲁棒噪声域适应模型，获得目标域的图像分类结果；本发明能够降低标签噪声对源域和目标域任务对齐的影响，有效提高图像分类的准确率。
基于标签噪声自适应图像分类方法系统

[发明专利]一种基于深度强化学习和迁移学习电力短期负荷预测方法-CN202310066509.5在审
发明人：尚凤军;代云龙;秦昊明 -专利权人：重庆邮电大学
申请日： 2023-01-16 - 公布日： 2023-06-23 - 主分类号： G06F30/27 文献下载
摘要：本发明属于电力数据处理领域，具体涉及一种基于深度强化学习和迁移学习电力短期负荷预测方法；所述方法包括获取多组不同的源域电力负荷数据，并进行预处理；采用预处理后的多组源域电力负荷数据和相应的电力融合特征各自训练多个基于GRU网络的电力负荷源域预测模型；将目标域电力负荷数据作为输入，基于时间序列双深度Q网络选择源域预测模型；基于多核最大均值差异算法对源域电力负荷数据和目标域电力负荷数据进行动态分布对齐，并对选择的源域预测模型的模型参数进行调整；将调整后的源域预测模型的模型参数迁移到基于GRU网络的电力负荷目标域预测模型；将目标域电力负荷数据输入到目标域预测模型中，输出电力负荷在短期内的预测结果。
一种基于深度强化学习迁移电力短期负荷预测方法

[发明专利]数据标签识别方法、装置及存储介质-CN202210644302.7在审
发明人：桑杲 -专利权人：中移(苏州)软件技术有限公司;中国移动通信集团有限公司
申请日： 2022-06-08 - 公布日： 2023-09-29 - 主分类号： G06F18/214 文献下载
摘要：本发明提供了一种数据标签识别方法、装置及存储介质，方法包括：获取待识别数据；利用预设联合鉴别性多阶矩对齐模型对待识别数据进行处理，确定出待识别数据的目标标签；其中，预设联合鉴别性多阶矩对齐模型是基于源域样本集合和目标域样本集合之间的域间误差、类内误差，及源域样本集合的源域误差，进行联合迭代训练得到的。由于本方案充分考虑了源域样本集合和目标域样本集合之间的域间误差、类内误差，及源域样本集合的源域误差，对源域样本集合和目标域样本集合进行联合训练得到了预设联合鉴别性多阶矩对齐模型，所以该模型可以提高对不同领域数据的识别精度
数据标签识别方法装置存储介质

[发明专利]一种基于对抗学习的多源域适应迁移方法及系统-CN201711468680.X有效
发明人：林倞;陈子良;王可泽;许瑞嘉 -专利权人：中山大学
申请日： 2017-12-29 - 公布日： 2020-06-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于对抗学习的多源域适应迁移方法及系统，所述方法包括如下步骤：步骤一，使用各源域数据进行预训练并初始化目标模型的表示网络和分类器；步骤二，使用多源域数据与目标域数据进行多路对抗，更新目标模型的表示网络和多路判别器；步骤三，计算每个源域与目标域之间的对抗分数；步骤四，基于各源域的分类器和对抗分数对目标域进行分类；步骤五，选取高置信度的目标域伪样本微调目标模型的表示网络和分类器；步骤六，返回步骤二，进行步骤二‑五，直至模型收敛或达到最大迭代次数时停止训练，本发明可不再依赖单一源域标签集合与目标域一致的假设，并且可有效地避免多源域适应过程中存在的负迁移现象。
一种基于对抗学习多源域适应迁移方法系统