“田加林”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种无监督领域适应分类方法、系统、设备及存储介质-CN202211528066.9有效
发明人：徐行;田加林;沈复民;申恒涛 -专利权人：成都考拉悠然科技有限公司
申请日： 2022-12-01 - 公布日： 2023-04-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及深度学习领域，具体地说，涉及一种无监督领域适应分类方法、系统、设备及存储介质；通过构建一个深度卷积网络模型，根据有标签源领域数据训练源域模型，根据源域模型构建目标域模型，训练目标域模型以执行领域适应，根据无标签目标域数据做无监督学习，提取目标域数据的特征和分类概率，并通过计算近邻对齐损失、正则损失、分散损失、跨视图对齐损失和跨视图近邻对齐损失，迭代地提升目标域模型的图像分类能力，消除域偏移和类不平衡所造成的误分类问题，从而实现无监督领域适应图像分类。
一种监督领域适应分类方法系统设备存储介质

[发明专利]一种基于变分自编码器的零样本跨模态检索方法-CN202210463114.4有效
发明人：徐行;王凯;田加林;杨阳;沈复民;申恒涛 -专利权人：电子科技大学
申请日： 2022-04-28 - 公布日： 2023-04-07 - 主分类号： G06F16/43 文献下载
摘要：本发明公开了一种基于变分自编码器的零样本跨模态检索方法，该方法通过基于变分自编码器的零样本跨模态检索模型实现，模型包括特征提取器，分类器，混合变分自编码器及损失函数、多模态解耦变分自编码器及损失函数，特征对齐损失函数和反直觉交叉重构损失函数，本发明通过数据预处理、提取原始特征、对原始特征进行处理、模型参数更新以及模型预测得到不可见类的检索结果。本发明将变分自编码器模型适应性地应用在零样本跨模态检索任务中，引导模型在训练过程中自行学习更加细化的语义嵌入以进行跨模态语义特征对齐，以学习到适合多模态语义特征的子空间分布。同时利用全新的反直觉重构策略加强语义信息保存的效果，实现更好的检索性能。
一种基于编码器样本跨模态检索方法

[发明专利]基于Transformer网络和超球空间学习的多模态图像处理方法及系统-CN202111451939.6有效
发明人：徐行;田加林;沈复民;申恒涛 -专利权人：电子科技大学
申请日： 2021-12-01 - 公布日： 2022-11-04 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于Transformer网络和超球空间学习的多模态图像处理方法及系统，包括获取预训练的Transformer网络模型，得到教师模型；构建由教师模型和多模态融合模型组成的多分支模型；提取教师蒸馏向量和学生蒸馏向量，以及各模态图像在单位超球空间的特征及其分类概率；计算各模态的蒸馏损失、模态间中心对齐损失、模态内均匀性损失和分类损失，并由此更新多模态融合模型；采用更新后的多模态融合模型基于待检测模态的图像和待查询模态的图像生成零样本跨模态检索结果。本发明能够有效提升多模态融合模型的建模和对齐多模态分布的能力，消除不同模态之间的模态差异问题，从而实现零样本跨模态检索。
基于 transformer 网络空间学习多模态图像处理方法系统

[发明专利]一种基于知识蒸馏的素描图处理方法及其系统-CN202110908616.9有效
发明人：徐行;田加林;沈复民;申恒涛 -专利权人：成都考拉悠然科技有限公司
申请日： 2021-08-09 - 公布日： 2021-11-02 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于知识蒸馏的素描图处理方法及其系统，包括：获取预训练的由图像分类模型构成的教师模型，并基于教师模型提取样本图像的教师特征和教师分类概率；构建能够基于素描图进行图像分类的学生模型，并基于学生模型提取样本图像的第一学生特征和第一学生分类概率，并基于学生模型提取样本图像对应样本素描图的第二学生特征和第二学生分类概率；基于教师特征、教师分类概率、第一学生特征、第一学生分类概率、第二学生特征和第二学生分类概率计算分类损失和蒸馏损失，并基于分类损失和蒸馏损失更新学生模型；学生模型基于待检测素描图和待查询图像生成零样本跨模态检索结果。
一种基于知识蒸馏素描处理方法及其系统

[发明专利]结合自动编码器和生成对抗网络的零样本跨模态检索方法-CN202010812271.2在审
发明人：徐行;田加林;沈复民;邵杰;申恒涛 -专利权人：成都考拉悠然科技有限公司
申请日： 2020-08-13 - 公布日： 2020-11-20 - 主分类号： G06F16/9532 文献下载
摘要：本发明公开了一种结合自动编码器和生成对抗网络的零样本跨模态检索方法，属于计算机视觉中的跨模态检索领域。本发明包括：使用预训练的模型提取各个模态的特征；为每个模态的特征构造相应的编码器，并生成相应的低维的潜在嵌入表示，并且对潜在嵌入表示进行跨分布对齐；为每个编码器构造相应的解码器，从低维的潜在嵌入表示重构每个模态的原始特征；构造相应的判别器，评估与生成器生成的特征分布和真实特征分布是否一致，若一致，则结合自动编码器和生成对抗网络联合训练整个网络；在低维的潜在嵌入空间进行零样本跨模态检索。本发明能够实现零样本跨模态检索。
结合自动编码器生成对抗网络样本跨模态检索方法

[实用新型]自锁锚杆风机基础-CN201120527906.0有效
发明人： 田加林;巴德新;路伟;姚升康 -专利权人：河北省电力勘测设计研究院
申请日： 2011-12-16 - 公布日： 2012-08-08 - 主分类号： E02D27/44 文献下载
摘要：本实用新型涉及一种自锁锚杆风机基础，包括位于岩基上的钢筋混凝土基础，基础一次浇注成型，所述基础与岩基之间通过自锁锚杆固定连接。本实用新型中自锁锚杆除了粘结浆体提供的锚固力外，还有锚杆底端扩大头与岩石扩孔壁的机械咬合提供的锚固力，使得本实用新型在保证满足抗倾覆能力的条件下，将风机基础做的更小，大大降低了基础材料的消耗量以及施工的工程量，经济效益显著。
锁锚杆风机基础