“分类函数”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451341个，建议您升级VIP下载更多相关专利

[发明专利]一种基于海量单类单幅图像的图像分类网络训练方法-CN201810867642.X有效
发明人：章东平;郑寅;陶禹诺;陈思瑶;毕崇圆 -专利权人：中国计量大学
申请日： 2018-08-01 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于海量单类单幅图像的图像分类网络训练方法，采用单类单幅和单类多幅的双数据形式的训练数据集交替循环训练海量单类单幅图像的图像分类网络，将训练数据输入层替换为训练数据集1输入层和训练数据集2输入层两个网络层，当训练的迭代次数为奇数时，将训练数据集1作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用类间距离损失函数，对网络进行训练，当迭代次数为偶数时，将训练数据集2作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用center loss和Soft‑max损失函数相结合作为训练网络的损失函数对网络进行训练，得到图像分类模型。
一种基于海量单幅图像分类网络训练方法

[发明专利]图像处理方法、装置及服务器-CN201710984142.X有效
发明人：杨帆;张志伟 -专利权人：北京达佳互联信息技术有限公司
申请日： 2017-10-20 - 公布日： 2021-07-13 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例公开了图像处理方法、装置及服务器，包括下述步骤：获取待处理的人脸图像；将所述人脸图像输入到构建有损失函数的卷积神经网络模型中，所述损失函数根据预设期望指向性的筛选增大图像分类后的类间距离；获取所述卷积神经网络模型输出的分类数据，并根据所述分类数据对所述人脸图像进行内容理解。通过在卷积神经网络模型上构建新的损失函数，该损失函数具有晒选增大图像分类后类间距的作用，通过该损失函数训练得到的卷积神经网络模型，输出的分类数据的类间距离增大，使图像识别过程中类间距离增大，图像之间差别的显著性明显提高
图像处理方法装置服务器

[发明专利]图像分类模型生成方法、装置、计算机设备和存储介质-CN202010063515.1有效
发明人：张力文;刘建光;金子杰;武小亮;罗育浩;潘浩 -专利权人：天翼数字生活科技有限公司
申请日： 2020-01-20 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种图像分类模型生成方法、装置、计算机设备和存储介质，通过获取图片数据集；将图片数据集输入待训练的图像分类模型，确定出图片中目标对象的位置，得到目标对象图像并输出给对象识别单元；通过对象识别单元识别出与目标对象图像对应的特征图；通过预设的加权欧几里德损失函数确定特征图与目标对象图像之间的损失函数值；根据损失函数值调整图像分类模型中位置检测单元和/或对象识别单元中的待训练参数，直到识别出的特征图与目标对象图像对应的损失函数值小于预设阈值时本方法加快了损失函数值收敛的速度，提高了图像分类模型生成效率，同时通过本方法得到的图像分类模型对低像素图片的识别能力得到提高。
图像分类模型生成方法装置计算机设备存储介质

[发明专利]一种基于多任务损失函数的目标检测方法及系统-CN202110853572.4有效
发明人：文彬;严凡;周鹏兵;杨涛 -专利权人：北京电信易通信息技术股份有限公司
申请日： 2021-07-28 - 公布日： 2021-10-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于多任务损失函数的目标检测方法及系统，该方法包括：采集视频图像数据集；构建多任务损失函数，多任务损失函数包括回归损失函数和分类损失函数，回归损失函数为Balanced L1 Loss损失函数，分类损失函数为增强边缘余弦损失函数；构建基于特征金字塔网络的Faster R‑CNN网络结构；采用视频图像数据集对基于特征金字塔网络的Faster R‑CNN网络进行训练，获得目标检测模型；利用目标检测模型对待检测图像进行目标检测本发明通过构建多任务损失函数，提高了目标检测的准确性。
一种基于任务损失函数目标检测方法系统

[发明专利]基于多方安全计算训练模型的方法及装置-CN202211735546.2在审
发明人：赵得润;方文静;谭晋;王磊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-12-31 - 公布日： 2023-04-25 - 主分类号： G06F21/62 文献下载
摘要：本说明书实施例提供一种基于多方安全计算训练模型的方法及装置，在多方联合利用各自的隐私数据进行基于逻辑回归的分类模型训练过程中，通过目标映射函数代替常规的sigmoid函数进行数据分类，以减少基于逻辑回归进行分类的分类模型在多方安全计算场景下的数据处理的复杂度其中，在目标映射函数满足在远离0的位置具有较高准确度的条件的情况下，可以提高分类准确度。如此，可以提高多方安全计算场景下联合训练基于逻辑回归的分类模型的可行性。
基于多方安全计算训练模型方法装置

[发明专利]多分类器融合方法和系统-CN201410679660.7在审
发明人：刘春;张青;陈康;向勇;陶彩霞;高智衡;吴旭;陈翀 -专利权人：中国电信股份有限公司
申请日： 2014-11-24 - 公布日： 2016-05-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种多分类器融合方法和系统。其中将训练集数据输入N个成员分类器以生成相应的N个预测结果，将成员分类器的权重向量作为当前种群。计算成员分类器之间的互补性指标Cd，计算每个种群所对应的融合分类器整体性能FP，从而得到每个种群的适应度函数值Fit。通过遗传算法中的选择、交叉和变异处理，生成新一代种群以作为当前种群。判断是否满足预定的终止条件，若不满足则进行迭代处理；若满足则选取具有最大适应度函数值Fit的种群作为成员分类器的权重，从而构建出最优融合分类器。通过利用充分考虑分类器整体性能和分类器间互补性的适应度函数，从而可优化各成员分类器权重，最终得到最优的分类器。
分类融合方法系统

[发明专利]分类深度神经网络模型的训练方法、遗传病检测方法-CN202010127217.4在审
发明人：李辛;王秀敏;马利庄;王剑;院旺;谭鑫 -专利权人：上海交通大学医学院附属上海儿童医学中心
申请日： 2020-02-28 - 公布日： 2020-06-26 - 主分类号： G16H50/70 文献下载
摘要：本发明公开一种分类深度神经网络模型的训练方法及装置、遗传病检测方法及装置。训练方法包括：构建遗传病数据集；其中遗传病数据集包括遗传病人脸数据集和分类标签；将遗传病数据集中的训练集输入至分类深度神经网络的预训练模型以得到分类向量，并基于分类向量和分类标签确定分类损失代价函数值；基于分类损失代价函数值和训练参数对分类深度神经网络的预训练模型进行训练，直至分类损失代价函数值小于预设阈值时停止训练，以得到训练好的分类深度神经网络模型。
分类深度神经网络模型训练方法遗传病检测

[发明专利]用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备-CN201280015733.1有效
发明人：里昂纳德·亨利·葛罗科普;安东尼·沙尔;桑吉夫·南达 -专利权人：高通股份有限公司
申请日： 2012-03-30 - 公布日： 2017-10-10 - 主分类号： G06K9/00 文献下载
摘要：本发明提供可用于至少部分基于来自移动装置的一个或一个以上传感器的信号确定在两个或两个以上过去出现时间用于活动分类的活动似然函数值的组件、方法和设备。举例来说，一种方法可包括针对多个活动分类中的每一者，确定在两个或两个以上过去出现时间用于所述多个活动分类中的每一者的活动似然函数值。所述活动似然函数值至少部分是基于来自移动装置的一个或一个以上传感器的信号。所述方法还可包含组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数。所述方法还可包含至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数来推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
用于移动装置使用函数组合用户活动进行分类系统方法设备

[发明专利]基于深度学习的特定物品发现方法-CN201811444686.8在审
发明人：凌志辉;俞旸;徐中恒 -专利权人：南京云思创智信息科技有限公司
申请日： 2018-11-29 - 公布日： 2019-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一套基于深度学习算法的方法用于物体发现任务，效果凌驾于图像分类算法。具体而言，本发明的基于深度学习的特定物品发现方法，它使用深度卷积神经网网络，并加入特定物体的位置信息，使用交叉熵(crossentropyloss)损失函数和欧式距离损失函数(12 loss)的和作为损失函数来训练深度神经网络而非图像分类算法里的交叉熵(crossentropy loss)损失函数。算法在开源数据集上的效果远远优于图像分类算法。
损失函数算法图像分类交叉熵欧式距离神经网络学习算法神经网数据集发现卷积学习网络

[发明专利]模型训练、图像检测、图像分类方法和装置-CN202210327528.4在审
发明人：陶大程;杨楷文 -专利权人：京东科技信息技术有限公司
申请日： 2022-03-30 - 公布日： 2022-06-21 - 主分类号： G06V10/40 文献下载
摘要：模型训练、图像检测、图像分类方法和装置。本申请公开了模型训练方法和装置，涉及图像处理技术领域。该方法的一具体实施方式包括：获取样本图像集；基于初始数据生成模型的目标函数与初始分类模型的交叉熵损失函数，构建目标损失函数；基于目标损失函数和样本图像集，对初始类别解耦模型中的初始数据生成模型和初始分类模型进行训练
模型训练图像检测分类方法装置

[发明专利]一种针对跨用户运动想象分类的自适应算法-CN202211555151.4在审
发明人：陈致格;黄梦婕;杨瑞 -专利权人：西交利物浦大学
申请日： 2022-12-06 - 公布日： 2023-04-04 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种针对跨用户运动想象分类的自适应算法，涉及脑电数据分类领域，包括如下步骤：S1：构建基于电极距离的电极间损失权重函数；S2：构建基于电极距离的电极间的数据分布差异损失函数；S3：构建网络整体结构，通过训练使得所述电极间损失权重函数以及所述数据分布差异损失函数最小化。本发明方法在相同的脑电数据分类任务中可取得更高的准确率。
一种针对用户运动想象分类自适应算法

[发明专利]一种基于遗传优化和核极限学习机的分类方法及装置-CN201810295090.X有效
发明人：刘怡俊;李冕 -专利权人：广东工业大学
申请日： 2018-03-30 - 公布日： 2022-02-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于遗传优化和核极限学习机的分类方法，包括：将样本图片库中的图片输入到递归最小二乘法核极限学习机中；获得其在多组不同的正规化系数与核函数参数下对样本图片库中的图片进行分类的分类精度，分类结果包括预设数量的用户喜爱等级；基于遗传算法对正规化系数与核函数参数进行优化，得到最优的正规化系数与核函数参数；将最优的正规化系数与核函数参数的值输入到递归最小二乘法核极限学习机中，以将待分类图片库中的图片进行分类；将图片按照对应的用户喜爱等级由高到低推荐至用户本方法中递归最小二乘法核极限学习机中的分类参数是基于遗传算法优化后的得到的最优分类参数，分类精度得到提高，进而提高图片推荐准确性。
一种基于遗传优化极限学习机分类方法装置

[发明专利]一种基于双损失函数的高光谱图像开放性分类方法-CN202210295840.X有效
发明人：张耿;刘松;胡炳樑;傅頔;李海巍;陈军宇 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2022-03-24 - 公布日： 2022-08-05 - 主分类号： G06V20/10 文献下载
摘要：本发明为解决现有图像处理中高光谱图像开放性分类方法中大多采用的为针对图像级进行分类，不适用像素级的图像分类；或在分类处理过程中易受噪声和混合像元影响的技术问题，而提供了一种基于双损失函数的高光谱图像开放性分类方法2、构造特征提取网络，利用高光谱图像X的邻域块数据及其相应的类别标签对特征提取网络进行训练；步骤3、获取相应类别数据的特征向量；步骤4、构造双损失函数分类网络，利用特征向量训练双损失函数分类网络；步骤5、利用双损失函数分类网络及预设的阈值对三维高光谱图像S的邻域块数据进行开放性分类。
一种基于损失函数光谱图像开放性分类方法

[发明专利]多标签文本分类方法、装置、电子设备及存储介质-CN202210141446.0在审
发明人：罗霄 -专利权人：中国平安人寿保险股份有限公司
申请日： 2022-02-16 - 公布日： 2022-05-13 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及人工智能技术，揭露一种多标签文本分类方法，包括：计算文本集中每种文本类别对应的文本类别频率；根据文本类别的种类构建交叉熵损失函数；当获取训练集，将所述交叉熵损失函数转换为包含所述训练集中每种文本类别的文本出现频率的初始损失函数，将文本类别频率替换初始损失函数中对应文本类别的文本出现频率，得到目标损失函数；根据目标损失函数，利用训练集对预构建模型进行训练，得到文本识别模型；利用文本识别模型对待识别文本进行文本分类，得到文本识别类别本发明还提出一种多标签文本分类装置、设备以及介质。本发明可以提高多标签文本分类的准确率。
标签文本分类方法装置电子设备存储介质

[发明专利]一种对抗重编程模型及方法-CN202211547947.5在审
发明人：冯晓毅;郑杨;蒋晓悦;夏召强;党思航;伍家平;党晨;张峰;高洁;康健 -专利权人：西北工业大学深圳研究院;西北工业大学
申请日： 2022-12-05 - 公布日： 2023-07-04 - 主分类号： G06F21/57 文献下载
摘要：本发明属于计算机视觉与和计算机安全领域，具体涉及一种对抗重编程模型及方法，该对抗重编程模型包括特征提取模块、分类器、对抗扰动函数、对抗重编程线性函数和对抗损失函数；分类器包括若干卷积神经网络模型；特征提取模块采用卷积神经网络模型提取目标域数据集图像中的初始特征图，基于初始特征图通过对抗扰动函数获取对抗数据；且基于对抗数据设计所述对抗重编程线性函数；对抗重编程线性函数使目标域数据集图像在目标检测数据集中按攻击者的意图进行分类；本发明对抗重编程方法通过评估测试数据集的分类结果
一种对抗编程模型方法