“无监督”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1238152个，建议您升级VIP下载更多相关专利

[发明专利]一种基于半监督的应用市场刷榜应用检测方法-CN201810487147.6在审
发明人：何道敬;唐宗力;洪凯 -专利权人：华东师范大学
申请日： 2018-05-21 - 公布日： 2018-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于半监督的应用市场刷榜应用检测方法，将半监督学习算法使用于应用市场的刷榜应用检测。实施步骤包括：获取应用特征存储到数据库，将数据库中特征进行少量标注得到带标注和无标注的混合样本集，使用半监督学习算法在混合样本集上训练得到分类器，最后将分类器用于应用检测。本发明将半监督学习应用到大量无标注的应用市场数据中，采用半监督学习算法中成熟的协同训练算法，降低误报率的同时，提高了检测的效率，实现了少量数据标注下应用市场中的刷榜应用检测。
应用检测应用市场半监督学习算法标注混合样本半监督分类器数据库半监督学习数据标注训练算法应用特征误报率存储协同检测成熟应用

[发明专利]一种目标检测模型训练方法、装置、目标检测方法及装置-CN202210785322.6在审
发明人：李纪为;董博;曲徽;黄旭辉 -专利权人：浙江大学
申请日： 2022-07-04 - 公布日： 2022-11-11 - 主分类号： G06V10/25 文献下载
摘要：该方法包括利用超过第一预设数量的无标注图像数据自监督训练目标检测模型，得到自监督目标检测模型；利用不超过第二预设数量的目标检测标注数据训练自监督目标检测模型，得到自训练目标检测模型；将无标注图像数据输入到自训练目标检测模型中，得到对应的伪标注数据；利用伪标注数据有监督地训练自训练目标检测模型，得到最终目标检测模型。本申请在通过结合自监督与自训练实现大规模高质量目标检测领域的数据扩增，从而提升目标检测模型的效果。
一种目标检测模型训练方法装置

[发明专利]一种跨域遥感图像的无监督语义分割方法-CN202110268435.4有效
发明人：赵丹培;苑博;史振威;姜志国;张浩鹏 -专利权人：北京航空航天大学
申请日： 2021-03-12 - 公布日： 2022-10-18 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种跨域遥感图像的无监督语义分割方法，该方法包括：获取待分割的无标注目标域遥感图像；将所述待分割的无标注目标域遥感图像输入提前训练好的无监督语义分割模型；所述无监督语义分割模型包括几何一致性约束模块、域适应网络模块和语义分割网络模块；输出与所述待分割的无标注目标域遥感图像尺寸一致的分割结果图。该方法可以提升在有标注源域数据上训练的分割模型在目标域上的分割性能，从而减少语义分割任务对于大规模标注数据的依赖，同时提升语义分割模型在不同图像域上的泛化性能，可实现对待分割的无标注目标域遥感图像的准确分割
一种遥感图像监督语义分割方法

[发明专利]一种基于注意力机制的领域自适应方法-CN202110456916.8在审
发明人：何克磊;季雯;霍静;许悦;高阳;张峻峰 -专利权人：南京大学
申请日： 2021-04-27 - 公布日： 2021-07-13 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种基于注意力机制的领域自适应方法，包括以下步骤，基于无监督领域自适应模型的第一领域的第一源域的第一样本和第一领域的第一目标域的第二样本，通过无监督领域自适应模型的转化器，获得无监督领域自适应模型的第二领域的第二源域的第三样本和第二领域的第二目标域的第四样本，通过神经网络模型和注意力获得机制，获得无监督领域自适应模型的转化预测结果，通过损失函数模型，获得预测损失模型，用于通过最小化基于注意力的域内一致性函数，实现跨领域基于注意力机制的对齐，提升无监督领域自适应模型的性能
一种基于注意力机制领域自适应方法

[发明专利]一种图像视差的确定方法、装置及系统-CN201810276957.7有效
发明人：张奎;熊江;杨平;谢迪 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2018-03-30 - 公布日： 2021-06-25 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种图像视差的确定方法、装置及系统，本实施例中利用无监督神经网络，确定多张图像间的视差，无监督神经网络利用损失函数进行训练，不需要真实视差作为监督，损失函数中包含一项或多项误差参数，训练过程中
一种图像视差确定方法装置系统

[发明专利]一种基于随机重采样的半监督学习图像分类方法-CN201910566485.3在审
发明人：张晓雷;王建宇 -专利权人：西北工业大学深圳研究院;西北工业大学
申请日： 2019-06-27 - 公布日： 2019-10-08 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于随机重采样的半监督学习图像分类方法，属于机器学习中半监督学习算法研究，用于提升半监督学习算法在无模型假设下的准确率精度。该算法包括如下步骤：1)采用随机重采样+投票的方法构造核矩阵；2)构造概率转移矩阵，并使用EM迭代算法不断迭代；3)在无标记数据样本中选取迭代后概率最大的标签。在手写数据集MNIST上的实验结果表明，同原始半监督学习算法分析相比，在使用随机重采样构造时，LP算法在MNIST数据集上有标记数据与无标记数据1：5的情况下识别错误率(equal error rate
重采样半监督学习算法半监督学习图像分类无标记迭代算法概率转移矩阵标记数据迭代算法机器学习模型假设手写数据数据样本错误率核矩阵数据集准确率标签概率投票分析研究

[发明专利]基于自监督和半监督学习的面部特征点跟踪方法-CN202010589060.7有效
发明人：王上飞;殷实;王海涵 -专利权人：中国科学技术大学
申请日： 2020-06-24 - 公布日： 2022-09-06 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于自监督和半监督学习的面部特征点跟踪方法，其步骤包括：1、对包含M个标注帧和N个无标注帧的人脸视频进行预处理；2、构建并初始化特征点跟踪器fG(·)；3、在无标注数据上对跟踪器fG(·)进行自监督训练；4、在有标注和无标注数据上对跟踪器fG(·)进行半监督训练
基于监督学习面部特征跟踪方法

[发明专利]一种基于协同网络结构的鞋底花纹图像聚类方法-CN201910996076.7有效
发明人：王新年;董波 -专利权人：大连海事大学
申请日： 2019-10-18 - 公布日： 2022-10-25 - 主分类号： G06V20/60 文献下载
摘要：本发明提供了一种基于协同网络结构的鞋底花纹图像聚类方法，包括基于特征层差异损失连接有类别信息的鞋样或者嫌疑人鞋底花纹学习网络与现场鞋底花纹无监督聚类网络，通过不同属性的数据集做预训练，可以利用鞋样或者嫌疑人鞋底花纹海量数据有监督学习提供的特征子空间，来对现场鞋底花纹或者无标记的嫌疑人花纹特征聚类学习做制约，使得聚类过程有据可依。此外，本发明基于训练模型的先后顺序，给出了一种有监督、无监督网络协同训练的预训练策略，更有效地体现网络间的协同效果，提高鞋底花纹图像的聚类精度。
一种基于协同网络结构鞋底花纹图像方法

[发明专利]产品的缺陷检测方法、装置、设备及计算机可读介质-CN202210786159.5有效
发明人：于洋;李飞;熊海飞 -专利权人：深圳市信润富联数字科技有限公司
申请日： 2022-07-06 - 公布日： 2022-11-11 - 主分类号： G06T7/00 文献下载
摘要：该方法包括：将第一点云数据集输入第一神经网络模型，以利用第一神经网络模型基于无监督学习策略确定第一点云数据集在多个神经网络层级下对应的无监督聚类中心，第一点云数据集中包括多个样本产品的三维点云数据，无监督聚类中心用于表示样本产品在不同神经网络层级下对应的结构特征；基于有监督学习策略来利用无监督聚类中心对第一点云数据集进行邻域特征提取的学习，以训练得到第二神经网络模型；将目标产品的第二点云数据集输入第二神经网络模型，以利用第二神经网络模型识别出目标产品的缺陷。
产品缺陷检测方法装置设备计算机可读介质

[发明专利]使用无监督神经网络训练技术的分割-CN202010268572.3在审
发明人： V·扬帕尼;W-H·亨;刘思飞;P·莫尔恰诺夫;J·考茨 -专利权人：辉达公司
申请日： 2020-04-07 - 公布日： 2020-10-20 - 主分类号： G06T7/10 文献下载
摘要：公开了一种使用无监督神经网络训练技术的分割。系统和方法用于至少部分地基于神经网络来检测一个或更多个图像内的一个或更多个对象的一个或更多个片段神经网络以无监督方式被训练以推断一个或更多个片段的。系统和方法用于帮助训练一个或更多个神经网络，以无监督方式检测一个或更多个图像中一个或更多个对象的一个或更多个片段。
使用监督神经网络训练技术分割

[发明专利]一种基于无监督学习的螺丝拧紧异常数据检测方法-CN202310225469.4在审
发明人：王伟;闫波;宿红毅;郑宏 -专利权人：北京理工大学
申请日： 2023-03-02 - 公布日： 2023-06-02 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于无监督学习的螺丝拧紧异常数据检测方法，属于工业时序数据异常检测技术领域。本发明基于深度学习领域相关技术，完成无监督的异常检测，通过循环神经网络和时间卷积网络进行数据特征提取，更加充分的学习到螺丝拧紧数据的时间关联特征，结合自动编码器进行降维和重构，实现无监督的漏检数据异常检测
一种基于监督学习螺丝拧紧异常数据检测方法

[发明专利]基于无监督匹配追踪编码的仿脑架构图像识别方法-CN202010083016.9有效
发明人：于强;宋世明 -专利权人：天津大学
申请日： 2020-02-07 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明公开基于无监督匹配追踪编码的仿脑架构图像识别方法。将之与高效的多脉冲学习算法TDP相结合，提出了一种新的基于无监督匹配追踪编码的仿脑架构进行图像识别任务。主要步骤为：对输入数据进行预处理；无监督匹配追踪时序编码；多脉冲学习。大幅度提升了时序SNN在图像识别任务上面的识别准确率和鲁棒性，更加接近人脑处理外界信息的方式，为图像识别技术提供了新的技术思路。
基于监督匹配追踪编码架构图像识别方法

[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]一种基于无监督学习的光刻工艺窗口的确定方法-CN202310675979.1在审
发明人：娄鹏杰;赵舶彤;吕岳;吕淑静 -专利权人：华东师范大学
申请日： 2023-06-08 - 公布日： 2023-09-12 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及一种基于无监督学习的光刻工艺窗口的确定方法，包括：训练阶段：S1：获取大量无标签的光刻图像矩阵进行无监督学习；S2：通过无监督对比学习神经网络自动提取图像特征并进行相似度评估，从而获得相似度评价指标借助大样本的无监督学习，该方法在特征提取方面具有优越性能，为光刻工艺质量评估带来更高的准确性和鲁棒性。
一种基于监督学习光刻工艺窗口确定方法

[发明专利]基于深度学习的无监督路面裂缝分类方法及模型建立方法-CN202010553028.3在审
发明人：李伟;孙朝云;郝雪丽;张英杰;杨荣新;裴莉莉;户媛姣 -专利权人：长安大学
申请日： 2020-06-17 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：本发明属于路面裂缝分类领域，公开了一种基于深度学习的无监督路面裂缝分类模型建立方法，包括如下步骤：获取待分类图片数据集；建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项；将待分类图片数据集输入AlexNet网络模型中，获得高维特征向量集；对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；利用待分类图片数据集和伪标签集对AlexNet网络模型进行训练，训练完成的模型即为无监督路面裂缝分类模型本发明将无监督聚类算法引入深度神经网络对路面裂缝图像数据进行处理，进而去掉数据标注的任务，不仅对于深度神经网络而言具有重要意义，并且在无监督视觉特征学习任务上也是一个重大的突破。
基于深度学习监督路面裂缝分类方法模型建立