“分类网络”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1101099个，建议您升级VIP下载更多相关专利

[发明专利]针对高斯分类神经网络进行强化训练的方法及设备-CN201911413570.2在审
发明人：吴宏刚;赵士瑄;隋运峰;刘为谦;邓凌竹;程志 -专利权人：中国民用航空总局第二研究所
申请日： 2019-12-31 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种针对高斯分类神经网络进行强化训练的方法及设备，方法包括：对原始高斯分类神经网络进行强化训练，以得到目标高斯分类神经网络；获取待分类的图像信号；将待分类的图像信号输入目标高斯分类神经网络进行处理，以得到分类结果；其中，强化训练神经网络包括与卷积‑全连接层连接的强化网络损失层，其替换了原始高斯分类神经网络中的高斯混合判别层对高斯分类神经网络进行训练，提高了高斯分类神经网络的分类性能，并可实现特征编码等特殊应用需求，同时将待分类的图像信号输入上述目标高斯分类神经时，可提高信号分类预测的准确性。
针对分类神经网络进行强化训练方法设备

[发明专利]图像分类方法、系统、计算机设备及存储介质-CN202010959142.6有效
发明人：王伟凝;李乐敏;郭沛榕;谭燕;石红霞 -专利权人：华南理工大学
申请日： 2020-09-14 - 公布日： 2023-09-26 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种图像分类方法、系统、计算机设备及存储介质，所述方法包括：构造高效全局上下文模块；搭建图像分类网络，所述图像分类网络包括残差网络以及插入残差网络中的四个高效全局上下文模块；获取训练集，所述训练集包括多张训练图像；利用训练集对图像分类网络进行训练，使用交叉熵损失函数，采用随机梯度下降法对图像分类网络进行迭代优化，得到图像分类模型；获取待分类图像；将待分类图像输入图像分类模型中，得到分类预测结果。本发明通过在残差网络中插入高效全局上下文模块，以搭建图像分类网络，有效地捕获全局信息以及通道依赖信息，提高了图像分类网络的分类识别能力，达到更好的图像分类效果。
图像分类方法系统计算机设备存储介质

[发明专利]基于卷积神经网络和非局部连接网络的图像分类方法-CN201910181663.0有效
发明人：张向东;曹延晖 -专利权人：西安电子科技大学
申请日： 2019-03-11 - 公布日： 2023-03-24 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于卷积神经网络和非局部连接网络的图像分类方法，解决了卷积神经网络分类图像精度较低的问题。实现步骤：下载N个图像分类数据集并分割；使用卷积神经网络在数据集上训练并测试得到分类结果；构建图像分类网络；利用构建好的最优图像分类网络在图像分类数据集上训练并测试得到分类结果；在给定的M组网络参数和N本发明将非局部连接网络首次应用到了图片分类领域，将卷积神经网络和非局部连接网络结合，利用非局部连接网络的去噪特性提高了卷积神经网络分类图像的精度，并给出了如何将非局部网络应用到卷积神经网络中的方法。用于深度学习图像分类技术领域。
基于卷积神经网络局部连接网络图像分类方法

[发明专利]加速基于卷积神经网络的中文手写体识别的方法-CN201810789695.4在审
发明人：李志远;滕南君;金敏;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2018-07-18 - 公布日： 2018-12-18 - 主分类号： G06K9/68 文献下载
摘要：一种基于卷积神经网络的中文手写体识别的加速方法，包括如下步骤：手写字符图片数据预处理，方便卷积神经网络的分类实现；搭建卷积神经网络结构，在浅层加入第一分类器，中间层加入第二分类器，顶层加入第三分类器；初始化网络参数，固定浅层网络和第一分类器的参数，利用第二分类器的损失函数指导网络训练，更新中间层网络和第二分类器的参数；固定浅层网络、中间层网络、第一分类器和第二分类器的参数，利用第三分类器的损失函数指导网络训练，更新顶层网络和第三分类器的参数；对三个分类器的损失函数进行加权，利用加权后的损失函数微调整个网络和三个分类器的参数；在测试集上对网络的三个分类器进行测试，评估分类器的性能，并且计算三个分类器所需的计算量。
分类器损失函数卷积神经网络中间层浅层网络手写体识别网络训练顶层加权神经网络结构手写字符图片数据预处理网络参数整个网络测试集初始化计算量更新卷积中文微调测试分类评估

[发明专利]僵尸网络流量的分类方法、装置和电子设备-CN202011141589.9在审
发明人：魏海宇;张靖江;何纪中 -专利权人：北京中睿天下信息技术有限公司
申请日： 2020-10-22 - 公布日： 2021-01-22 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了僵尸网络流量的分类方法、装置和电子设备，该分类方法包括：提供样本僵尸网络流量；对所述样本僵尸网络流量提取多个预设特征，根据所述样本僵尸网络的多个预设特征组成关键句；根据具有关键句且具有分类标记的样本僵尸网络流量进行训练，得到基于长短时记忆网络的僵尸网络流量分类模型；通过所述僵尸网络流量分类模型对目标僵尸网络流量进行分类，输出所述目标僵尸网络流量的分类结果。本发明采用多分类模型，可以将其流量按照其所属家族进行分类。本发明基于数据包级别的流量分类，从而大大提高分类的正确率。
僵尸网络流量分类方法装置电子设备

[发明专利]一种基于预测概率知识蒸馏的性别分类方法和系统-CN202210556798.2在审
发明人：黄陶冶;王麒;陈帅斌;蒋泽飞 -专利权人：杭州登虹科技有限公司
申请日： 2022-05-19 - 公布日： 2022-08-05 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于预测概率知识蒸馏的性别分类方法和系统，方法包括：获取待预测图像，构建ResNet18网络作为教师主干网络，构建CNN网络作为学生网络；对教师网络配置性别分类器，并设置分类类别，构建教师网络分类器权值矩阵；对所述学生网络配置性别分类器，并设置和教师网络相同的分类类别，构建学生网络分类器权值矩阵；采用损失函数分别计算教师网络和学生网络的性别分类损失和性别蒸馏损失；获取所述教师网络和学生网络分别对输入待预测图像输出性别预测概率向量；根据所述性别预测概率向量、性别分类损失和性别蒸馏损失计算总蒸馏损失，通过梯度下降算法对教师网络和学生网络进行参数更新。
一种基于预测概率知识蒸馏性别分类方法系统

[发明专利]基于网络特征强化的深度图卷积模型防御方法及装置-CN202010515730.0在审
发明人：陈晋音;张敦杰;徐晓东;林翔;李玉玮 -专利权人：浙江工业大学
申请日： 2020-06-08 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于网络特征强化的深度图卷积模型防御方法及装置，其中方法包括以下步骤：(I)基于图卷积网络构建网络分类器并进行预训练，网络分类器包含特征提取层和分类层；(II)利用预训练好的特征提取层提取网络的网络特征，利用特征强化模块对网络特征进行特征强化获得加强网络特征；(III)利用加强网络特征对分类层进行再训练；训练好的特征提取层、特征强化模块和分类层依次连接，构成深度图卷积模型；(IV)利用特征提取层提取待分类网络的网络特征；特征强化模块对网络特征进行特征强化获得加强网络特征；分类层对加强网络特征进行分类，获得待分类网络的分类结果。
基于网络特征强化深度图卷模型防御方法装置

[发明专利]基于图对比学习的跨网络节点分类方法、设备及介质-CN202310181765.9在审
发明人：沈笑;薛鹏;孙德望;周犀 -专利权人：海南大学
申请日： 2023-05-09 - 公布日： 2023-06-23 - 主分类号： G06F18/241 文献下载
摘要：本申请公开了基于图对比学习的跨网络节点分类方法、装置、设备及介质，包括：对源网络历史节点和目标网络待分类节点进行自适应边权重计算，得到源网络历史节点特征和目标网络待分类节点特征，基于源网络历史节点的标签预测概率和真实标签构建节点分类损失函数，根据源网络历史节点和目标网络待分类节点的真实域标签构建域分类损失函数；基于生成的正负样本对构建特定网络图对比损失函数和跨网络图对比损失函数；基于节点分类损失、域分类损失和图对比损失以构建目标函数；判断目标函数是否符合收敛条件，若符合，对目标网络待分类节点进行节点标签预测，能提高跨网络节点分类稳定性和网络结构噪声抵抗力，匹配源网络和目标网络类别条件分布。
基于对比学习网络节点分类方法设备介质

[发明专利]一种网络流量分类方法-CN201910314300.X有效
发明人：肖喜;毛科龙;夏树涛;郑海涛;江勇 -专利权人：清华大学深圳研究生院
申请日： 2019-04-18 - 公布日： 2021-12-14 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种网络流量分类方法，包括构建轻量级分类模型；所述构建轻量级分类模型包括如下步骤：S1：基于自步学习的深度神经网络流量去噪算法训练网络流量分类模型；S2：基于正则化损失知识蒸馏的模型压缩技术，将所述网络流量分类模型压缩成轻量级网络流量分类模型。通过一种新的基于自步学习的深度神经网络流量去噪算法，并结合知识蒸馏技术，对网络流量分类模型进行压缩，得到最终的轻量级网络流量分类模型。有效提升网络流量分类方法的鲁棒性、分类准确率和分类速度。
一种网络流量分类方法

[发明专利]一种网络流量分类处理系统-CN202010001584.X在审
发明人：李锦基;黄永权;李明东;龙泽;曾洋林;付长财 -专利权人：深圳市高德信通信股份有限公司
申请日： 2020-01-02 - 公布日： 2020-05-08 - 主分类号： H04L12/851 文献下载
摘要：本发明公开了一种网络流量分类处理系统，包括：路由器、流量分类中心和监测中心；所述路由器，作为网络流量的中转站，用于将网络系统各个用户端产生的网络流量数据进行中转传输，所述流量分类中心，作为网络流量的分类平台，用于对获取的网络流量数据进行分类处理，所述监测中心，作为流量分类中心的监测平台，用于对网络流量分类的过程进行实时的监测管理。本发明中，该网络流量分类处理系统利用基于机器学习的网络流量分类方式，并按照五元组的定义，将数据报文划分为双向TCP或UDP流，配合选取流特征构建分类器的方式，实现了网络流量全面准确的分类处理，提高了网络流量分类系统的扩展性，满足了复杂多样化的网络流量分类需求。
一种网络流量分类处理系统

[发明专利]无监督图像分类模型的训练方法、装置和电子设备-CN202010443523.9在审
发明人：李振鹏;郭玉红;姜佳男 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2020-05-22 - 公布日： 2020-10-27 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种无监督图像分类模型的训练方法、装置和电子设备，通过将获取的目标域数据集和至少一个源域数据集分批次输入至无监督图像分类模型中进行处理，以训练无监督图像分类模型的特征生成网络、分类网络、域判别网络和联合标签分类网络，响应于特征生成网络、分类网络、域判别网络和联合标签分类网络对应的损失满足预定条件，确定无监督图像分类模型训练完成，由此，本实施例通过联合标签分类网络使得目标域数据集和源域数据集在域分布和类别分布上实现特征对齐，提高了训练后的无监督图像分类模型的分类准确度。
监督图像分类模型训练方法装置电子设备

[发明专利]一种基于孪生残差网络的二阶段多分类工业图像缺陷检测方法-CN202210285597.3在审
发明人：张逸为;郑军 -专利权人：聚时科技（上海）有限公司
申请日： 2022-03-22 - 公布日： 2022-06-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于孪生残差网络的二阶段多分类缺陷检测方法，将待检测图像与其模板信息共同输入到网络中，提取差异特征，并将差异特征按照残差网络设计思想结合到以模板信息为输入的残差网络中，提取多分类特征；利用差异特征训练二分类检测网络；使用检测网络的提案检测框用于多分类检测网络的训练，完成缺陷多分类检测任务。本发明中，孪生网络结构与残差网络结构解耦了缺陷与模板信息，使得网络更加明确地学习缺陷部分与分类部分，并且具有很强的迁移能力，同时结合了二分类检测网络与多分类检测网络的特点和优势，设计出了既能准确检测出缺陷又能准确多分类的网络结构
一种基于孪生网络阶段分类工业图像缺陷检测方法

[发明专利]一种基于维纳过程的异常入侵检测集成学习方法及装置-CN201310712975.2有效
发明人：李倩;牛温佳;管洋洋;黄超;刘萍;郭莉 -专利权人：中国科学院信息工程研究所
申请日： 2013-12-20 - 公布日： 2014-04-09 - 主分类号： H04L12/26 文献下载
摘要：本发明涉及一种基于维纳过程的异常入侵检测集成学习方法，包括以下步骤：选择网络流量数据集；将每个网络流量样本及其样本概率分布输入到未初始化的神经网络分类器或者经过上次训练得到的神经网络弱分类器中，判断神经网络弱分类器对每个网络流量样本是否分类错误，调整每个网络流量样本的数量及样本概率分布；反复执行步骤2，得到多个神经网络弱分类器；分别确定每个神经网络弱分类器的权重；根据每个弱分类器及每个弱分类器对应的权重，得到强分类器；将待检测网络数据流输入到强分类器中，得到入侵检测结果；重复执行步骤6，直至所有待检测网络数据流检测完毕。本发明能够解决不平衡数据集的分类问题、得到分类正确率较高的无偏分类器。
一种基于过程异常入侵检测集成学习方法装置

[发明专利]图像分类网络中基于信息瓶颈算法的图像分类方法-CN202210689203.0在审
发明人：董庆宽;何浚霖;方建平 -专利权人：西安电子科技大学
申请日： 2022-06-16 - 公布日： 2022-09-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种图像分类网络中基于信息瓶颈算法的图像分类方法，主要解决现有技术中网络结构复杂、未在训练过程中充分利用深度学习网络的高层特征的问题，其实现步骤为：生成干净样本集；构建图像分类网络；通过训练图像分类网络得到训练好的模板网络；生成对抗样本集；利用信息瓶颈算法构建总代价损失函数；训练图像分类网络得到目标网络；对待分类的图像进行分类。本发明利用图像分类网络中特征提取层的输出获取模板高层特征、干净高层特征与对抗高层特征迭代优化图像分类网络，利用信息瓶颈算法构建了总代价损失函数，可用于对自然图像中的目标进行分类识别。
图像分类网络基于信息瓶颈算法方法

[发明专利]流量数据检测方法、训练方法、系统、设备及介质-CN202310666046.6有效
发明人：张家伟;贾焰;方滨兴;张彦春;韩伟红;顾钊铨;杨明盛;李宗哲;吴志良;杨杰;吉青利;黄珺;陈睿;殷丽华 -专利权人：鹏城实验室
申请日： 2023-06-07 - 公布日： 2023-08-22 - 主分类号： H04L9/40 文献下载
摘要：本申请提供了流量数据检测方法、训练方法、系统、设备及介质，属于网络流量数据检测或人工智能技术领域。方法包括：获取待检测的网络流量数据；将网络流量数据输入到流量数据检测模型中，流量数据检测模型设置有主干网络和主干网络的孪生网络；通过孪生网络对网络流量数据进行特征提取，得到网络流量数据的二分类特征；通过主干网络对网络流量数据进行特征提取，得到网络流量数据的第一多分类特征，将二分类特征和第一多分类特征进行特征融合，得到第二多分类特征；基于二分类特征和第二多分类特征检测得到网络流量数据的流量分类结果。本申请利用孪生网络二分类特征来增强主干网络多分类特征，可以提高网络流量数据类别检测的准确度。
流量数据检测方法训练系统设备介质