“小样本”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196474个，建议您升级VIP下载更多相关专利

[发明专利]一种基于强化学习的小样本图像处理方法及其相关设备-CN202310321583.7在审
发明人：王晓天;李昊星;马利;尹思媛;彭晓;顾天祺;蒋永瑞;赵良;田博;齐征;李萌萌;张健;谭佳琳;丁雪;杨国辉 -专利权人：北京临近空间飞行器系统工程研究所
申请日： 2023-03-29 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本公开的基于强化学习的小样本图像处理方法及相关设备，通过将目标样本的基础类别和小样本目标类别进行特征匹配关联，得到特征匹配度得分；根据特征匹配度得分检测目标样本的基础类别中的小样本目标类别，得到小样本目标类别样本；提取小样本目标类别样本的视觉特征和语义特征，在小样本目标类别样本的视觉特征空间施加语义特征，得到小样本目标类别样样本的多模态信息；将小样本目标类别样样本的多模态信息入到小样本强化学习模型中，对小样本目标类别样样本的多模态信息进行总体环境估计得到小样本目标类别样样本，能够在强化学习的新范式下，结合小样本的可见类别到未见类别的知识迁移特征，实现在样本数目稀少的条件下准确预测样本标签的目标。
一种基于强化学习样本图像处理方法及其相关设备

[发明专利]一种用于小样本甲骨文识别的数据增广方法、应用及装置-CN202011492114.4在审
发明人：付彦伟;韩文慧;任新麟;林航宇;薛向阳 -专利权人：复旦大学
申请日： 2020-12-17 - 公布日： 2022-07-05 - 主分类号： G06V10/776 文献下载
摘要：本发明提供了一种用于小样本甲骨文识别的数据增广方法、应用及装置，其特征在于，包括如下步骤：对大样本数据、小样本数据序列化得到序列化大样本数据、序列化小样本数据；对序列化大样本数据抹除得到抹除大样本数据、完整大样本数据，对抹除大样本数据编码得到编码后抹除大样本数据；将编码后抹除大样本数据输入特征提取网络得到深度特征；利用预测网络对抹除大样本数据预测得到预测大样本数据；训练更新深度学习网络得到增广器；对序列化小样本数据随机抹除得到抹除小样本数据，并对抹除小样本数据编码得到编码后抹除小样本数据；将编码后抹除小样本数据输入增广器预测得到预测小样本数据，将该预测小样本数据作为增广样本。
一种用于样本甲骨文识别数据增广方法应用装置

[发明专利]一种小样本图像分类方法-CN202310107038.8有效
发明人：郭杰龙;魏宪;王彬;俞辉;邵东恒;张剑锋;李杰 -专利权人：泉州装备制造研究所
申请日： 2023-02-14 - 公布日： 2023-05-09 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种小样本图像分类方法，包括，基于储备池构建小样本学习模型，其中所述小样本学习模型包括特征提取模块、基于储备池的特征增强模块及分类器；获取自动驾驶过程中的小样本数据集，通过小样本数据对小样本学习模型进行训练、测试及验证，生成优化模型，获取自动驾驶过程中的实测小样本图像，通过优化模型对实测小样本图像进行分类，得到分类结果以实现自动驾驶过程中的小样本图像分类。
一种样本图像分类方法

[发明专利]一种基于自监督对比约束下的小样本目标检测方法-CN202210421310.5有效
发明人：邢薇薇;姚杰;刘渭滨;张顺利;魏翔 -专利权人：北京交通大学
申请日： 2022-04-21 - 公布日： 2023-09-22 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种基于自监督对比约束下的小样本目标检测方法。该方法包括：将小样本目标检测问题建模成一个基于自监督学习的数学优化问题，构建对数据扰动敏感的小样本目标检测模型；设计小样本目标检测模型的优化目标函数；基于优化目标函数使用深度学习更新过程对小样本目标检测模型进行训练，得到训练好的小样本目标检测模型，利用训练好的小样本目标检测模型对待检测的小样本进行目标检测。本发明以两阶段学习过程为基础，使用迁移学习对领域知识进行学习，并在小样本数据集上进行模型微调。实验结果证明，本发明在PASCAL‑VOC公开数据集上取得了良好的性能，可以有效提高模型在小样本目标检测问题上的性能，具有较强的实际应用意义。
一种基于监督对比约束样本目标检测方法

[发明专利]一种基于强化学习的小样本类增量识别方法-CN202310688597.2在审
发明人：李竞元;李勇;史鹏飞;钟鸿豪;王慧勇;山世光;山盛;高黎明;刘壮;高科;杨茹茵;申一中 -专利权人：中科视拓（北京）科技有限公司;中科深视（杭州）科技有限公司
申请日： 2023-06-12 - 公布日： 2023-09-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提供的一种基于强化学习的小样本类增量识别方法，所述识别方法包括：下载小样本类增量学习数据集；设计基于强化学习的小样本增量分类识别网络；利用训练数据对所述网络进行训练，获得训练网络；根据所述训练网络生成小样本类增量学习模型；采用所述小样本类增量学习模型进行小样本增量分类识别。解决上述现有技术未自适应探索新类分类器学习策略造成不能缓和小样本增量学习灾难遗忘的问题。
一种基于强化学习样本增量识别方法

[发明专利]基于知识引导的小样本图像识别系统-CN202310058204.X在审
发明人：陈静静;卓林海;姜育刚 -专利权人：复旦大学
申请日： 2023-01-16 - 公布日： 2023-05-23 - 主分类号： G06V10/764 文献下载
摘要：本发明属于计算机技术领域，具体为基于知识引导的小样本图像识别系统。本发明系统包括基于知识引导的参数初始化模块以及小样本分类器训练模块。本发明先构建视觉以及语义知识图谱，之后通过参数初始化模块利用知识图谱将知识从预训练的分类器中迁移到小样本的数据集中，最终生成小样本分类器的初始化参数。之后小样本分类器训练模块利用得到的初始化参数初始化小样本分类器的参数，并在小样本数据集上训练得到小样本图像分类器，用于对小样本图像进行识别。本发明引入双流知识图谱能够提供更强的类别之间的联系，为小样本分类器提供更好的初始化参数，使分类器在样本较少的情况下快速收敛，从而提高分类器的分类性能。
基于知识引导样本图像识别系统

[发明专利]一种基于抑郁症的小样本机器学习方法-CN202310989839.1在审
发明人：陈超;宋彪;韩泽文 -专利权人：内蒙古卫数数据科技有限公司
申请日： 2023-08-07 - 公布日： 2023-10-24 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于抑郁症的小样本机器学习方法，包括以下步骤：数据集采集，小样本初始化模型构建：利用步骤采集的抑郁症数据集进行抑郁症小样本初始化模型的构建；增量数据选择；小样本优化模型构建，利用目标数据集进行新的小样本优化模型构建；集成子模型构建：利用抑郁症典型躯体症状数据集进行多个集成子模型的构建；集成模型构建：利用小样本优化模型和多个集成子模型，进行最优准确率赋权集成，形成最终的小样本机器学习模型。本发明采用上述一种基于抑郁症的小样本机器学习方法，解决现有技术中抑郁症小样本机器学习性能较差的问题，用于对抑郁症小样本数据增强并利用于机器学习技术，提升机器学习模型的泛化能力。
一种基于抑郁症样本机器学习方法

[发明专利]基于联邦小样本学习的轻量工业图片分类方法及系统-CN202210611106.X在审
发明人：杨树森;赵聪;赵鹏;孙心悦 -专利权人：杭州卷积云科技有限公司
申请日： 2022-05-31 - 公布日： 2022-09-06 - 主分类号： G06F16/55 文献下载
摘要：基于联邦小样本学习的轻量工业图片分类方法及系统，包括以下步骤：基于联邦小样本学习框架对工业图片分类系统进行建模；对小样本图片分类任务进行建模；构建由嵌入模块lθ和关系模块gφ组成的基于轻量关系网络的小样本分类器f；基于小样本图片分类任务构建小样本分类器f的训练方法；基于小样本分类器训练方法，构建小样本分类器的边云协同部署与训练方法；基于小样本分类器的边云协同部署与训练方法本发明充分利用不同工业机构异构且相互隔离的受限样本集，实现全局小样本图片分类器的有效训练，还适用于持有训练期间未见类样本的外部客户，支持样本受限的工业机构建立数据导向的图片分类器。
基于联邦样本学习工业图片分类方法系统

[发明专利]基于小样本目标检测网络的焊缝缺陷的检测方法、系统-CN202310582192.0在审
发明人：毛晴;董亚明;杨家荣;尹逊玉;张亚平 -专利权人：上海电气集团股份有限公司
申请日： 2023-05-22 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于小样本目标检测网络的焊缝缺陷的检测方法、系统，检测方法包括：利用Faster R‑CNN的二阶段目标检测算法和基于微调的小样本检测算法构建小样本目标检测网络；获取小径管环焊缝区域图像；将小径管环焊缝区域图像输入训练后的小样本目标检测网络，以得到小径管环焊缝的缺陷数据。本发明利用Faster R‑CNN的二阶段目标检测算法和基于微调的小样本检测算法构建小样本目标检测网络小径管环的焊缝缺陷进行检测，提高了小样本目标检测网络对少见缺陷检测的准确率以及小样本缺陷的检出率。
基于样本目标检测网络焊缝缺陷方法系统

[发明专利]用于统一小样本学习训练的算法库框架-CN202210072464.8在审
发明人：李文斌;史博尧;王子翊;杨雪松;陈嘉言;霍静;高阳 -专利权人：南京大学
申请日： 2022-01-21 - 公布日： 2022-05-13 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种用于统一小样本学习训练的算法库框架，包括：训练模块、数据加载模块、测试模块、配置模块和启动模块，其中：所述训练模块包括模型模块，用于提供小样本学习的算法模型；所述数据加载模块，用于小样本学习的数据加载；所述测试模块，用于小样本学习进行循环调用训练、评估和测试函数。采用上述技术方案，将用于训练、测试和评价小样本学习的各个模块整合在算法库框架内，框架可以被用作工具包或平台，便于用户使用或者复现小样本学习算法中；以相同的训练方式进行小样本学习，避免训练过程中的区别造成训练结果的差异，实现公平的比较各小样本学习方案的优劣。
用于统一样本学习训练算法框架

[发明专利]用于小样本图像识别的样本抽取、扩充方法及存储介质-CN202110687034.2有效
发明人：王红滨;张政超;张耘;王念滨;周连科;张毅;湛浩旻 -专利权人：哈尔滨工程大学
申请日： 2021-06-21 - 公布日： 2022-09-02 - 主分类号： G06V10/764 文献下载
摘要：用于小样本图像识别的样本抽取、扩充方法及存储介质，属于图像处理技术领域。为了解决针对于小样本图像识别过程中采用生成新样本的方式中存在的可能导致的生成错误样本的问题。本发明首先提出了一种基于特征重构的样本抽取方法来解决小样本数据集特征缺失的问题，从数据特征的角度实现了大样本数据集中抽取出一个典型小样本数据集。该方法将大样本数据的质心作为抽取度量的标准，使得抽取出的典型小样本数据集具有更全面的特征，效果更稳定。本发明还提出了基于变形信息的样本扩充方法，利用最优划分中同类异簇的数据间变形信息实现了将抽取出的典型小样本数据集扩充成新的大样本数据集。主要用于小样本图像识别的样本抽取及扩充。
用于样本图像识别抽取扩充方法存储介质

[发明专利]基于小样本机器学习与超参数优化的水下目标检测方法-CN202110442031.2有效
发明人：李新宇;孙晨;文龙;万宇森 -专利权人：华中科技大学;中国地质大学（武汉）
申请日： 2021-04-23 - 公布日： 2022-07-05 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法，包括：构建基于Cascade‑RCNN的小样本目标检测模型；预训练数据集；利用预训练数据集对小样本目标检测模型进行预训练，获得小样本目标检测模型的预训练权重θ′；构建待检测的目标数据集；将目标数据集划分为有标记的支持集和无标记的查询集；对目标数据集进行预处理；对小样本目标检测模型进行微调，得到最终训练完成的小样本目标检测模型；采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化，得到优化后的小样本目标检测模型；输入预处理后的查询集至优化后的目标检测模型，得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。
基于样本机器学习参数优化水下目标检测方法

[发明专利]一种基于小样本进行增量学习的方法及装置-CN202111653502.0在审
发明人：崔燕红;魏风顺 -专利权人：北京泰迪熊移动科技有限公司
申请日： 2021-12-31 - 公布日： 2022-02-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于小样本进行增量学习的方法及装置，属于人工智能技术领域。该方法包括：首先基于知识蒸馏对第一小样本数据进行增量学习，得到损失函数；并基于损失函数获得历史训练样本数据中的错误样本数据；之后，对所述错误样本数据进行特征聚类处理，并基于特征聚类结果对第二小样本数据进行增量处理，得到更新后第二小样本数据；最后，基于知识蒸馏对更新后第二小样本数据进行增量学习，得到最终新模型。由此，能够基于新增小样本对原始模型进行增量学习，解决了现有技术中由于历史训练样本数据丢失导致无法利用新增小样本数据来迭代原始模型的问题，从而对原始模型实现了有效更新。
一种基于样本进行增量学习方法装置

[发明专利]小样本涂装分类器训练方法、对象检测方法以及电子设备-CN202110697613.5在审
发明人：姚达琛;刘皓松;李诚 -专利权人：上海商汤临港智能科技有限公司
申请日： 2021-06-23 - 公布日： 2021-09-24 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种小样本涂装分类器训练方法、对象检测方法以及电子设备，该小样本涂装分类器训练方法包括：获取涂装对象的第一训练图像；将第一训练图像输入预先训练的大样本涂装分类器，获取涂装对象的第一训练特征；利用第一训练特征训练小样本涂装分类器；其中，大样本涂装分类器用于提取图像中涂装对象的特征，小样本涂装分类器用于利用涂装对象的特征对涂装对象进行分类。本申请通过预先训练的大样本涂装分类器提取图像训练特征，小样本涂装分类器直接利用图像训练特征进行训练，有利于提高小样本涂装分类器的训练效果。
样本分类训练方法对象检测以及电子设备

[发明专利]基于特定参数分布生成的小样本图像分类方法及系统-CN202111465249.6在审
发明人：刘东博;展华益;文艺 -专利权人：四川启睿克科技有限公司
申请日： 2021-12-03 - 公布日： 2022-01-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及小样本图像分类领域，具体涉及一种基于特定参数分布生成的小样本图像分类方法及系统，可以有效提高小样本图像分类方法的结果准确性。技术方案包括：构建小样本图像分类神经网络的总体架构，将多种卷积神经网络的参数作为参数训练集，使用参数训练集训练分布学习网络，通过训练后的分布学习网络生成小样本图像分类神经网络的初始参数，构建参数调节网络，所述参数调节网络和分布学习网络具有相同的参数，在参数调节网络的调节下，使用目标数据集来训练小样本图像分类神经网络，所述目标数据集为待分类图像集合，最后输入待分类图像，通过小样本图像分类神经网络提取其特征本发明适用于小样本图像分类。
基于特定参数分布生成样本图像分类方法系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条