“小样本问题”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4218329个，建议您升级VIP下载更多相关专利

[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]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

[实用新型]一种小样本台式种子风选机-CN201320742869.4有效
发明人：刘文宝;郑华美;张卫华;王伟;王清华;张敏 -专利权人：刘文宝;山东农业工程学院;山东省农业科学院蔬菜花卉研究所
申请日： 2013-11-22 - 公布日： 2014-04-30 - 主分类号： B07B9/00 文献下载
摘要：一种小样本台式种子风选机，涉及小样本种子的加工筛选技术领域，主要解决小样本种子加工筛选的问题。这种小样本台式种子风选机能够在可视条件下有效的对小样本种子进行清洁、筛选。本实用新型有效解决了小样本种子的加工筛选问题，能够在可视条件下对小样本种子进行清洁、去皮，保证筛选效果。同时能保持环境的清洁无尘，结构紧凑、轻巧便于移动。
一种样本台式种子风选

[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]支持多任务和跨任务的小样本分类训练方法及装置-CN202011133629.5在审
发明人：黄美玉;向雪霜;徐遥 -专利权人：中国空间技术研究院
申请日： 2020-10-21 - 公布日： 2021-01-08 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种支持多任务和跨任务的小样本分类训练方法及装置，所述方法包括：形式化类比，将小样本分类问题中的分类任务形式化成标准分类问题中的样本,并将小样本分类的目标形式化成给定大量任务样本的情况下学习一种任务解决器(能够估计任务是否完成)；2)模拟标准分类问题中的批训练技术(每次迭代处理每个类别中的一些样本)，提出一种多任务(multi‑episode)的小样本分类训练算法(每次迭代处理多个任务类别中的一些任务样本)；3)模拟标准分类问题中的预训练技术(在大规模数据上为类似小规模数据任务预先训练一个基本模型)，提出一种跨任务(cross‑way)的小样本分类训练算法(在多类别(高way)问题上为小类别(低way)问题预先训练一个基本模型)。
支持任务样本分类训练方法装置

[发明专利]一种基于机器学习的小样本信用评估方法、系统和介质-CN202110451931.3在审
发明人：刘海滨;李健 -专利权人：北京工业大学
申请日： 2021-04-25 - 公布日： 2021-08-06 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种基于机器学习的小样本信用评估方法、系统和介质。选取小样本数据训练生成对抗网络模型，待网络达到纳什均衡后，利用生成网络产生同分布的伪数据，然后伪数据与真实数据结合生成扩增样本，使用扩增样本训练机器学习模型用以信用评估。本发明解决了现阶段小样本数据建模遇到的问题，如数据获取困难、数据量少、样本分布不均匀、数据价格昂贵等，同时也解决了小样本数据所带来的信用评估模型性能不佳等问题。
一种基于机器学习样本信用评估方法系统介质

[发明专利]一种基于最小覆盖算法的多标签小样本场景数据构建方法-CN202210835061.4在审
发明人：金宇霏;陆慧娟 -专利权人：中国计量大学
申请日： 2022-07-15 - 公布日： 2022-09-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于最小覆盖算法的多标签小样本场景数据构建方法，属于小样本学习领域，其包括以下步骤：分割数据集为训练集和测试集；构建训练集数据；构建测试集数据。本发明利用最小覆盖算法来构建多标签小样本情景训练数据，首先设定一个足够大的圆；然后移除冗余样本缩小这个圆；最后得到最小覆盖圆。本发明针对多标签小样本数据构建复杂、耗时的难点，基于最小覆盖算法，提出准确高效的多标签小样本场景数据构建方法，有助于研究多标签小样本场景下的现实问题。
一种基于最小覆盖算法标签样本场景数据构建方法

[发明专利]基于小样本知识图谱补全的信息检索优化方法及其系统-CN202310940713.5在审
发明人：周仁杰;马强;马浩男;杨畅;万健;蒋从锋;张伟 -专利权人：杭州电子科技大学
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06F16/36 文献下载
摘要：本发明公开基于小样本知识图谱补全的信息检索优化方法，构造小样本知识图谱补全模型GAKDN，利用门控和角色感知的邻居聚合器有效过滤邻居噪声信息，减少噪音信息在学习实体嵌入时的影响，通过角色识别网络学习实体和邻居关系的深层关联，识别实体在不同小样本关系下的角色；通过知识蒸馏提取小样本关系对应的实体对之间的结构信息，缓解样本表征不足的问题；利用自适应匹配处理器计算正负例查询集与支持集的得分，根据最高得分找到最适合的补全实体。本发明解决了噪声邻域、实体多角色和小样本场景下样本特征学习不足的问题，从而更准确地预测待补全的尾实体,提高小样本场景下知识图谱补全的准确率，以优化知识图谱的信息检索能力。
基于样本知识图谱信息检索优化方法及其系统

[发明专利]一种基于加权深度森林的小样本数据分类方法-CN202210491986.1在审
发明人：邓玉辉;陈萍 -专利权人：暨南大学
申请日： 2022-05-06 - 公布日： 2022-08-12 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于加权深度森林的小样本数据分类方法，解决现有分类方法在小样本数据下难以进行表征学习、无法正确分类的问题。该分类方法包括：数据预处理，对待分类数据进行清洗、填充和归一化；模型构建，为解决深度森林模型存在的问题，构建基于加权深度森林的小样本数据分类模型；模型训练，利用小样本数据集对模型进行训练，获得最优基于加权深度森林的小样本数据分类模型本发明公开的方法中构建的模型，适用于不同类型的小样本数据分类任务，与深度神经网络相比，训练速度更快，分类效果更好。
一种基于加权深度森林样本数据分类方法

[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]一种基于无人机遥感的小样本小目标藏羚羊智能识别方法-CN202310151602.6在审
发明人：罗丰;吴游宇;王丽园;庄稼丰;杨晶;李正军;熊文磊;马天奕 -专利权人：中交第二公路勘察设计研究院有限公司
申请日： 2023-02-22 - 公布日： 2023-06-23 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种基于无人机遥感的小样本小目标藏羚羊智能识别方法，通过无人机采集无人机正射影像；构建辅助集和无人机藏羚羊小样本库；构建具有上下文感知融合与对比分析的小样本深度学习模型；确定模型损失函数；利用辅助集和无人机藏羚羊小样本库对具有上下文感知融合与对比分析的小样本深度学习模型进行训练提高小样本条件下前景以背景的区分度，提升小样本小目标条件下的藏羚羊识别精度。克服了基于无人机的藏羚羊的检测实际应用中却面临着样本稀少、目标较小、与地面背景难以区分等问题。
一种基于无人机遥感样本目标羚羊智能识别方法

[发明专利]基于全局和部件匹配的小样本点云物体识别方法、系统及介质-CN202310614682.4在审
发明人：吴庆耀;陈健;赖吕龙;吴家驹;张泽鸿 -专利权人：华南理工大学;人工智能与数字经济广东省实验室（广州）
申请日： 2023-05-29 - 公布日： 2023-09-29 - 主分类号： G06V20/64 文献下载
摘要：本发明公开一种基于全局和部件匹配的小样本点云物体识别方法、系统及介质，方法包括构建小样本点云物体识别数据集；利用小样本点云物体识别数据集构建小样本点云物体识别任务，每个任务包括支持集和查询集；构建点云物体识别网络模型；利用基类小样本点云物体识别任务训练并得到训练好的点云物体识别网络模型；利用新类小样本点云物体识别任务验证点云物体识别网络模型的性能，并利用该模型得出预测结果。本发明设计了一个小样本点云物体识别模型，通过在全局、部件两个层级上对点云进行相似性比较，有效解决了现有方法在数据量不足限制下性能差的问题，实现了小样本点云物体精准识别。
基于全局部件匹配样本物体识别方法系统介质

[发明专利]一种基于轴向自注意力的高维图像目标缺陷检测模型-CN202210190734.5在审
发明人：蒲志奇;相紫涵;谷潇;韩文芳;渐令 -专利权人：中国石油大学（华东）
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于小样本高维图像的目标缺陷检测模型。通过引入轴向自注意力机制，针对传统的深度卷积神经网络无在图像特征提取时存在着占用内存大，处理时间慢，无法有效的解决专业领域下高维高清图像的目标检测问题，设计基于小样本高维图像的目标缺陷检测模型。该模型能够针对高维图片进行有效的全局表征提取，显著降低计算复杂度，提高针对小样本高维图像目标检测的性能，满足实际应用问题的需求。本发明基于小样本高维图像的目标缺陷检测模型，克服了传统深度卷积提取高维图片深度全局表征时间慢，效果差的问题，可高效应用于小样本情境下高维图片的缺陷目标检测等实际应用问题。
一种基于轴向注意力图像目标缺陷检测模型

[发明专利]一种适用于医学影像目标分类的样本选择偏差缓解方法-CN202310437022.3在审
发明人：张云飞;蔡占毅;钱靖;陆峦华;于新桃 -专利权人：江苏济远医疗科技有限公司
申请日： 2023-04-20 - 公布日： 2023-09-19 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种适用于医学影像目标分类的样本选择偏差缓解方法，在小样本图像分类基础上，研究通过特征变换解决小样本任务中新类数据偏移问题，构建新集样本特征变换网络模型。新类和基类共享特征提取方式，利用新类样本特征向特定的方向偏斜、接近于特定基类样本特征方向的特点，以特定基类特征的平均作为任务质心，新类移除它们在任务质心方向的投影，从而增加新类样本特征的数据差异，提高新类特征的辨识度本发明对小样本学习样本选择偏差问题的理论研究、小样本学习在医学影像目标分类的广泛应用具有重要的意义。同时，对我国突破小样本学习实现跨域理论瓶颈起到重要推动作用。
一种适用于医学影像目标分类样本选择偏差缓解方法

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