龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中科(厦门)数据智能研究院
申请日：2023-06-21
公开（公告）日：2023-09-05
公开（公告）号：CN116704292A
主分类号：G06V10/774
分类号：G06V10/774;G06V10/82;G06V10/764;G06N3/094;G06N3/0985;G06T11/00
优先权：
专利状态码：在审-实质审查的生效
法律状态：2023.09.22#实质审查的生效;2023.09.05#公开
摘要：本发明涉及人工智能技术领域，具体公开了一种基于知识重构和反馈巩固的图像增量生成方法，包括构建增量生成模型、在VAE的训练损失函数中加入知识重构损失和反馈巩固损失；本发明提出的方法增加知识重构损失来对齐当前解码器与历史任务解码器关于历史数据的输出结果；为了增强生成图像的质量，让其更接近真实图像，对生成的当前任务样本采取和真实数据一致的操作，即对重构图片进行编码，增加反馈巩固损失鼓励编码得到的隐变量与高斯分布能够保持一致，解决了常规基于VAE的方法重放生成的历史数据在很多场景下是无法实现的，并且保存数据随着任务的增加而增加，造成存储空间增加的问题。
主权项：1.一种基于知识重构和反馈巩固的图像增量生成方法，其特征在于，包括对整个增量学习任务进行定义，在损失函数中添加知识重构损失项和反馈巩固损失项：定义训练数据集：记整个增量学习任务的训练数据集为D＝{Dt}Tt＝1，总共包含了T个任务；增量生成模型：记目标生成模型为M＝Φ，Θ，其中Φ为编码器，Θ为解码器；在VAE的训练损失函数中加入知识重构损失和反馈巩固损失：整体损失函数由常规训练损失、知识重构损失以及反馈巩固损失组成，整体损失函数的公式为： 式中：为整体损失函数，为VAE常规训练损失项，为知识重构损失项，为反馈巩固损失项，λr和λf分别为知识重构损失项的权重超参数和反馈巩固损失项的权重超参数。
全文数据：
权利要求：
百度查询： 中科(厦门)数据智能研究院 一种基于知识重构和反馈巩固的图像增量生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号