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：南京信息工程大学
申请日：2024-02-01
公开（公告）日：2024-05-10
公开（公告）号：CN118015352A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/40;G06V10/82;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明属于计算机视觉领域，具体为一种样本均衡学习类增量目标计数建模方法，旨在解决模型在类增量目标计数过程中由于新旧类样本失衡导致的灾难性遗忘问题，同时提高模型对新类的感知能力以及帮助模型更好的实现稳定性与可塑性的平衡。本发明主要包括提出的两个新损失函数：1样本再平衡损失函数，根据其样本计数的难易程度动态再平衡新旧类样本的损失贡献，使得模型在更关注旧类样本缓解灾难性遗忘的同时，提高其对新类样本的感知能力；2梯度衰减损失函数，通过动态约束计数模型的梯度信息，在不损害其可塑性的情况下，最大限度地保留旧知识，更好的实现稳定性与可塑性的平衡。
主权项：1.一种样本均衡学习类增量目标计数建模方法，其特征在于，所述方法包括以下步骤：步骤S1：加载训练数据集，对数据集中的数据执行在线数据增广；步骤S2：构建类增量目标计数网络模型；步骤S3：设置网络训练参数，并计算分类损失、蒸馏损失、样本再平衡损失和梯度衰减损失进而对网络的参数进行优化；步骤S4：通过验证数据集对当前训练模型进行验证，保存误差较小的模型；步骤S5：如果当前类别的迭代次数完成后，选取代表性的样本构建范例集，并与新类的样本数据进行组合构成新的训练数据集；如果当前类别的迭代次数未完成，执行步骤S3；步骤S6：使用测试数据对保存的模型进行测试，得出最终的计数结果。
全文数据：
权利要求：
百度查询： 南京信息工程大学 一种样本均衡学习类增量目标计数建模方法及装置
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