申请/专利权人:北京交通大学
申请日:2024-03-05
公开(公告)日:2024-05-14
公开(公告)号:CN118038210A
主分类号:G06V10/774
分类号:G06V10/774;G06V10/762;G06V10/44;G06V10/54;G06V10/56;G06V10/82;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明提供了一种基于语义特征的DNN模型的训练样本选择方法。该方法包括:使用基于频域的显著性检测方法提取各个样本图像的语义特征;对所有样本图像的语义特征进行聚类和采样,将样本图像划分为具有不同语义特征的多个类别,得到用来测试和重训练深度神经网络DNN模型的样本图像。本发明通过使用基于频域的显著性检测方法来提取测试用例的语义特征,这能够捕捉与人类直觉相符的数据本质特征,并将其在频域特征空间中聚类为不同的类别,使用基于频域的显著性检测方法来提取测试用例的语义特征,能够更有效地检测出DNN多样的错误,提高DNN模型的对抗鲁棒性。
主权项:1.一种基于语义特征的测试和训练样本选择方法,其特征在于,包括:使用基于频域的显著性检测方法提取各个样本图像的语义特征;对所有样本图像的语义特征进行聚类和采样,将样本图像划分为具有不同语义特征的多个类别,得到用来测试和重训练深度神经网络DNN模型的样本图像。
全文数据:
权利要求:
百度查询: 北京交通大学 一种基于语义特征的DNN模型的训练样本选择方法
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。