-
公开(公告)号：CN117350373B
公开(公告)日：2024-03-01
申请号：CN202311617677.5
申请日：2023-11-30
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06N3/098 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及分布式机器学习技术领域，公开了一种基于局部自注意力机制的个性化联邦聚合算法，包括如下步骤：中央服务器将预训练好的全局模型分发给多个客户端；多个客户端根据本地数据集分别对所得模型进行训练；多个客户端将本地训练得到的模型参数分别加密，上传至中央服务器；中央服务器对所有模型的梯度进行聚合，生成全局模型参数；中央服务器将聚合后的全局模型参数分别加密，传回至多个客户端。本发明为解决联邦学习中非独立同分布数据的泛化误差问题提供了有效的策略，可以在保证数据隐私的同时提高模型的全局性能。(56)对比文件Hongda Wu等.Fast-Convergent FederatedLearning with Adaptive Weighting《.2021 |IEEE INTERNATIONAL CONFERENCE ONCOMMUNICATIONS (ICC 2021)》.2021,1078-1088.
-
公开(公告)号：CN113849598A
公开(公告)日：2021-12-28
申请号：CN202111016642.7
申请日：2021-08-31
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
Abstract: 本发明提供基于深度学习的社交媒体虚假信息检测方法及检测系统，通过采集社交媒体信息中的图像和文本数据，使用深度学习模型提取图像和文本的特征，利用分类模型检测信息的真实性。与现有的社交媒体虚假信息检测方法相比，本发明能充分提取社交媒体虚假信息中图像和文本的深层语义特征，通过卷积神经网络融合不同模态的特征，并使用域自适应网络移除不同事件特有的特征，增强虚假信息检测的鲁棒性。本发明能有效地提高社交媒体虚假信息检测的准确性。
-
公开(公告)号：CN113849598B
公开(公告)日：2024-08-02
申请号：CN202111016642.7
申请日：2021-08-31
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06F16/33 , G06F16/35 , G06F40/279 , G06F40/30 , G06Q50/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于深度学习的社交媒体虚假信息检测方法及检测系统，通过采集社交媒体信息中的图像和文本数据，使用深度学习模型提取图像和文本的特征，利用分类模型检测信息的真实性。与现有的社交媒体虚假信息检测方法相比，本发明能充分提取社交媒体虚假信息中图像和文本的深层语义特征，通过卷积神经网络融合不同模态的特征，并使用域自适应网络移除不同事件特有的特征，增强虚假信息检测的鲁棒性。本发明能有效地提高社交媒体虚假信息检测的准确性。
-
公开(公告)号：CN114064949B
公开(公告)日：2025-04-08
申请号：CN202111334739.2
申请日：2021-11-11
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06F16/51 , G06F16/583 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了基于元学习的深度哈希检索算法，1）对图像数据进行预处理，将平衡图像数据集转化为非平衡图像数据集；2）对元学习网络的参数#imgabs0#、图像检索网络的参数#imgabs1#进行更新；利用非平衡图像数据集在图像检索网络中对#imgabs2#进行优化，利用平衡图像数据集在元学习网络中对#imgabs3#进行优化；3）构建图像检索训练过程的学习方式；4）对图像检索训练过程中的参数进行更新；5）图像检索生成哈希码过程，输入图像经过卷积神经网络CNN的全连接层的特征激活作为视觉特征，利用视觉特征进行小规模的图像检索。通过从训练损失到样本权值的加权函数，该算法不需要手动预先指定权重函数及额外的超参数，可以直接从数据中自适应地学习显式加权函数。
-
公开(公告)号：CN117593582A
公开(公告)日：2024-02-23
申请号：CN202311619791.1
申请日：2023-11-30
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/098
Abstract: 本发明涉及图像处理技术领域，公开了一种基于联邦迁移学习的图像分类装置及算法，装置包括：多个客户端、服务器端及训练端，多个客户端分别与服务器端形成通信连接，服务器端与训练端形成通信连接，多个客户端、服务器端及训练端协同完成模型的训练和更新；客户端分别在其本地训练数据模型，并将模型权重发送至服务器端；服务器端聚合来自各客户端的模型权重，并将聚合后的全局模型参数发送至训练端；训练端基于全局模型参数在目标数据集上进行训练，并将更新后的参数返回给服务器端。算法通过装置来实现。本发明通过联邦学习实现数据聚合，通过迁移学习构建有效的共享机器学习模型，以适应目标数据集的特性；具有高度的通用性和良好的可扩展性。
-
Patent Agency Ranking
公开(公告)号：CN117350373A
公开(公告)日：2024-01-05
申请号：CN202311617677.5
申请日：2023-11-30
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06N3/098 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及分布式机器学习技术领域，公开了一种基于局部自注意力机制的个性化联邦聚合算法，包括如下步骤：中央服务器将预训练好的全局模型分发给多个客户端；多个客户端根据本地数据集分别对所得模型进行训练；多个客户端将本地训练得到的模型参数分别加密，上传至中央服务器；中央服务器对所有模型的梯度进行聚合，生成全局模型参数；中央服务器将聚合后的全局模型参数分别加密，传回至多个客户端。本发明为解决联邦学习中非独立同分布数据的泛化误差问题提供了有效的策略，可以在保证数据隐私的同时提高模型的全局性能。
-
公开(公告)号：CN114064949A
公开(公告)日：2022-02-18
申请号：CN202111334739.2
申请日：2021-11-11
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06F16/51 , G06F16/583 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于元学习的深度哈希检索算法，1）对图像数据进行预处理，将平衡图像数据集转化为非平衡图像数据集；2）对元学习网络的参数、图像检索网络的参数进行更新；利用非平衡图像数据集在图像检索网络中对进行优化，利用平衡图像数据集在元学习网络中对进行优化；3）构建图像检索训练过程的学习方式；4）对图像检索训练过程中的参数进行更新；5）图像检索生成哈希码过程，输入图像经过卷积神经网络CNN的全连接层的特征激活作为视觉特征，利用视觉特征进行小规模的图像检索。通过从训练损失到样本权值的加权函数，该算法不需要手动预先指定权重函数及额外的超参数，可以直接从数据中自适应地学习显式加权函数。
-
公开(公告)号：CN117576731A
公开(公告)日：2024-02-20
申请号：CN202311608607.3
申请日：2023-11-28
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V40/10 , G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种模型训练方法和高空作业安全检测方法，属于深度学习技术领域。该方法包括：获取样本高空作业图像和YOLOv7‑tiny改进模型，YOLOv7‑tiny改进模型包括Mish激活函数、CA注意力模块和SIoU损失函数；对样本高空作业图像进行标注，得到标注后的样本高空作业标注图像，为改进模型提供训练所需的样本数据；基于样本高空作业图像和高空作业标注图像训练改进模型，确定mAP值，以评估训练结果；基于mAP值，对改进模型进行参数调节，输出参数调节后的改进模型，该模型可以检测高空作业人员的安全带佩戴情况，及时准确地发现安全隐患，保障高空作业人员的人身安全。
-
公开(公告)号：CN117557963A
公开(公告)日：2024-02-13
申请号：CN202311600377.6
申请日：2023-11-28
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种模型训练方法和船舶检测方法，属于深度学习技术领域。该方法包括：获取样本船舶图像和YOLOv7‑tiny改进模型，YOLOv7‑tiny改进模型包括Shuffle Attention注意力模块、CARAFE上采样模块、改进特征提取网络和改进特征融合网络；对样本船舶图像进行标注，得到标注后的样本船舶标注图像，为改进模型提供训练所需的样本数据；基于样本船舶图像和船舶标注图像训练改进模型，确定mAP值，以评估训练结果；基于mAP值，对改进模型进行参数调节，输出参数调节后的改进模型，可快速精确地识别船舶类别，以满足实时检测的需求。
-
公开(公告)号：CN115439669A
公开(公告)日：2022-12-06
申请号：CN202210933090.4
申请日：2022-08-04
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
Abstract: 本发明公开了一种基于深度学习的特征点检测网络及跨分辨率图像匹配方法，通过模型适应技术采用自监督的方式打破传统神经网络对人工标注的依赖，首先从无标注数据集中构建特征点伪标签，建立网络模型利用伪标签进行有监督的学习，再利用学习后的网络模型更新伪标签，通过网络模型训练和标签更新的多次迭代，自适应得到高质量的标签和高性能的特征点检测网络模型，然后利用训练好的网络模型检测到的特征点和描述符计算图像的焦距比例和位置对映关系，然后自适应缩放图像来实现跨尺度图像匹配，匹配方法具有更高的灵活性，可以解决不同分辨率图像的匹配问题，即使跨8倍焦距的图像也可以实现很好的图像匹配。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.047 seconds)
