本发明公开了一种基于迁移学习生成无偏见深度学习模型的方法，包括以下步骤：(1)构建带有样本图像的任务标签和偏见标签的原始数据集；(2)利用原始数据集对有偏见深度学习模型进行训练；(3)构建并训练对抗攻击网络，利用训练好的对抗网络对原始数据集进行攻击，无偏见数据集；(4)利用无偏见数据集训练与有偏见深度学习模型结构相同的初始无偏见深度学习模型；(5)准备第三特征提取器，基于迁移学习策略对第三特征提取器参数，参数确定的第三特征提取器与训练好的初始无偏见深度学习模型包含的第二分类器组成无偏见深度学习模型，以保证深度学习模型在根据输入图像自动决策时的公平性，以提升图像识别的准确性。
📄 2020107508975
📂 G06F18_214
👤 浙江工业大学
📅 2020-07-30
本发明公开了一种面向深度学习模型的动态测试方法，包括如下步骤：S1、获取图片数据集与深度学习模型；S2、将图片数据集划分为训练集和测试集，利用训练样本训练深度学习模型得到分类模型；S3、从测试集中随机选取图片作为测试种子样本；S4、将测试种子样本输入分类模型中，若分类模型输出的分类结果与测试种子样本的标签不一致，则将测试种子样本作为测试样本，否则进入步骤S5；S5、基于测试种子样本在分类模型中的交叉熵损失和神经元覆盖率计算梯度；S6、根据梯度上升算法修改测试种子样本；S7、循环执行步骤S4～S6，直到所有测试种子样本都成为测试样本并输出；S8、利用测试样本评判模型的分类性能。
📄 202010600845X
📂 G06N3_084
👤 浙江工业大学
📅 2020-06-28
本发明公开了一种基于互信息的深度学习模型中毒攻击检测方法，包括以下步骤：(1)获取样本集与待检测深度学习模型；(2)预训练深度学习模型；(3)生成中毒模型池与触发样本对；(4)利用互信息判断深度学习模型是否中毒。本发明还公开了一种基于互信息的深度学习模型中毒攻击检测装置，用于实施上述方法。本发明具有良好的适用性，能够有效的判断模型是否中毒并找出中毒目标类，能取得较好的检测效果。
📄 2021106754750
📂 G06F21_55
👤 浙江工业大学
📅 2021-06-17
本发明公开了一种基于掩膜遮蔽的深度学习模型去偏方法及装置，首先选取原始数据集，并进行数据预处理；再基于差异影响、人口统计平等、机会平等定义偏见指标函数；然后构建并训练掩膜遮蔽框架模型：再利用构建的掩膜遮蔽框架模型，对预处理后的原始数据集进行数据增强；最后构建深度学习模型，利用数据增强后的数据集，根据定义的偏见指标函数对深度学习模型进行训练，完成去偏。并可利用偏见指标函数对深度学习模型的偏见程度进行检测。
📄 2022101763620
📂 G06V40_10
👤 浙江工业大学
📅 2022-02-25
一种基于深度学习模型结合分水岭算法的稀土晶体观测方法，包括以下步骤：步骤1：准备稀土晶体结构图像数据集，将整个数据集划分成训练集和测试集；步骤2，对训练集图像进行数据增强；步骤3，使用训练集对改进的Unet3+深度学习模型进行训练，并在测试集上根据图像分割评价指标对分割模型进行评估，得到最终图像分割模型，使用该模型对晶体结构图进行预测得到原始分割结果图；步骤4，针对原始分割结果图，利用分水岭算法对其进行后处理；步骤5，对步骤4后处理得到最终分割结果图进行观测，使用OpenCV库统计所有连通区的特征信息。本发明能够提供更快速、更准确的晶体分割和统计分析。
📄 2023108716451
📂 G06T7_00
👤 浙江工业大学
📅 2023-07-17
一种基于深度学习模型融合的步态子相位预测方法和装置，所述方法包括：同步采集穿戴者在多种速度下行走的多源步态数据；对收集到的多源步态数据进行预处理，并采用滑动重叠窗口技术划分时间窗口，基于双标签构建监督学习训练数据集；层级融合CNN、Bi‑LSTM及MHA，构建步态子相位预测模型；利用贝叶斯优化算法自动化搜索最优超参数组合；定义稳定预测时间（Pstable）指标，结合经典指标，通过逐一受试者剔除交叉验证和速度迁移鲁棒性实验，全面评估模型性能；基于Simulink平台构建模块化步态子相位预测系统架构，集成多线程缓冲机制实时处理数据流；固化模型参数至在线推理模块，动态输出预测结果。
📄 2025102089573
📂 A61B5_11
👤 浙江工业大学
📅 2025-02-25
本发明公开了一种面向深度学习模型偏见中毒攻击的防御方法，所述方法包括以下步骤：(1)获取原始样本数据集；(2)对原始样本数据集进行分块划分为子训练集，(3)使用基本分类器训练子训练集；(4)评估每个基本分类器的输入，并计算每个基本分类器分类正确的数量；(5)筛选出分类准确度最高的基本分类器，利用该分类器对深度学习模型再次进行训练，最终得到新训练的深度学习模型。上述方法通过使用散列函数对原始样本数据集中的数据个体样本进行映射，提升了深度学习模型防御偏见中毒攻击的能力。
📄 2021106525111
📂 G06F21_55
👤 浙江工业大学
📅 2021-06-11
本发明公开了一种基于分层深度学习模型的智慧园林食叶害虫识别方法，包括：获取用于食叶害虫识别的图像数据集，利用Retinex图像增强算法对获取的图像进行预处理，并分成训练集、验证集和测试集；构建分层深度学习模型，其包括两层，第一层具体为在已有的YOLO网络的特征提取模块头部嵌入残差可变形卷积模块；第二层具体为在已有的Faster R‑CNN网络中加入全局激活区域生成网络以及局部激活区域生成网络；利用训练集对分层深度学习模型进行训练，利用验证集对分层深度学习模块进行验证，得到训练好的分层深度学习模型；将测试集输入训练好的分层深度学习模型中，得到食叶害虫识别结果。本发明方法能够实现更为及时和有效的害虫防治工作。
📄 2021107562847
📂 G06V10_764
👤 南京邮电大学
📅 2021-07-05
本发明提出一种基于EANN深度学习模型的暴力异常行为检测方法，包括(1)获得待检测视频，基于帧差法对视频中连续两帧进行差分，得到差分图像作为EANN模型的输入；(2)基于卷积神经网络Efficentnet提取图像空间特征；(3)基于ConvLSTM对步骤(2)中提取的空间特征进行连续时间上的编码，获得视频的局部时空特征；(4)针对步骤(3)所获得的时空特征，利用注意力机制对剧烈运动部分进行加强；(5)基于全连接层对步骤(4)的输出进行分类，得到该视频暴力异常行为的概率，进而实现对暴力异常行为的检测。本发明所提出的方法在保持精度损失很小的情况下，大幅度降低了参数量，提升网络运行速度；与传统方法相比，精度提升幅度明显，鲁棒性强，具有较高的实际应用及推广价值。
📄 2019112669940
📂 G06V20_40
👤 广州联宏信息科技有限公司
📅 2019-12-11
本申请涉及负载监控技术领域，尤其涉及一种基于深度学习模型的告警执行频率优化方法及相关设备。一种基于深度学习模型的告警执行频率优化方法，包括：获取告警信息，调取告警信息分类配置文件，对所述告警信息进行分类；根据所述告警信息的类别，获取不同类别告警触发阈值；根据所述告警触发的时间节点，获取不同类别告警信息在某一时间段触发的频率；将告警次数超过频率阈值的告警信息类别进行聚类构成高频组，将告警频率低于所述频率阈值的告警信息进行聚类构成低频组；将所述高频组和所述低频组分别入参到深度学习模型中进行训练得到高频因子和低频因子，对所述告警执行的频率进行调节。本申请通过对深度学习模型实现对告警频率的自动调节。
📄 2018111868425
📂 G06F11_32
👤 平安科技(深圳)有限公司
📅 2018-10-12
本发明公开了一种焊接缺陷识别模型训练方法、装置和计算机终端，该方法包括：获取初始焊接样本图像，并将所述初始焊接样本图像划分为训练集和样本集；对所述初始焊接样本图像进行图像处理，以获得焊接缺陷图像样本特征数据；对所述焊接缺陷图像样本特征数据进行模糊C均值聚类，以获得特征聚集度；根据所述特征聚集度和所述训练集构建支持向量机的分类模型；通过所述样本集对所述支持向量机的分类模型进行验证，以得到训练好的焊接缺陷识别模型。本发明能够解决现有的焊接缺陷识别模型识别准确性不高的问题。
📄 2022101156492
📂 G06V10_774
👤 南昌工程学院
📅 2022-02-07
本发明涉及山洪预警技术领域，具体公开了一种基于跨源可解释性深度学习模型的山洪预警方法及系统，所述方法包括获取预警区域内的山洪参数和环境参数，计算山洪参数和环境参数的关联度；根据所述关联度选取并组合环境参数，连接对应的山洪参数，作为该预警区域的样本；统计不同预警区域的样本，训练神经网络模型，同步构建解释内容库；在应用神经网络模型时，根据解释内容库确定输出结果的补充内容。本发明借助解释内容库能够得到同一输出的其他可能的输入，也即，在哪些其他环境条件下，有可能达到相同的状态，从而将当前环境转换为多种相似的环境，相似的环境越多，工作人员熟知的可能性越大，使得工作人员更好的进行山洪防护。
📄 2024107356326
📂 G08B21_10
👤 长春师范大学
📅 2024-06-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台