首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于代表性样本特征分布匹配的数据集蒸馏方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:西安电子科技大学

摘要:一种基于代表性样本特征分布匹配的数据集蒸馏方法,包括以下步骤:步骤1:使用k‑means算法选择出具有代表性的真实样本和合成样本,进行初始化;步骤2:进行参数化处理;步骤3:使用差分孪生增强策略对参数化真实样本和合成样本进行数据增强;步骤4:计算真实样本和合成样本层级之间的特征分布,将二者的差异作为特征分布匹配损失函数;步骤5:使用合成样本的原型特征对于真实样本进行分类,计算出之间的相关性作为样本判别损失;步骤6:将损失进行加权,得到最终的优化损失函数,对于网络参数和合成样本不断迭代优化,直至损失函数收敛,最终得到可解释性强的合成样本。本发明得到质量较高的合成样本,并且在跨模型上拥有良好的泛化能力。

主权项:1.一种基于代表性样本特征分布匹配的数据集蒸馏方法,其特征在于,包括以下步骤:步骤1:使用k-means算法选择出具有代表性的真实样本和合成样本,进行初始化;步骤2:对于所述代表性的真实样本和合成样本通过数据插值进行参数化处理;步骤3:使用差分孪生增强策略对所述参数化真实样本和合成样本进行数据增强;步骤4:将数据增强后的真实样本和合成样本输入到模型中,计算出真实样本和合成样本层级之间的特征分布,将二者的差异作为特征分布匹配损失函数;步骤5:使用合成样本的原型特征对于真实样本进行分类,计算出之间的相关性作为样本判别损失;步骤6:将步骤4和步骤5得到的损失进行加权,得到最终的优化损失函数,对于网络参数和合成样本不断迭代优化,直至损失函数收敛,最终得到可解释性强的合成样本。

全文数据:

权利要求:

百度查询: 西安电子科技大学 一种基于代表性样本特征分布匹配的数据集蒸馏方法

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。