龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南京工业大学
摘要：本方法涉及深度学习领域，计算机视觉、自监督学习领域，具体为一种改进DINO模型的掩码自监督图像识别分析方法，其包括以下步骤：首先，获取并处理图像识别数据集，使用公共数据集ImageNet‑lk、ImageNet100、CIFAR‑10、CIFAR‑100和私有数据集进行模型的训练。其次，构建掩码自监督模型，基于VisionTransformer模型，引入随机掩码机制，对图像块进行掩码处理，并通过局部特征增强策略提升模型性能。然后，利用多个数据集训练改进后的DINO模型，设置模型参数和训练策略。最后，对训练完成的模型进行评估与调整，通过测试集评估识别精度，并根据结果进行参数优化，以提高模型性能。
主权项：1.一种改进DINO模型的掩码自监督图像识别分析方法，其特征在于，包括以下步骤：1图像识别数据集的获取与处理：使用公共数据集如ImageNet-1k、ImageNet100、CIFAR-10、CIFAR-100和私有数据集进行训练，根据不同图像识别任务选择相应的数据集进训练。2掩码自监督模型的构建：基于VisionTransformer模型，引入随机掩码机制，对图像块进行掩码处理，采用规范化、注意力层计算、残差连接、DropPath操作和MLP层前向传播等步骤，并通过局部特征增强策略使用不同卷积核对输入特征图进行多尺度特征提取，最终生成掩码后的输出张量；3利用多个数据集训练改进DINO模型并测试：将公共数据集和私有数据集的训练集分别输入到改进后的DINO模型中，设置模型参数和训练策略，进行前向传播和数据增强操作，训练完成后保存模型权重；4对改进DINO模型进行评估与调整：对训练完成的模型进行测试，分别输入相对应公共数据集和私有数据集的测试集，评估识别精度，根据模型表现分析问题和瓶颈，进一步调整模型参数以提高性能。
全文数据：
权利要求：
百度查询： 南京工业大学 一种改进DINO模型的掩码自监督图像识别分析方法
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。
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