一种离散异步事件数据增强方法

发明专利有效专利

申请号：
CN202110597600.0
IPC分类号：G06N3/08;G06N3/04
申请日期：
2021-05-31
申请人：
重庆大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种离散异步事件数据增强方法
申请号	CN202110597600.0	申请日期	2021-05-31
法律状态	实质审查	申报国家	中国
公开/公告日	2021-07-27	公开/公告号	CN113177640A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	重庆大学	申请人地址	重庆市沙坪坝区正街174号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆大学	当前权利人	重庆大学
发明人	古富强;余芳文;胡旭科
代理机构	重庆青飞知识产权代理有限公司	代理人	程红霞

摘要

本发明公开了一种离散异步事件数据增强方法，包括以下步骤：步骤S1：将异步事件流和相应的图像分辨率作为事件数据输入；步骤S2：初始化变量；步骤S3：采用随机选择策略对事件数据进行增强；步骤S4：输出增强后的事件数据。本方法通过采用随机丢弃、按时间丢弃和按区域丢弃操作，有效增加了事件数据的数据量，也增加了事件数据的多样性，在一定程度上较好的解决了事件数据存在噪声和遮挡导致的模型过拟合问题。本发明所提出的方法易于实现且计算成本低，能够显著提高包括深度学习模型在内的各种模型的泛化性能，可以广泛应用于各种基于事件的学习任务中。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供