使用随机特征损坏的自监督对比学习

被引：0

申请号：

CN202210597656.0

申请日：

2022-05-30

公开(公告)号：

CN114881169A

公开(公告)日：

2022-08-09

发明(设计)人：

达拉·巴赫里小唐纳德·阿瑟·梅茨勒汉曦·海因里希·蒋郑毅

申请人：

申请人地址：

美国加利福尼亚州

IPC主分类号：

G06K962

IPC分类号：

G06N304 G06N2000

代理机构：

中原信达知识产权代理有限责任公司 11219

代理人：

周亚荣;邓聪惠

法律状态：

实质审查的生效

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2022-08-26	实质审查的生效	实质审查的生效 IPC(主分类):G06K 9/62 申请日:20220530
2022-08-09	公开	公开

共 50 条

[1]

用于音频处理的自监督学习 [P].

C-C·邱 ;

W·秦 ;

J·于 ;

Y·吴 ;

张羽 .

美国专利 :CN118901098A ,2024-11-05

[2]

使用正例伪标签的对比学习 [P].

约瓦纳·米特罗维奇 ;

马特科·博什尼亚克 ;

皮埃尔·里什蒙 ;

内纳德·托马舍夫 ;

弗洛里安·施特鲁布 ;

雅各布·查尔斯·瓦尔克 ;

费利克斯·乔治·伊尔 ;

拉尔斯·比辛 ;

拉兹万·帕什卡努 ;

查尔斯·布伦代尔 .

英国专利 :CN119173879A ,2024-12-20

[3]

使用自举潜在表示的自监督表示学习 [P].

J-B.F.L.格里尔 ;

F.施特鲁布 ;

F.阿尔奇 ;

C.塔莱克 ;

P.里士满 ;

B.A.皮雷斯 ;

Z.郭 ;

M.G.阿扎尔 ;

B.皮奥特 ;

R.穆诺斯 ;

M.瓦尔科 .

中国专利 :CN115427970A ,2022-12-02

[4]

存储器优化的对比学习 [P].

H·H·范 ;

Z·戴 ;

G·吉亚西 ;

刘寒骁 ;

W·余 ;

谭明星 ;

Q·V·黎 .

美国专利 :CN118265983A ,2024-06-28

[5]

学习可压缩的特征 [P].

A.施里瓦斯塔瓦 ;

S.辛格 ;

J.巴尔 ;

S.A.阿布-埃尔-哈贾 ;

N.约翰斯顿 ;

G.D.托德里西 .

美国专利 :CN112020724B ,2024-09-24

[6]

学习可压缩的特征 [P].

A.施里瓦斯塔瓦 ;

S.辛格 ;

J.巴尔 ;

S.A.阿布-埃尔-哈贾 ;

N.约翰斯顿 ;

G.D.托德里西 .

中国专利 :CN112020724A ,2020-12-01

[7]

用于对比自监督学习的基于HDR的增强 [P].

T·克莱因 ;

M·纳比 .

德国专利 :CN118037612A ,2024-05-14

[8]

使用强化学习的环境导航 [P].

F.维奥拉 ;

P.W.米罗夫基 ;

A.巴尼诺 ;

R.帕斯卡努 ;

H.J.索耶 ;

A.J.巴拉德 ;

S.库马兰 ;

R.T.哈德塞尔 ;

L.西夫勒 ;

R.戈罗什恩 ;

K.卡夫克佐格卢 ;

M.M.R.德尼尔 .

中国专利 :CN110088774A ,2019-08-02

[9]

人工神经网络自监督对比学习方法 [P].

匡翊铭 ;

陈霏 ;

廖汪丹 ;

刘洪运 ;

王卫东 .

中国专利 :CN119129658A ,2024-12-13

[10]

使用无监督数据增强来训练机器学习模型 [P].

唐·明·良 ;

国·V·勒 ;

谢其哲 ;

戴自航 .

中国专利 :CN113826125A ,2021-12-21

← 1 2 3 4 5 →