首页  专利技术  电子电路装置的制造及其应用技术

基于模块化自编码的可控生成网络的训练方法和装置与流程

2026-05-17 09:40:07 60次浏览

技术特征:

1.一种基于模块化自编码的可控生成网络的训练方法,其特征在于,包括:

2.如权利要求1所述的基于模块化自编码的可控生成网络的训练方法,其特征在于,所述变换包括平移变换或平移旋转变换。

3.一种基于模块化自编码的可控生成网络,其特征在于,采用如权利要求1-2任一项所述的方法训练得到。

4.一种基于模块化自编码的可控生成网络的训练装置,其特征在于,包括:

5.如权利要求4所述的基于模块化自编码的可控生成网络的训练装置,其特征在于,所述变换包括平移变换或平移旋转变换。

6.一种存储器,其特征在于,存储有多条指令,所述指令用于实现如权利要求1-2任一项所述的基于模块化自编码的可控生成网络的训练方法。

7.一种电子设备,其特征在于,包括处理器和与所述处理器连接的存储器,所述存储器存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行如权利要求1-2任一项所述的基于模块化自编码的可控生成网络的训练方法。


技术总结
本发明公开了基于模块化自编码的可控生成网络的训练方法和装置,属于人工智能技术领域。训练方法包括:获取训练数据,基于所述训练数据,利用等变约束对卷积网络自编码器进行训练,得到训练好的自编码器;基于预训练的潜在扩散模型构建针对k个不同模块的k个适配器;将训练数据中的图像I输入至训练好的自编码器中获得第i个模块的特征图f<supgt;(i)</supgt;;利用得到的特征图f<supgt;(i)</supgt;和目标优化函数训练潜在扩散模型的第i个适配器;将训练好的自编码器和适配器共同构成基于模块化自编码的可控生成网络。本发明提供的自监督的训练方式不需要人工设计控制条件,也不需要额外的人工标注,简化了可控生成网络的训练流程,同时提高了控制条件的丰富性。

技术研发人员:陈智强,雷博,范国藩,陈雯婕,余山,黄铁军
受保护的技术使用者:北京智源人工智能研究院
技术研发日:
技术公布日:2024/11/28
文档序号 : 【 40163874 】

技术研发人员:陈智强,雷博,范国藩,陈雯婕,余山,黄铁军
技术所有人:北京智源人工智能研究院

备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
陈智强雷博范国藩陈雯婕余山黄铁军北京智源人工智能研究院
基于监测区域内的低浓度异味VOCs监测方法及系统与流程 基于神经网络的眼底微动脉瘤图像自动分割方法、装置及系统
相关内容