-
公开(公告)号：CN104166981B
公开(公告)日：2017-02-15
申请号：CN201410267729.5
申请日：2014-06-17
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明提供了一种基于多图表达的人体动作学习方法，包括：将特征空间分成几个相互独立的子空间，并通过多个图来表示所述子空间；从每个子空间产生不同的关联矩阵，并且在每个子空间进行谱嵌入；将这些嵌入缩放连结在一起，为每个信息点得到一个单一表示，以生成特征集合谱多重图FGSM，所述FGSM能从原始的特征空间得到最少的数据丢失；将FGSM应用于聚类、信息检索和识别算法，以进行人体动作学习。本发明提供的基于多图表达的人体动作学习方法方便产品防伪验证操作，提高验证效率，适于实用。
-
公开(公告)号：CN104063685A
公开(公告)日：2014-09-24
申请号：CN201410270916.9
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于子模优化的物体识别方法，包括：在每幅图像上运用CPMC图像分割算法来用非监督的方法获得一系列的底层图像片段假设；基于这些生成的底层图像片段构建一个图；通过迭代选择中的元素并加入到中来找到中最具有判别性的子集；物体蒙版是通过叠加所选择的图像片段来为前景物体抽取的；运用一个线性分类器对物体进行分类识别。本发明提供的基于子模优化的物体识别方法，通过利用子模函数的性质考虑多个片段，该方法基于最近所提出的并且在图像分割方面展示了强大优势的CPMC算法。
-
公开(公告)号：CN104063684A
公开(公告)日：2014-09-24
申请号：CN201410268661.2
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于跨域字典学习的人体动作识别方法，包括：通过跨域的动作识别框架基于源域数据的方法来扩展目标域训练样本间的类内差异以增强现有识别系统的性能，以在目标域人工标注的动作信息的基础上，从一个不同域所获得的标注的数据作为源域提供；通过判别性跨域词典学习方法学习一个域自适应字典对，并将具有不同分布的数据迁移到同一个特征空间中，以使得不同域数据间特征分布相匹配；不进行不同域之间的对应标注信息，以便适应到现实中不同的迁移学习。本发明提供的方法，通过一个源域数据库相关动作的数据分布将去适应目标域内动作的数据分布，通过此方法可以学习得到一个具有重建性、判别性以及域自适应性的字典对。
-
公开(公告)号：CN104462196A
公开(公告)日：2015-03-25
申请号：CN201410598595.5
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30949
Abstract: 本发明涉及一种多特征联合哈希信息检索方法，其特征在于包括如下基本步骤：一是建立目标函数：保护目标空间的数据分布，同时得到NMF中的紧凑矩阵基并且减少冗余；二是交替优化：通过一个迭代的过程，优化U和V，得到基算子U和低维数据V的更新规则；三是整体收敛：通过原始的目标函数，然后进行交替迭代；四是哈希函数的生成：通过计算训练数据和测试样本之间的汉明距即XOR运算，得出最终的结果；五是复杂度分析：对上述步骤1-4的方法进行复杂度分析。本发明能够有效地保护数据的概率分布，减少低维数据的冗余，使得学习到一个可融合从多个源中得到的多种表示，同时通过RKNMF来保护高维联合分布和获得正交基的哈希嵌入函数。
-
Patent Agency Ranking
公开(公告)号：CN104462196B
公开(公告)日：2019-01-22
申请号：CN201410598595.5
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F16/903
Abstract: 本发明涉及一种多特征联合哈希信息检索方法，其特征在于包括如下基本步骤：一是建立目标函数：保护目标空间的数据分布，同时得到NMF中的紧凑矩阵基并且减少冗余；二是交替优化：通过一个迭代的过程，优化U和V，得到基算子U和低维数据V的更新规则；三是整体收敛：通过原始的目标函数，然后进行交替迭代；四是哈希函数的生成：通过计算训练数据和测试样本之间的汉明距即XOR运算，得出最终的结果；五是复杂度分析：对上述步骤1‑4的方法进行复杂度分析。本发明能够有效地保护数据的概率分布，减少低维数据的冗余，使得学习到一个可融合从多个源中得到的多种表示，同时通过RKNMF来保护高维联合分布和获得正交基的哈希嵌入函数。
-
公开(公告)号：CN104063685B
公开(公告)日：2017-05-24
申请号：CN201410270916.9
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于子模优化的物体识别方法，包括：在每幅图像上运用CPMC图像分割算法来用非监督的方法获得一系列的底层图像片段假设；基于这些生成的底层图像片段构建一个图；通过迭代选择中的元素并加入到中来找到中最具有判别性的子集；物体蒙版是通过叠加所选择的图像片段来为前景物体抽取的；运用一个线性分类器对物体进行分类识别。本发明提供的基于子模优化的物体识别方法，通过利用子模函数的性质考虑多个片段，该方法基于最近所提出的并且在图像分割方面展示了强大优势的CPMC算法。
-
公开(公告)号：CN104408692A
公开(公告)日：2015-03-11
申请号：CN201410692086.9
申请日：2014-11-25
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明设计一种基于深度学习的模糊模型参数分析方法，其特征在于包括：步骤1，以深度信念网络结构来提取模糊特征并对其分类，即首先使用半监督的深度信念网络来将输入图像块投射到差异特征空间，然后再对各特征进行分类；步骤2，对模糊核的参数进行识别，即由变换域的边缘提取帮助深度信念网络结构以较高的准确性来确认模糊参数。本发明能够确保深度信念网络结构以较高的准确性来确认模糊参数，经在如Berkeleysegmentation和PascalVOC2007等多个图像数据库中反复试用验证，取得了满意的优于目前最好的模糊估计方法的性能效果。
-
公开(公告)号：CN104376051A
公开(公告)日：2015-02-25
申请号：CN201410604395.6
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F16/325 , G06F16/2255 , G06F16/9014
Abstract: 本发明涉及一种随机结构保形哈希信息检索方法，其特征在于步骤包括：一是保护高维数据的重要结构，使用提出目标函数对原始的高维数据进行降维，从而得到低维数据；二是使用已经得出的基算子U和低维数据V的更新规则，计算出原始高维数据的基和低维矩阵；三是设置门限值并且把训练集中低维实数表现转换成二进制码，用概率统计分类模型逻辑回归计算出测试样本的哈希码；四是计算训练数据和测试样本之间的汉明距即XOR运算，得出最终的结果。本发明能够在很好地保护随机数据的分布和高维数据的局部及总体结构的基础上，成功地应用多变量的逻辑回归来获得哈希函数，可实现超越样本的拓展，适用于计算机视觉、数据挖掘、机器学习或相似搜索领域。
-
公开(公告)号：CN104166981A
公开(公告)日：2014-11-26
申请号：CN201410267729.5
申请日：2014-06-17
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明提供了一种基于多图表达的人体动作学习方法，包括：将特征空间分成几个相互独立的子空间，并通过多个图来表示所述子空间；从每个子空间产生不同的关联矩阵，并且在每个子空间进行谱嵌入；将这些嵌入缩放连结在一起，为每个信息点得到一个单一表示，以生成特征集合谱多重图FGSM，所述FGSM能从原始的特征空间得到最少的数据丢失；将FGSM应用于聚类、信息检索和识别算法，以进行人体动作学习。本发明提供的基于多图表达的人体动作学习方法方便产品防伪验证操作，提高验证效率，适于实用。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
