-
公开(公告)号：CN109784487B
公开(公告)日：2023-04-28
申请号：CN201711128574.7
申请日：2017-11-15
Applicant: 富士通株式会社
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供一种用于事件检测的深度学习网络、该网络的训练装置及方法，该深度学习网络包括：数据层，其用于读取输入数据；卷积层，其用于从数据层读取的输入数据中提取特征；至少两个事件分类器，其用于根据卷积层提取的特征，相互独立的进行不同事件的检测，分别输出不同事件的检测结果。由于该深度学习网络具有至少两个相互独立的、进行不同事件的检测的事件分类器，各个事件分类器能够独立的进行检测并输出检测结果，从而能够保证事件检测结果的准确性和完整性，并且，由于各个事件分类器只需要检测一种事件，该深度学习网络在训练时所需的时间较短，且训练出的该深度学习网络的检测精度较高。
-
公开(公告)号：CN109460812B
公开(公告)日：2021-09-14
申请号：CN201710794559.X
申请日：2017-09-06
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种神经网络的中间信息分析装置、优化装置、特征可视化装置及方法、电子设备，通过降维算法对神经网络中长短期记忆层输出的隐藏状态进行简化，并根据简化后的隐藏状态、神经网络的输入数据以及神经网络的输出结果分析该神经网络的中间信息，根据该中间信息，能够从本质上分析该神经网络的原理，从而能够针对具有长短期记忆层的神经网络的各种应用进行优化和改善；根据该中间信息对该神经网络的参数进行优化，能够有效提高该神经网络的应用效果，另外根据该中间信息能够实现该隐藏状态包含的特征的可视化，有利于对于具有长短期记忆层的神经网络的研究和学习。
-
公开(公告)号：CN112115746B
公开(公告)日：2024-06-18
申请号：CN201910541727.3
申请日：2019-06-21
Applicant: 富士通株式会社
IPC: G06V40/20 , G06V10/82 , G06V10/764
Abstract: 本发明实施例提供一种人体动作识别装置及方法、电子设备。首先在输入图像中检测人体的边界框，并在检测出的边界框中有选择的基于人体的关键点来检测人体的动作和/或基于卷积神经网络来检测人体的动作，这样，通过分级的检测方式，处理速度较快且识别精度较高，并且，通过将两种检测方式相结合，可以根据不同的情况来选择不同的检测方式，能够灵活的应对各种场景和需求。
-
公开(公告)号：CN112668359A
公开(公告)日：2021-04-16
申请号：CN201910977125.2
申请日：2019-10-15
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种动作识别方法、动作识别装置和电子设备，该动作识别装置包括：关键点特征提取单元，其对图像帧中目标人体上的关键点的信息进行处理，从而计算所述目标人体的关键点特征，所述关键点特征包括所述目标人体上的预定关键点的位置和预定关节的角度；以及第一识别单元，其根据所述关键点特征，识别所述目标人体的动作，输出第一识别结果。
-
公开(公告)号：CN111488758A
公开(公告)日：2020-08-04
申请号：CN201910073206.X
申请日：2019-01-25
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种用于驾驶行为识别的深度学习模型、训练装置及方法，在识别时，该模型利用从车辆的驾驶视角拍摄得到的连续的多个图像进行特征的提取，并利用递归神经网络对提取的特征进行时间和空间的融合；另外，在训练时，由于从车辆的驾驶视角拍摄的图像易于获取，因此能够较为容易的对该模型进行训练。因此，该模型能够精确的识别各个类型的驾驶行为。
-
Patent Agency Ranking
公开(公告)号：CN112115746A
公开(公告)日：2020-12-22
申请号：CN201910541727.3
申请日：2019-06-21
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种人体动作识别装置及方法、电子设备。首先在输入图像中检测人体的边界框，并在检测出的边界框中有选择的基于人体的关键点来检测人体的动作和/或基于卷积神经网络来检测人体的动作，这样，通过分级的检测方式，处理速度较快且识别精度较高，并且，通过将两种检测方式相结合，可以根据不同的情况来选择不同的检测方式，能够灵活的应对各种场景和需求。
-
公开(公告)号：CN111104830A
公开(公告)日：2020-05-05
申请号：CN201811266011.9
申请日：2018-10-29
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种用于图像识别的深度学习模型、该模型的训练装置及方法，该模型具有用于确定特征图中的各个特征是否为关注对象所在位置的特征的确定层，并在对特征进行加权合成时对关注对象所在位置的特征和其他特征赋予不同的权值，因此能够引导该模型聚焦于需要关注的特征并做出正确的判断，从而提高了该模型的性能和精度。
-
公开(公告)号：CN109784487A
公开(公告)日：2019-05-21
申请号：CN201711128574.7
申请日：2017-11-15
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种用于事件检测的深度学习网络、该网络的训练装置及方法，该深度学习网络包括：数据层，其用于读取输入数据；卷积层，其用于从数据层读取的输入数据中提取特征；至少两个事件分类器，其用于根据卷积层提取的特征，相互独立的进行不同事件的检测，分别输出不同事件的检测结果。由于该深度学习网络具有至少两个相互独立的、进行不同事件的检测的事件分类器，各个事件分类器能够独立的进行检测并输出检测结果，从而能够保证事件检测结果的准确性和完整性，并且，由于各个事件分类器只需要检测一种事件，该深度学习网络在训练时所需的时间较短，且训练出的该深度学习网络的检测精度较高。
-
公开(公告)号：CN112417205A
公开(公告)日：2021-02-26
申请号：CN201910767234.1
申请日：2019-08-20
Applicant: 富士通株式会社
IPC: G06F16/735 , G06F16/783
Abstract: 本发明实施例提供一种目标检索装置及方法、电子设备。所述装置包括：第一检测单元，其用于对多个输入图像分别进行对象检测，得到所述多个输入图像的对象检测结果；第二检测单元，其用于根据所述多个输入图像的对象检测结果进行人的属性检测，得到属性检测结果；第三检测单元，其用于根据所述对象检测结果和所述属性检测结果进行人的行为检测，得到行为检测结果；以及检索单元，其用于根据所述对象检测结果、所述属性检测结果以及所述行为检测结果进行目标检索，得到目标检索结果。
-
公开(公告)号：CN109460812A
公开(公告)日：2019-03-12
申请号：CN201710794559.X
申请日：2017-09-06
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种神经网络的中间信息分析装置、优化装置、特征可视化装置及方法、电子设备，通过降维算法对神经网络中长短期记忆层输出的隐藏状态进行简化，并根据简化后的隐藏状态、神经网络的输入数据以及神经网络的输出结果分析该神经网络的中间信息，根据该中间信息，能够从本质上分析该神经网络的原理，从而能够针对具有长短期记忆层的神经网络的各种应用进行优化和改善；根据该中间信息对该神经网络的参数进行优化，能够有效提高该神经网络的应用效果，另外根据该中间信息能够实现该隐藏状态包含的特征的可视化，有利于对于具有长短期记忆层的神经网络的研究和学习。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
