-
公开(公告)号：CN107886090A
公开(公告)日：2018-04-06
申请号：CN201711352665.9
申请日：2017-12-15
Applicant: 苏州大学
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6232 , G06K9/6256
Abstract: 本申请公开了单样本人脸识别方法、系统、设备及可读存储介质，其中，该方法包括：获取已标注的人脸图像数据，得到参考数据；通过对所述参考数据进行多尺度支持向量变换，得到所述参考数据相应的多尺度高维投影；提取所述多尺度高维投影的特征，得到所述参考数据相应的多尺度高维特征序列；利用所述多尺度高维特征序列，分别对所述参考数据和待测试数据进行反投影，得到所述参考数据和所述待测试数据相应的虚拟图像；根据所述参考数据对应的虚拟图像，计算所述待测试数据相应的虚拟图像的分类准确率，以完成对单样本的人脸识别。可见，本发明提供的单样本人脸识别方法将特征提取和样本扩充进行有机的结合，从而提高单样本人脸识别的准确率。
-
公开(公告)号：CN107563445A
公开(公告)日：2018-01-09
申请号：CN201710796349.4
申请日：2017-09-06
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明实施例公开了一种基于半监督学习的提取图像特征的方法与装置，初始化模型参数，对图像数据进行预处理得到图像样本；并将图像样本划分为包括有标签样本和无标签样本的训练样本、只包含无标签样本的测试样本；依据成对约束条件，确定出训练样本中有标签样本对应的约束集；利用近邻搜索算法，构建所有训练样本对应的近邻图，并计算权重矩阵；通过最小化特征近似错误，对训练样本进行低维流形特征处理，得到低维流形特征和线性投影矩阵；利用线性投影矩阵提取训练样本和测试样本的图像特征。通过该技术方案可以同时保持样本数据间的全局和局部结构信息，提高特征的可鉴别性。并且实现快速将新的测试数据映射到低维，提高图像特征提取的性能。
-
公开(公告)号：CN107480628A
公开(公告)日：2017-12-15
申请号：CN201710680306.X
申请日：2017-08-10
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种人脸识别方法及装置。其中，方法包括对获取到的待识别图像与包含多个用户的单幅样本图像的样本训练库进行图像分割，将待识别图像与各样本图像分割为相同预设块数、位置一一对应、不重叠的多幅子图像；计算待识别图像的各子图像与各样本图像对应的子图像的相异性，将各个子图像的相异性值进行平均值融合计算，以得到待识别图像与各所述样本图像的相异性值；根据各相异性值，利用最近邻分类器为待识别图像在样本训练库中匹配对应的用户。有效避免了传统的利用相似性识别由于训练样本少造成的准确率较低的现象；有利于提升单样本训练的人脸图像识别的准确性，从而提高人脸识别的准确率，以提高身份鉴别的安全性。
-
公开(公告)号：CN107464359A
公开(公告)日：2017-12-12
申请号：CN201710655726.2
申请日：2017-08-03
Applicant: 苏州燃气集团有限责任公司 , 苏州大学
Abstract: 本申请公开了一种预付费信息的处理方法，包括：物联网燃气计费表判断表内燃气数据是否低于阈值，若低于阈值则向服务器发起低于阈值的同步请求；服务器根据同步请求查找其是否存在新的预付费信息；当存在时，服务器将该计费表的最新燃气数据返回至该计费表，以使该计费表更新表内燃气数据至最新燃气数据；当不存在时，服务器通过预设路径向该计费表对应的用户发送警告信息。该方法能够在不频繁连接服务器的情况下，提前发出警告信息、根据触发条件进行同步，并根据新的预付费信息更新表内数据，很大程度避免了关阀情况的出现，同时也满足了对物联网燃气计费表的低功耗要求。本申请还公开了一种预付费信息的处理系统，具有上述有益效果。
-
公开(公告)号：CN103927550B
公开(公告)日：2017-09-08
申请号：CN201410161915.0
申请日：2014-04-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请提供一种手写体数字识别方法及系统，该方法通过接收用户输入的待测手写体数字样本；通过训练得到的第一分类器、第二分类器、第三分类器分别对待测手写体数字样本进行预测，并输出第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果；比较第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果，若至少2个分类器得出的是相同的预测结果，则判定待测手写体数字样本属于该预测结果的类别，否则，判定待测手写体数字样本属于第二分类器输出的预测结果的类别。该方法通过使用3个分类器对待测样本进行预测，在保证预测速度的基础上，很大程度上提高了手写体数字识别的识别率。
-
Patent Agency Ranking
公开(公告)号：CN103927529B
公开(公告)日：2017-06-16
申请号：CN201410185212.1
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，并对训练集样本进行降维处理，得到降维训练样本，避免了高维数据对计算复杂度的增加，减少了训练周期，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN103955676B
公开(公告)日：2017-04-19
申请号：CN201410197890.X
申请日：2014-05-12
Applicant: 苏州大学
Abstract: 本申请公开了一种人脸识别方法及系统，该方法包括利用PCA法对训练样本集进行初始降维，并利用训练样本的类别标签信息构造具有分类信息的矩阵，然后确定最优的二次投影矩阵，对初始降维训练样本集进行二次降维，然后对测试样本同样进行二次降维，在二次降维后的低维空间中进行分类。本申请通过二次降维处理，提高了人脸识别的准确度和效率。
-
公开(公告)号：CN103577839B
公开(公告)日：2017-01-04
申请号：CN201310625378.6
申请日：2013-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 一种邻域保持判别嵌入人脸识别方法及系统，本发明方法包括以下步骤。S1、对已有的人脸训练样本集进行初始降维，并根据训练样本矩阵确定初始降维训练样本矩阵。S2、寻找最优变换AX1，令二次降维训练样本矩阵X2=AX1，并获取二次降维训练样本集。S3、建立测试样本并将其进行二次降维获得二次降维测试样本，在二次降维训练样本中查找与所述二次降维测试样本相邻的样本，并将占比较高的二次降维训练样本的类别赋予所述测试样本。
-
公开(公告)号：CN106203517A
公开(公告)日：2016-12-07
申请号：CN201610554118.8
申请日：2016-07-14
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6271
Abstract: 本发明公开了一种核范数驱动的数据分类方法及系统，该方法包括：首先利用训练集中的样本构造权重系数矩阵，用于表征样本间的相似性，再初始化一个初始类别矩阵；其次，为了准确可靠地度量近邻重构误差，采用了核范数来度量流形平滑项，在优化过程中，基于核范数的近邻重构误差最小化问题可转化成求解一系列Frobenius范数的优化问题，同时，在度量预测标签与人工初始标签之间的差异的过程中，为了提升模型对于噪音的鲁棒性和度量的准确性，提出基于加权L2,1范数的标签拟合项。最后，取软类别标签向量中概率值最大项用于类别鉴定，得到最准确的分类结果。此外，使用核范数作为距离度量比L1范数或L2范数更可靠，有效提升了模型的预测精准度。
-
公开(公告)号：CN105825236A
公开(公告)日：2016-08-03
申请号：CN201610156405.3
申请日：2016-03-18
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6215 , G06K9/6268
Abstract: 本发明公开了检测一种样本检测模型的构建方法和系统，从预设的训练样本集中确定多个类别的训练样本；基于余弦去中心相似性原理，并根据多个类别的训练样本的同类相似样本集和异类相似样本集，建立低维特征空间的投影矩阵；依据投影矩阵以及多个类别的训练样本构建样本检测模型；样本检测模型用于检测待测样本的类别参数。本发明基于余弦去中心相似性原理来度量待测样本与训练样本之间的相似度，与采用欧氏距离的现有技术相比，本申请方案的相似度的度量精度更高，从而可以提高对待测样本的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.031 seconds)
