-
Patent Agency Ranking
公开(公告)号：CN103218427A
公开(公告)日：2013-07-24
申请号：CN201310118427.7
申请日：2013-04-08
Applicant: 北京大学
Abstract: 本发明提供一种局部描述子的提取方法、图像检索方法及图像匹配方法，其中，局部描述子的提取方法包括：获取图像的核心兴趣点，所述核心兴趣点为用于体现所述图像的关键特征的像素点；确定所述核心兴趣点的子区域半径和所述核心兴趣点对应的主方向；根据所述子区域半径和所述主方向，获取所述图像的局部描述子。上述提取方法提取的局部描述子能够准确的反映图像形状的构造信息，使得使用该局部描述子进行后期的检索结果的准确率更高。
-
公开(公告)号：CN102063472B
公开(公告)日：2012-08-22
申请号：CN201010597576.2
申请日：2010-12-20
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明提供一种图片搜索方法、图片搜索系统、客户端和服务器，其中，图片搜索方法包括：客户端获取待搜索的目标图片和针对该目标图片的第一关联信息，且将第一关联信息发送至服务端，同时客户端获取目标图片的视觉单词；服务端基于客户端的第一关联信息查找其内部的视觉单词词典库中视觉单词词典，以及将该视觉单词词典发送至客户端；所述客户端基于服务端发送的视觉单词词典得到目标视觉单词，并将其发送至所述服务端；所述服务端接收所述目标视觉单词，并查找对应该目标视觉单词的一个以上的结果图片和相关的扩展信息，以及将其发送至客户端。上述图片搜索方法缩短了客户检索等待时间，提高了检索性能与效率，该方法可适用于各个领域。
-
公开(公告)号：CN102521618A
公开(公告)日：2012-06-27
申请号：CN201110358181.1
申请日：2011-11-11
Applicant: 北京大学
IPC: G06K9/64
Abstract: 本发明公开了一种局部描述子的提取方法、图片检索方法及图像匹配方法，其中，提取方法包括：获取预检索的目标图片的一个以上的兴趣点；获取所述目标图片中与每一兴趣点对应的N个子扇区；针对每一兴趣点，根据N个子扇区中每一子扇区内部的像素建立像素梯度方向直方图，得到与N个子扇区对应的N个多维原始子局部描述子；将每一多维原始子局部描述子与预置权重相乘，得到N个多维加权子局部描述子；在预置的量化词典中查找与所述多维加权子局部描述子相似的视觉单词，得到与每一兴趣点对应的N个视觉单词；将查找的所有兴趣点的所有视觉单词组成所述目标图片的局部描述子。上述提取方法获取的局部描述子具有较好的判决力。
-
公开(公告)号：CN102147815A
公开(公告)日：2011-08-10
申请号：CN201110100485.8
申请日：2011-04-21
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明提供一种图片搜索方法和图片搜索系统，该方法包括客户端接收查询内容，该查询内容包括待查询的目标图片、或者待查询的目标图片和相关信息；客户端获取目标图片的视觉单词，并依据预置规则在客户端的一个以上的视觉单词词典中选取与查询内容对应的至少一个目标视觉单词词典，以及，依据目标视觉单词词典获取视觉单词的目标视觉单词；将目标视觉单词编码后发送至服务端，以获取匹配查询内容的结果图片和/或结果图片的相关信息。该方法通过减少客户端上传的数据量的方式提高图片搜索的速度，同时缩短了用户的等待时间，且能够提升系统检索的准确率。
-
公开(公告)号：CN101482926A
公开(公告)日：2009-07-15
申请号：CN200910077364.9
申请日：2009-02-19
Applicant: 北京大学
Abstract: 一种可伸缩的自适应多核分类方法，涉及人工智能领域，特别是数据挖掘技术。预处理阶段，得到多核矩阵；建模阶段，构建一个簇相关的多核分类器；参数学习阶段，在统一的框架内对分类器参数及多组多核权值参数进行优化；数据分类阶段，对待分类的样本，首先确定其属于哪一个簇，再利用学习好的分类器进行数据分类。本发明通过引入中间表达“簇”挖掘复杂数据集的类间相关性和类内多样性，建立了簇相关的自适应和可伸缩多核分类器，并通过迭代的方式在统一的学习框架下优化分类器参数和多组多核权值参数。面对类别繁多且特征表现复杂的数据分类问题，解决类间相关性和类内多样性带来的数据混叠问题，提高了分类准确率，且分类效果更为鲁棒。
-
-
-
-
Search Results
125
records
(took 0.084 seconds)
