-
公开(公告)号：CN1464433A
公开(公告)日：2003-12-31
申请号：CN02121369.0
申请日：2002-06-17
Applicant: 中国科学院计算技术研究所
IPC: G06F17/28
Abstract: 一种通过中间模式语言进行手语翻译的方法，包括：采集手语词语数据，提取该手语词语数据中的特征信息，根据该特征信息进行手语连续语句识别，然后记录中间模式语言数据的识别结果将中间模式语言数据转换为该非手语语言词语并输出；以及，采集非手语语言词语数据，根据中间模式语言数据与该非手语语言的对应关系，将该非手语语言词语转换为中间模式语言数据并记录，根据该中间模式语言数据，在手语词语库中找到相应的手语词语数据，再将该手语词语数据合成为手语图像信息输出；本发明将手语以及非手语模式的语言均与中间模式语言相对应，有利于手语翻译系统的扩展，方便了非手语语言与手语之间的相互转换。
-
公开(公告)号：CN119181116A
公开(公告)日：2024-12-24
申请号：CN202310729598.7
申请日：2023-06-19
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V10/774 , G06T3/4053
Abstract: 本发明提出一种基于面部图像的视线方向估计方法，包括：构建并以源域数据训练视线估计模型和人像增强模型；从目标域中选取训练数据，以无监督学习方式训练该视线估计模型；将该目标域的目标图像通过该人像增强模型和该视线估计模型，获得该目标图像的视线方向估计结果。本发明还提出一种基于面部图像的视线方向估计系统，以及一种用于实现基于面部图像的视线方向估计的数据处理装置。
-
公开(公告)号：CN118397440A
公开(公告)日：2024-07-26
申请号：CN202410566933.0
申请日：2024-05-09
Applicant: 中国科学院计算技术研究所
IPC: G06V20/00 , G06V10/774 , G06V10/44 , G06V10/74 , G06V10/762
Abstract: 本发明提供了一种基于无监督域自适应的深度伪造检测方法，包括：通过源域的有标签数据训练一深度伪造检测模型，深度伪造检测模型至少包括有特征提取器；通过特征提取器，提取目标域的无标签数据的特征，并对无标签数据的特征进行聚类得到聚类结果；将目标域的聚类结果与源域的已知深度伪造类别进行匹配，为目标域的数据生成伪标签，伪标签包括已知深度伪造类别伪标签和未知深度伪造类别伪标签。通过源域的有标签数据和目标域的伪标签数据，对深度伪造检测模型进行再训练。本发明还提供一种系统、存储介质及电子设备。借此，本发明能够在不需要目标域标签的情况下，识别出目标域中的已知和未知的深度伪造类别，从而提高了模型的泛化能力和鲁棒性。
-
公开(公告)号：CN103729648B
公开(公告)日：2017-01-04
申请号：CN201410006653.0
申请日：2014-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种领域自适应模式识别方法，该方法通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，然后利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。该方法在源域与目标域的公共子空间中求解所述线性组合系数，保证了源域到目标域转换的可靠性和稳定性；同时，在原始样本空间应用所求得的重构系数进行目标域化，保留了目标域特定的信息，更有利于目标域上识别模型的学习。该方法既能有效利用源域与目标域共性以建立源域到目标域迁移的桥梁，又能充分挖掘目标域的特性，进一步提升目标域上任务的性能。
-
公开(公告)号：CN103729648A
公开(公告)日：2014-04-16
申请号：CN201410006653.0
申请日：2014-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种领域自适应模式识别方法，该方法通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，然后利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。该方法在源域与目标域的公共子空间中求解所述线性组合系数，保证了源域到目标域转换的可靠性和稳定性；同时，在原始样本空间应用所求得的重构系数进行目标域化，保留了目标域特定的信息，更有利于目标域上识别模型的学习。该方法既能有效利用源域与目标域共性以建立源域到目标域迁移的桥梁，又能充分挖掘目标域的特性，进一步提升目标域上任务的性能。
-
Patent Agency Ranking
公开(公告)号：CN103577815A
公开(公告)日：2014-02-12
申请号：CN201310628537.8
申请日：2013-11-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种人脸对齐方法和系统，所述方法包括：在参考集中找到与输入人脸图像在图像特征上最相似的K个近邻人脸图像样本，其中所述参考集包括已标定面部特征点的多个人脸图像样本；从K个近邻人脸图像样本的面部特征点中得到所述输入人脸图像的面部特征点。所述方法还包括：对所述输入人脸图像的面部特征点和所述输入人脸图像的边界点做分块三角剖分，每块单独计算仿射变换，对齐到指定的脸。采用本发明可以较准确地获得多个面部特征点的位置，能够在保持身份信息的同时尽量去除姿态、表情的不一致对人脸识别的影响，提升人脸识别性能。
-
公开(公告)号：CN103324950A
公开(公告)日：2013-09-25
申请号：CN201210077833.9
申请日：2012-03-22
Applicant: 中国科学院计算技术研究所 , 日电(中国)有限公司
IPC: G06K9/66
Abstract: 本发明公开一种基于在线学习方法的人体重现检测系统，其特征在于，所述方法包括如下步骤：步骤1，在视频帧中检测人体，得到所述视频帧中的人体检测结果集合；步骤2，对所述的人体检测集合中的人体进行跟踪；步骤3，根据所述人体检测集合和人体跟踪的结果，进行学习和更新人体特征模型；步骤4，存储和管理人体特征模型，得到匹配的人体特征模型，并在新的输入视频帧中进行人体重现检测。
-
公开(公告)号：CN102436637B
公开(公告)日：2013-08-21
申请号：CN201010297069.7
申请日：2010-09-29
Applicant: 中国科学院计算技术研究所 , 日电(中国)有限公司
Abstract: 本发明涉及从头部图像中自动分割头发的方法和系统，方法包括：步骤1，通过人脸检测和特征定位算法提取含有人脸和头发的头部图像，并对提取出的头部图像进行归一化；步骤2，对于训练集中标定头发的头部图像，根据各头部图像中标记的头发像素点得出位置先验模型，并提取特征，进行头发和非头发SVM分类器的学习；步骤3，依据位置先验模型和头发和非头发SVM分类器从待分割的图像中选择头发种子和背景种子；步骤4，从头发种子区域和背景种子区域中提取特征，依据特征完成对应于待分割图像的头发和非头发SVM分类器的在线学习；步骤5，依据对应于待分割图像的头发和非头发SVM分类器和位置先验模型进行头发分割。本发明能够提高头发分割准确性。
-
公开(公告)号：CN101794389A
公开(公告)日：2010-08-04
申请号：CN200910244271.0
申请日：2009-12-30
Applicant: 中国科学院计算技术研究所
IPC: G06K9/36
Abstract: 本发明提供了一种人脸图像光照预处理方法，包括下列步骤：1)在m个不同的截断尺度下，将人脸图像分别分解为与光照因素相对应的大尺度分量u和与人脸内在特征相对应的小尺度分量v，从而得到所述人脸图像的m个小尺度分量；2)计算相邻截断尺度下的小尺度分量之差得到所述人脸图像的m-1个尺度邻域分量；3)通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和，得到所述人脸图像的光照预处理图像。本发明能够更加精确地捕捉和保留各种光照条件下的不同人的人脸图像的人脸内在特征，进而有效地增强人脸识别对光照变化的鲁棒性。
-
公开(公告)号：CN101751559A
公开(公告)日：2010-06-23
申请号：CN200910244605.4
申请日：2009-12-31
Applicant: 中国科学院计算技术研究所
IPC: G06K9/00
Abstract: 本发明提供一种人脸皮肤斑痣点检测方法，包括检测人脸图像中人脸皮肤上的斑痣点；计算人脸图像的斑痣点的显著性及特征，并根据所述显著性对所述斑痣点分层。本发明还提供了一种利用皮肤斑痣识别人脸的方法，包括：检测出待识别人脸图像上分层次的斑痣点；计算所述待识别人脸图像各层斑痣点与标准人脸图像中对应层次斑痣点之间的空间距离和相似度，进而计算每一层上所述待识别人脸图像与所述标准人脸图像间的相似度；根据所述待识别人脸图像与所述标准人脸图像在每一层上的相似度来计算这两幅图像之间的整体相似度。本发明提高了人脸识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.037 seconds)
