基于自顶向下运动注意机制的视频事件识别方法

    公开(公告)号:CN102034096A

    公开(公告)日:2011-04-27

    申请号:CN201010591513.6

    申请日:2010-12-08

    Inventor: 胡卫明 李莉

    Abstract: 本发明是一种基于自顶向下运动注意机制的视频事件识别方法,包括步骤S1:利用高斯差分检测子,在计算机上检测视频集中每一个视频每一帧的兴趣点,所述视频集包括:训练视频集和测试视频集;步骤S2:对检测得到每一帧的兴趣点提取尺度不变特征描述子特征和光流特征;步骤S3:建立表观词汇表和运动词汇表;步骤S4:在训练视频集上学习每一个运动单词关于每一类事件的概率并由此建立基于运动信息的注意直方图;步骤S5:采用推土机距离计算视频集中的视频之间的相似度,并生成核函数矩阵;步骤S6:利用得到的核函数矩阵对支持向量机分类器进行训练,得到分类器参数并对测试视频集分类,输出分类结果。

    基于在线提升算法的网络入侵检测方法

    公开(公告)号:CN101471782B

    公开(公告)日:2011-04-13

    申请号:CN200710304223.7

    申请日:2007-12-26

    Abstract: 本发明涉及计算机网络信息安全领域,是一种基于在线提升算法的网络入侵检测方法。包括:通过始化模块,在网络连接数据的每一维上分别建立一个决策桩;初始化各个特征上的决策桩及其相应的加权权重,并设置平衡因子;通过检测模块,由当前的各个决策桩加权融合而得入侵检测强分类器,对该网络连接数据进行入侵检测;通过在线更新模块,判断该网络连接数据是否为训练样本;如是,则在对其进行入侵检测前先用该样本对当前检测分类器进行在线更新。本发明克服了传统入侵检测方法只能进行离线学习、训练耗时长、难以适应不断变化的动态网络环境的缺点。

    网络新闻表情分布的自动预测方法

    公开(公告)号:CN101984431A

    公开(公告)日:2011-03-09

    申请号:CN201010534624.3

    申请日:2010-11-03

    Inventor: 吴偶 胡卫明

    Abstract: 本发明公开一种网络新闻表情分布的自动预测方法。网络新闻表情分布是指大量网络用户在浏览完一则网络新闻后,对其不同的新闻表情投票形成的新闻表情分布。本发明包括:收集网络新闻数据,包括网络新闻样本以及每个样本的新闻表情用户投票数据,利用收集的数据进行关键词选择并对每一个新闻样本进行特征提取,利用概率标签传播算法来对投票数据分布进行修正;对于一个新的网络新闻样本,利用基于实例的机器学习算法来对其进行新闻表情的分布进行自动预测。本发明可以应用在网络新闻的新闻表情分析以及对新的网络新闻样本的新闻表情分布进行预测。

    基于频谱特征分析的图像重复检测方法

    公开(公告)号:CN101470730A

    公开(公告)日:2009-07-01

    申请号:CN200710304207.8

    申请日:2007-12-26

    Inventor: 胡卫明 李玺 吴偶

    Abstract: 本发明是一种基于频谱特征分析的图像重复检测方法,包括:通过下采样模块对图像进行下采样,通过频谱分析模块对图像进行频谱分析;用于提取图像像素的颜色信息;通过频谱分析模块对图像进行梯度信息分析;用于获取下采样后的图像梯度分布特征,该特征具有旋转、平移以及尺度不变的性质;通过索引生成模块融合图像颜色和梯度信息,作为图像索引。采用这种方法可以极大地减少数据库的存储冗余度,提高了现有检索系统的检索性能和效率。

    基于步态的远距离身份识别方法

    公开(公告)号:CN1168044C

    公开(公告)日:2004-09-22

    申请号:CN01144157.7

    申请日:2001-12-13

    CPC classification number: G06K9/00348

    Abstract: 一种基于步态的远距离身份识别方法,包括训练和识别两个过程,所述的训练过程包括步骤:获取训练步态序列;空间轮廓分割;形状距离信号提取;主成分分析;个性化体格特征提取,提取可视的个性化特征作为附加特征,用于步态分类的最终校验;获得已训练的步态数据库。利用统计主元分析方法,本发明实现了一个基于步态行为的远距离身份识别系统。改进的背景减除方法被提出用于从背景中提取步态运动;具有时空变化的运动轮廓经过特征空间变换来实现步态特征的提取;识别过程采用时空相关匹配或者最近邻规则,一些与个人形体和体格有关的个性化特征亦被选择用于最终判决的校验。

    盲图像超分辨率模型的训练方法、盲图像超分辨率方法、电子设备、存储介质和程序产品

    公开(公告)号:CN119722460A

    公开(公告)日:2025-03-28

    申请号:CN202510183438.6

    申请日:2025-02-19

    Abstract: 本公开提供了一种盲图像超分辨率模型的训练方法、盲图像超分辨率方法、电子设备、存储介质和程序产品,盲图像超分辨率模型包括用于确定盲图像的退化特征的退化特征估计器、用于根据退化特征修正盲图像的图像特征的图像特征修正模块、用于基于修正后的图像特征重建高清图像的图像重建模块,训练方法包括:采用基于退化先验约束的对比学习方法,对待训练的退化特征估计器进行第一阶段训练,得到第一退化特征估计器;对包含第一退化特征估计器的盲图像超分辨率模型进行第二阶段训练,得到教师模型;将教师模型作为学习对象,采用蒸馏学习方法进行第三阶段训练,得到最终的盲图像超分辨率模型。该方法可以得到一个低复杂度模型,适用于低算力设备。

    基于深度时间对齐梯度增强的神经网络的训练方法及装置

    公开(公告)号:CN119538100A

    公开(公告)日:2025-02-28

    申请号:CN202510081115.6

    申请日:2025-01-17

    Abstract: 本申请公开了一种基于深度时间对齐梯度增强的神经网络的训练方法及装置。所述训练方法包括:获取输入样本数据;将输入样本数据输入到基于深度时间对齐梯度增强的神经网络模型,得到与输入样本数据的类别对应的预测类别概率数据;根据预测类别概率数据和样本标签数据,调整基于深度时间对齐梯度增强的神经网络模型的各个参数,得到训练后的神经网络模型,其中,基于深度时间对齐梯度增强的神经网络模型包括输入层、K个阶段和输出层,第1个阶段至第K‑1个阶段各自包括基于深度时间对齐梯度增强的卷积网络和辅助分类器网络,并且第K个阶段包括基于深度时间对齐梯度增强的卷积网络,其中,K为大于1的正整数。

    基于顺序提示和检索增强生成的标签序列生成方法

    公开(公告)号:CN119537647A

    公开(公告)日:2025-02-28

    申请号:CN202510104911.7

    申请日:2025-01-23

    Abstract: 本发明提供一种基于顺序提示和检索增强生成的标签序列生成方法,属于数据处理技术领域,所述方法包括:将目标视频输入至标签序列生成模型中,标签序列生成模型在获取到目标视频的帧特征和文本特征之后,对帧特征和文本特征进行特征融合,得到多模态混合特征;基于多模态混合特征,生成目标视频的顺序提示,顺序提示用于按序提示目标视频的重点关注特征;从多个检索系统中检索到相关视频后,基于相关视频的标签,生成提示语句,相关视频是与目标视频相关的视频;基于多模态混合特征、顺序提示和提示语句,生成目标视频的标签序列并输出。本发明不依赖标签集合,可以有效缓解标签长尾问题,提高标签多样性和相关性。

Patent Agency Ranking