-
公开(公告)号：CN105069140A
公开(公告)日：2015-11-18
申请号：CN201510511083.5
申请日：2015-08-19
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 一种基于高阶用户偏好的推荐方法，包括：利用用户-物品评分数据集，计算用户对成对物品的高阶偏好值，构建用户-物品-物品成对偏好数据集；初始化模型，从正态分布中随机选取值对模型初始化；从评分数据集和成对偏好数据集中选择相关数据；计算误差和用户偏好相似度，构成最优化准则；计算偏好指标梯度，更新模型；重复步骤直到模型参数收敛。本发明方法由OPTRP最优化准则和LearnRP学习算法组成，通过学习可以产生已有CF模型，且还可产生新模型，能有效地处理高度偏斜的评分数据集，使得推荐系统的预测精度和推荐准确度都得到提高，在真实场景中有重要的应用价值。
-
公开(公告)号：CN103034871B
公开(公告)日：2015-09-23
申请号：CN201210560743.5
申请日：2012-12-20
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间共聚集的图像分类方法。在该方法中，首先，提取局部特征并用聚类算法得到视觉词典；然后，用编码算法对特征进行编码，将不同空间区域的特征聚集并串联到一起；最后，用通用的特征选择方法进行特征选择，并用选择的特征作为图像的表达以训练分类器用于对图像进行分类。本发明方法从不同空间区域组合的表达中选择最有区分力，更加鲁棒的特征作为图片的表达，从而可以反映特征在给定类别图片中的空间分布和共生信息。本发明方法能以极少的特征数量达到分类精度优于常规算法的效果。
-
公开(公告)号：CN103049526B
公开(公告)日：2015-08-05
申请号：CN201210559081.X
申请日：2012-12-20
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于双空间学习的跨媒体检索方法。该方法包括：首先提取不同模态的多媒体数据的特征，利用双空间学习方法学习得到两个映射矩阵，将不同模态的数据映射到同一个空间；对于测试样本集，将其分为两部分：查询数据集和目标数据集，使用学习得到的映射矩阵将两个数据集的数据映射到统一空间，然后度量查询数据和目标数据之间的距离，并得到与查询数据距离最近的目标数据。本发明可以将不同模态的多媒体数据映射入统一空间进行度量，且在映射的同时进行了特征选择，提高了检索的鲁棒性和准确性，具有良好的运用前景。
-
公开(公告)号：CN104615983A
公开(公告)日：2015-05-13
申请号：CN201510043587.9
申请日：2015-01-28
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/6227 , G06N3/04
Abstract: 本发明公开一种基于递归神经网络的人体骨架运动序列行为识别方法，包括以下步骤：对已经提取好的人体骨架姿态序列中节点坐标进行归一化，以消除人体所处绝对空间位置对识别过程的影响，利用简单平滑滤波器对骨架节点坐标滤波以提高信噪比，最后将平滑后的数据送入一个层次化双向递归神经网络进行深度特征提取及识别，同时提供了一种层次化单向递归神经网络模型以应对实际中的实时在线分析需求。该方法主要优点是根据人体结构特征及运动的相对性，设计端到端的分析模式，在实现高精度识别率的同时避免复杂的计算，便于实际应用。该发明对于基于深度摄像机技术的智能视频监控、智能交通管理及智慧城市等领域具有重要意义。
-
公开(公告)号：CN104299012A
公开(公告)日：2015-01-21
申请号：CN201410587758.X
申请日：2014-10-28
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
CPC classification number: G06K9/66 , G06K2209/21
Abstract: 本发明公开一种基于深度学习的步态识别方法，包括：利用深度学习的卷积神经网络的较强的学习能力，通过共享权重的双通道卷积神经网络来根据视频中人的步态来识别其身份。该方法对跨较大视角的步态变化有很强的鲁棒性，有效地解决了现有步态识别技术在处理跨视角步态识别时精度不高的问题。该方法可被广泛应用于配备视频监控的场景，如：机场及超市的安全监控，人员识别，罪犯检测等。
-
Patent Agency Ranking
公开(公告)号：CN103559510A
公开(公告)日：2014-02-05
申请号：CN201310562450.5
申请日：2013-11-12
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明公开了一种利用相关主题模型识别社会群体行为的方法，该方法包括以下步骤：利用相关主题模型对视频数据集中的视频进行建模；基于相关主题模型和视频训练集得到优化目标函数；在使得优化目标函数最大的情况下计算相关主题模型中的各个参数，训练得到包括分类器的相关主题模型；将视频测试集中测试视频的词袋表示输入到相关主题模型中，利用隐含单元对可见单元的条件概率推断得到测试视频的主题表示；将测试视频的主题表示送入分类器中，得到对于相应测试视频最后的识别结果。本发明能够提取出更具区分力的稀疏相关主题表示来弥补低层视频特征和类别标签之间的语义鸿沟，同时在缺乏标签数据的情况下仍然能够达到很好的识别性能。
-
公开(公告)号：CN103530689A
公开(公告)日：2014-01-22
申请号：CN201310530626.9
申请日：2013-10-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于深度学习的聚类方法，该方法包括以下步骤：得到深度神经网络的初始网络权重；对样本进行随机分组并映射到特征空间；将原始深度神经网络的目标函数加入特征层的类内约束函数；更新深度神经网络的网络权重，计算得到新的特征层；将每个样本分配至最近聚类中心所在的类组，计算新的聚类中心；以新的聚类中心代替类内约束函数的聚类中心，返回网络权重更新步骤进行迭代，得到并输出最终聚类分组结果。本发明将样本从不易聚类的原始数据空间，通过深度神经网络的非线性映射，得到高度可分的特征用于聚类，并且可以不断优化网络结构得到更好的聚类效果，本发明以较小的内存消耗以及较高的聚类精度优于常规聚类算法。
-
公开(公告)号：CN103049526A
公开(公告)日：2013-04-17
申请号：CN201210559081.X
申请日：2012-12-20
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于双空间学习的跨媒体检索方法。该方法包括：首先提取不同模态的多媒体数据的特征，利用双空间学习方法学习得到两个映射矩阵，将不同模态的数据映射到同一个空间；对于测试样本集，将其分为两部分：查询数据集和目标数据集，使用学习得到的映射矩阵将两个数据集的数据映射到统一空间，然后度量查询数据和目标数据之间的距离，并得到与查询数据距离最近的目标数据。本发明可以将不同模态的多媒体数据映射入统一空间进行度量，且在映射的同时进行了特征选择，提高了检索的鲁棒性和准确性，具有良好的运用前景。
-
公开(公告)号：CN101226638A
公开(公告)日：2008-07-23
申请号：CN200710062825.6
申请日：2007-01-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种多相机系统标定方法包括：由三个或三个以上几何信息已知的标志点构成的标定部件在多相机系统工作区域做刚体运动，获取标定部件的多幅图像输入到计算机，提取出标志点的图像坐标，并将不同相机拍摄的某一位姿下标定部件上同一标志点的图像点视为一组对应点，根据图像对应点和标志点蕴含的几何信息线性恢复出多相机系统中各个相机的投影变换矩阵，并利用非线性算法进行优化。本发明公开的装置包括：标定部件、手柄、操作系统、工作区域、多相机系统。本发明克服了现有标定方法需要对多相机系统中的相机逐个标定或分步标定存在的效率低、有较大累积误差等缺点，本发明实现了多相机系统整体的一次性标定，具有重要的工程实用价值。
-
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
Applicant: 中国科学院自动化研究所
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。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.04 seconds)
