-
公开(公告)号：CN107027051A
公开(公告)日：2017-08-08
申请号：CN201610596600.8
申请日：2016-07-26
Applicant: 中国科学院自动化研究所
IPC: H04N21/234 , H04N21/44
Abstract: 本发明公开了一种基于线性动态系统的视频关键帧提取方法，该方法包括以下步骤：步骤1，收集待处理的视频数据文件；步骤2，初始化一个视频片段，计算所述视频片段的线性动态系统模型参数，根据模型参数计算视频片段的重构误差；步骤3，逐帧增加所述视频片段的长度，重复步骤2直到重构误差超过预设的阈值；步骤4，将最后确定的视频片段的中间帧作为该片段的关键帧；步骤5，在前一个视频片段后初始化下一个新的视频片段，重复步骤2至步骤4直到所述视频数据文件结束。本发明可以显著提高关键帧在语义内容上的描述能力，可以应用在互联网视频内容检索、敏感视频检测与过滤以及智能视频监控等业务中。
-
公开(公告)号：CN106228164A
公开(公告)日：2016-12-14
申请号：CN201610596607.X
申请日：2016-07-26
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/6215 , G06F16/71 , G06F16/783 , G06K9/4676 , G06K9/6218 , G06K9/6255
Abstract: 本发明公开了一种视频动态基元库的构建方法。该方法包括以下步骤：步骤1：收集视频数据文件构成视频样本集；步骤2：对于视频样本集的每个视频数据文件，提取三维时空局部特征；步骤3：对于每个三维时空局部特征，使用线性动态系统作为所述三维时空局部特征的描述子；步骤4：计算所有三维时空局部特征两两之间的距离度量，构成一个距离度量矩阵；步骤5：对所述距离度量矩阵进行聚类，聚类中心作为所述视频样本集的动态基元库。本发明可以应用在互联网视频内容检索、敏感视频检测与过滤以及智能视频监控等业务中。
-
公开(公告)号：CN119580333B
公开(公告)日：2025-05-02
申请号：CN202510127478.9
申请日：2025-01-27
Applicant: 中国科学院自动化研究所
Abstract: 本公开关于人脸图像鉴伪模型的训练方法、人脸图像鉴伪方法和装置，包括：提取训练样本图像中多个类型的指定特征；将多个类型的指定特征进行拼接；将指定拼接特征分别输入多个特征提取模块；利用每个特征提取模块输出的模型提取特征进行融合；将融合特征输入全连接层以预测训练样本图像的真伪；基于真实类别标签、预测结果和融合特征，计算损失；通过根据损失调整每个特征提取模块的参数。这样，通过预先从不同角度设计有针对性的指定特征，可以实现提高特征提取的全面性和丰富性。另外，还可以通过综合不同特征提取模块的优势来提高特征表示的鲁棒性和多样性，从而可以更好地应对复杂和多变的鉴伪场景。
-
公开(公告)号：CN119399029B
公开(公告)日：2025-04-08
申请号：CN202510013541.6
申请日：2025-01-06
Applicant: 中国科学院自动化研究所
IPC: G06T3/4053 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于解耦对比学习的隐式图像退化估计方法，属于图像盲超分辨率技术领域，所述方法采样具有相同退化信息的不同LR图像中的图块来构建正样本集合，在数据层面保障了内容、纹理等任务无关信息不会影响退化特征学习，同时，通过不断地循环配对采样图块来实现数据扩增；在训练过程中引入特征增强策略增加相同退化类型的正样本数量，从而在训练过程中进一步扩展每个退化类别的样本多样性，以保障网络更充分的学习退化信息。将利用本发明训练的隐式图像退化估计器应用于基于隐式退化特征引导的盲图像超分辨率网络，可以有效提升LR图像的退化信息建模质量，进而改善LR图像到HR图像的重建效果。
-
公开(公告)号：CN118133241B
公开(公告)日：2024-09-13
申请号：CN202410552190.1
申请日：2024-05-07
Applicant: 中国科学院自动化研究所
IPC: G06F18/27 , G06F18/213 , G06N3/0455 , G06N3/0895 , G06N3/096
Abstract: 本发明涉及多模态技术领域，提供一种多模态预训练模型的训练方法、装置、设备和存储介质，包括：构建多模态预训练模型，包括视觉编码器、多语言编码器以及英文解码器；基于图像‑英文文本数据获取第一损失函数；基于多语言文本‑英文文本数据获取第二损失函数；基于目标文本‑图像数据应用于视觉编码器与多语言编码器进行对比学习获取第三损失函数；基于目标文本‑图像数据的相似度矩阵获取强负样本数据，基于强负样本数据与正样本数据应用于英文解码器获取第四损失函数；基于第一损失函数、第二损失函数、第三损失函数以及第四损失函数，得到训练好的多模态预训练模型。本发明既有效缓解对多语言‑图像数据的依赖，又直接有效的利用视觉特征。
-
Patent Agency Ranking
公开(公告)号：CN109558586B
公开(公告)日：2023-04-18
申请号：CN201811302282.5
申请日：2018-11-02
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/289 , G06F18/2135 , G06F18/22
Abstract: 本发明公开了一种资讯的言据自证评分方法、设备和存储介质。该方法包括：对资讯库中的所有资讯分别进行深度语义向量编码；根据每个资讯的深度语义向量，计算所有资讯两两之间的相似度，得到语义相似度矩阵；根据语义相似度矩阵，构建语义网络；在语义网络的中心节点对应的资讯中，提取关键词和主题，作为资讯库的关键词和主题；对资讯库的关键词和主题进行深度语义向量编码；分别计算资讯库中每个资讯的深度语义向量和资讯库的深度语义向量之间的相似度，作为资讯库中每个资讯的言据自证评分。本发明依靠待评价资讯自身提供的证据来评价资讯的可靠性，可以有效降低资讯可靠性识别的人力成本，提高资讯可靠性识别的准确性。
-
公开(公告)号：CN110911012B
公开(公告)日：2022-10-14
申请号：CN201911232673.9
申请日：2019-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于效用模型的个性化诊疗方法的确定方法及系统，所述确定方法包括：对历史用户病症特征数据进行预处理，得到用户特征；基于粒子群算法，根据所述历史用户病症数据，构建改善方法的效用矩阵；根据所述效用矩阵及所述用户特征和当前用户的需求，得到针对该当前用户的个性化诊疗方法。本发明通过对多症状特征数据进行降维和归一化处理；并通过粒子群算法构建改善方法效用矩阵；根据效用矩阵、历史用户病症数据得到总效用值，根据历史改善情况调整判断改善效果阈值；根据历史病症情况数据调整决策策略为成本最低时的阈值，从而可有效确定针对该当前用户的个性化诊疗方法。
-
公开(公告)号：CN110321366B
公开(公告)日：2021-06-25
申请号：CN201910566988.0
申请日：2019-06-27
Applicant: 中国科学院自动化研究所
IPC: G06F16/2455 , G06F16/2458 , G06F9/50
Abstract: 本发明涉及一种基于在线学习的统计量确定方法及系统，所述统计量确定方法包括：实时获取当前t时刻来自客户端的待处理数据，并确定待处理数据的类型；预先设定合格检验标准及可靠检验标准；筛选出合格数据；调取(t‑1)时刻统计量；根据合格数据及(t‑1)时刻统计量，确定t时刻统计量；检测当前待处理数据是否可靠，如果可靠，则删除合格数据，t时刻统计量为时刻t的终值统计量；否则根据t时刻统计量及合格数据，计算出不包含合格数据的统计量，确定t时刻的终值统计量；存储时刻t的终值统计量。本发明根据同时符合合格标准及可靠标准的数据更新统计量，并删除所述数据，避免数据占用大量内容，同时更新统计量与数据存储无关，提高统计量的更新速度。
-
公开(公告)号：CN112069484A
公开(公告)日：2020-12-11
申请号：CN202011243517.5
申请日：2020-11-10
Applicant: 中国科学院自动化研究所
IPC: G06F21/32 , G06F16/9035 , G06F16/9038 , G06K9/62
Abstract: 本发明涉及一种基于多模态交互式的信息采集方法及系统，所述信息采集方法包括：基于待验证人员的人脸图像和人声片段进行身份认证；通过所述待验证人员的人脸图像和人声片段，预识别与所述待验证人员相关的属性信息；获取待验证人员的需求信息；根据所述需求信息及所述属性信息，确定问卷内容；所述问卷内容以多模态的交互形式展示给待验证人员，以得到待验证人员的多模态问卷答案；将所述多模态问卷答案进行信息融合；根据融合的结果进行信息的有效性验证。本发明通过待验证人员的人脸图像和人声片段进行身份认证，利用语音和人脸图像信息，从模式识别和多模态融合分析方法入手，从认证端就完成了用户多个问卷身份的关联，然后充分挖掘用户多个维度的信息，并且通过交互的过程对这些信息进行有效性判断，对于准确性存疑的信息，通过二次交互进一步确认信息的有效性。
-
公开(公告)号：CN111352954A
公开(公告)日：2020-06-30
申请号：CN202010110929.5
申请日：2020-02-20
Applicant: 中国科学院自动化研究所
IPC: G06F16/2455 , G06F16/2458 , G06F16/28
Abstract: 本发明属于数据挖掘领域，具体涉及一种低资源条件下的关联规则挖掘方法、系统、装置，旨在解决现有的关联规则挖掘方法无法在低内存下完整的低频关联规则的挖掘的问题。本系统方法包括：获取待挖掘关联规则的数据集，对数据集各事务中的项进行数字化编码；获取高频频繁项集和高频关联规则；构建第一低频频繁项集和第二低频频繁项集；基于第一低频频繁项集、第二低频频繁项集，通过setdiff函数得到第三低频频繁项集，并根据第三低频频繁项集获取低频关联规则；输出高频关联规则、低频关联规则。本发明能够在低内存条件下挖掘完整的低频关联规则。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.076 seconds)
