-
公开(公告)号：CN111428730A
公开(公告)日：2020-07-17
申请号：CN201910019867.4
申请日：2019-01-09
Abstract: 本发明公开了一种弱监督细粒度物体分类方法，包括：采用注意力机制对输入图像进行一系列矩形区域图像的提取，并结合各矩形区域图像的置信度筛选出若干矩形区域图像；采用分类机制对输入图像以及筛选出的若干矩形区域图像进行特征提取，并进行分类预测，最后将各预测结果做集成，得到一个最终预测结果。通过采用上述方法可以显著提升分类精确度。
-
公开(公告)号：CN111210444A
公开(公告)日：2020-05-29
申请号：CN202010008358.4
申请日：2020-01-03
Abstract: 一种多模态磁共振影像的分割方法、装置、设备及介质，方法包括：分别对多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取；分别对多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取；分别将横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合，得到横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征；对第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理，得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。该方法极大地降低了图像梳理过程中的参数量，降低计算开销，提高分割精度。
-
公开(公告)号：CN111144314A
公开(公告)日：2020-05-12
申请号：CN201911376257.6
申请日：2019-12-27
Abstract: 本发明公开了一种篡改人脸视频检测方法，包括：将人脸视频数据解码为一组连续的帧图像，并截取每一帧图像的人脸区域，按照帧序号对应保存为人脸图片；通过特征提取器提取每一人脸图片的，获得对应的特征图；将连续两帧的特征图，同时输入至至帧间相关性分类器，由帧间相关性分类器采用注意力机制将两帧的特征图融合在一起后进行分类，分类结果为输入的两帧被篡改的概率。该方法同时利用了帧图片自身的信息和与其相邻帧的帧间关系，可取的较好的效果。同时检测是自动完成的，可以适用于大规模的视频平台、社交平台。
-
公开(公告)号：CN109948615A
公开(公告)日：2019-06-28
申请号：CN201910232853.0
申请日：2019-03-26
Abstract: 本发明公开了一种多语言文本检测识别系统，包括：文本检测器，用于在输入图像中生成一系列的文本候选框；归一化单元，用于在每一文本候选框在保存原有宽高比的基础上将所有文本候选框调整为统一高度；脚本识别网络，用于对归一化后的文本候选框中文本的类型进行识别，确定相应文本为符号或者某个具体的语言类型；基于注意力机制的多语言文本识别网络，用于对归一化后的文本候选框中文本内容进行识别。该系统可以同时检测并识别出场景文本图像中的多种语言的文本。
-
公开(公告)号：CN109567839A
公开(公告)日：2019-04-05
申请号：CN201811389123.3
申请日：2018-11-20
Abstract: 本发明公开了一种髋关节X光图像自动分析方法，包括：获取预先进行了S个关键点位置标注的髋关节X光图像；对于预先收集的一系列髋关节X光图像，在标注的每一个关键点上分别取一张切片图像，所得到的每一切片图像即为初步模板，从而构成一个初步模板库，则对于S个关键点共有S个初始模板库；分别对每一个初始模板库中的初步模板采用模板匹配的方法求取相似度，最终选取出多个模板，构成能够用于查找一个关键点的有序模板库，则对于S个关键点共有S个有序模板库；对于待分析的髋关节X光图像，通过模板匹配与聚类的方式结合每一有序模板库实现每一关键点的分析查找。该方法可以自动的、准确的实现髋关节X光图像分析。
-
Patent Agency Ranking
公开(公告)号：CN110880019B
公开(公告)日：2022-07-12
申请号：CN201911045261.4
申请日：2019-10-30
Abstract: 本发明公开了一种通过无监督域适应训练目标域分类模型的方法，包括：对于源域和目标域输入的批图像数据，通过标准卷积网络来提取特征，然后结合初始化设定的质心特征构建对应于源域和目标域的实例图；实例图中的节点矩阵依次通过源域分类器与图卷积网络后，生成对应于源域和目标域的类别质心特征；使用类别质心对齐机制，约束图卷积网络每层中来自不同域的类别质心，使不同域的类别质心随着迭代训练而逐渐靠近；并且，使用质心指导的对抗性对齐机制，利用所有类别自动生成的质心作为域全局统计信息指导每批图像数据参与对抗训练；通过迭代训练最终得到在目标域有效的分类模型。上述方法具有很好的泛化性，且训练好的分类模型分类准确较高。
-
公开(公告)号：CN113434684B
公开(公告)日：2022-03-08
申请号：CN202110744485.5
申请日：2021-07-01
Applicant: 北京中科研究院
IPC: G06F16/35 , G06F16/31 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种自监督学习的谣言检测方法、系统、设备及存储介质，相关方法包括：将消息的传播过程建模为传播树，采用图编码器编码传播树的图结构信息，获得传播表征；采用文本编码器编码消息的文本内容信息，获得文本表征；基于自监督学习的方式，提升相同消息的传播表征与文本表征之间的相似度，并降低不同消息的传播表征与文本表征之间的相似度；利用基于自监督学习的方式得到的消息表征进行谣言检测。上述方案利用自监督学习综合多个来源的信息，得到消息的更加全面的表达，从而提高下游的自动谣言检测任务的准确度和稳定性。
-
公开(公告)号：CN112199608B
公开(公告)日：2021-05-28
申请号：CN202011211346.8
申请日：2020-11-03
IPC: G06F16/9536 , G06N3/04
Abstract: 本发明公开了一种基于网络信息传播图建模的社交媒体谣言检测方法，包括：以用户的帖子为节点，根据帖子的转发层次关系和时间维度关系建立传播图模型，并且根据用户的ID信息在传播图模型中构建相同用户的帖子连接关系；将预训练模型提取的各个帖子的文本特征作为初始的节点表示特征，并利用消息传递图神经网络根据帖子之间关系进行信息的聚合，进而更新节点表示特征；将更新后的节点表示特征与初始的节点表示特征连接后，通过分类器预测帖子为谣言与非谣言的概率。该方法能够提高谣言检测的准确性，实现有效的谣言检测，并具有适用性强，易于迁移等优点。
-
公开(公告)号：CN111984872B
公开(公告)日：2021-03-16
申请号：CN202010942007.0
申请日：2020-09-09
IPC: G06F16/9535 , G06F16/9536 , G06F16/432 , G06F16/435
Abstract: 本发明公开了一种基于迭代优化策略的多模态信息社交媒体流行度预测方法，为了解决多模态数据利用不充分的缺陷，从帖子中提取了多模态特征；为了增强特征的时效稳定性，使用滑动窗口中对帖子特征进行平均，再进行多模态特征的融合，融合的特征利用LightGBM模型进行回归预测。为了解决流行度极值预测的难点，提出了一种迭代优化的策略，有效补偿了预测流行度分数的残差，特别是极值补偿。通过在SMPD2020数据集上进行的大量实验，取得了较好的效果，证明了本方法的有效性。
-
公开(公告)号：CN111314331B
公开(公告)日：2020-11-03
申请号：CN202010080796.1
申请日：2020-02-05
Abstract: 本发明公开了一种基于条件变分自编码器的未知网络攻击检测方法，将已知类别的分类与未知攻击检测问题分为两个阶段。第一阶段利用基于变分自编码器的分类器在实现将网络流量按照已知类别分类的基础上实现对网络流量的特征提取。第二阶段利用第一阶段训练的编码器获取网络流量的特征表达，利用解码器的重构误差校正第一阶段的检测结果，识别未知攻击。可见，本发明既能实现传统检测方法识别正常流量和异常流量的攻击类型的功能，又能实现未知攻击的检测。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.064 seconds)
