-
公开(公告)号：CN111198964B
公开(公告)日：2023-04-25
申请号：CN202010026336.0
申请日：2020-01-10
Applicant: 中国科学院自动化研究所
IPC: G06F16/583 , G06N3/0464
Abstract: 本发明涉及一种图像检索方法及系统，所述检索方法包括：对训练图像集标记类别，得到多个标记图像；根据各所述标记图像，进行建模，得到基于对抗注意力机制的卷积神经网络模型；获取参考图库的各参考图像；通过所述卷积神经网络模型，分别提取待检索图像及各参考图像对应的全局特征；根据所述待检索图像及各参考图像对应的全局特征，确定检索结果；所述检索结果为选取与所述待检索图像不相似的参考图像，作为推荐图像。本发明根据训练图像集建模，得到基于对抗注意力机制的卷积神经网络模型，可直接提取待检索图像及各参考图像对应的全局特征；进而可根据待检索图像及各参考图像对应的全局特征，准确得到与所述待检索图像不相似的推荐图像。
-
公开(公告)号：CN110097059B
公开(公告)日：2021-04-02
申请号：CN201910222323.8
申请日：2019-03-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理领域，具体涉及一种基于生成对抗网络的文档图像二值化方法、系统、装置，旨在为了解决解决现有二值化方法在文档图片的图像质量参差不齐的情况下其二值化准确度不稳定，鲁棒性较差的问题。本发明方法包括：对原始文档图像进行切分；分基于第一卷积神经网络分别对切分图像、归一化后的原始文档图像进行二值化处理；将得到的二值化图像分别通过拼接、缩放生成原始文档图像尺寸，并与原始文档图像的灰度图进行合并，进行图片切分后通过第二卷积神经网络进二值化，并合并得到的二值化图像块得到最终的二值化图。本发明对于多种类型文档的拍照文档图像可以获取准确度较高的二值化图像，且具有较高的稳定性，鲁棒性强。
-
公开(公告)号：CN111274878A
公开(公告)日：2020-06-12
申请号：CN202010024821.4
申请日：2020-01-10
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种卫星云图分类方法及系统，所述分类方法包括：获取多幅参考卫星云图，每一参考卫星云图均有四通道参考红外图像；对各参考卫星云图的四通道参考红外图像中的每个像素位置进行标记分类，得到参考标签；根据各所述参考红外图像及对应的参考标签，进行建模，得到分类网络模型；根据所述分类网络模型，识别待处理卫星云图的四通道外红图像，得到对应的类别。本发明通过对多幅参考卫星云图进行标记分类，并根据参考卫星云图及参考标签进行建模，得到分类网络模型，根据所述分类网络模型可有效提高云图像分类的准确性，利于及时预警。
-
公开(公告)号：CN106844767B
公开(公告)日：2019-12-13
申请号：CN201710100063.8
申请日：2017-02-23
Applicant: 中国科学院自动化研究所
IPC: G06F16/11
Abstract: 本发明涉及一种格式文档关键信息块配准及提取的方法及装置，所述方法：对格式文档的灰度图像进行模式定义；根据标签部件的位置、标签域构建弹性框架；根据标签部件的图像像素占空比，确定弹性框架的配准目标的候选集合；根据标签部件的图像特征对弹性框架进行粗配准，确定价值部件的初始矩形框；根据标签部件的位置对价值部件的初始矩形框进行精确配准，确定价值部件的精准矩形框；根据所述标签部件的位置、字符属性信息及价值部件的精准矩形框确定格式文档关键信息块。本发明格式文档关键信息块配准及提取的方法通过构建弹性框架、多次配准，从而能够准确提取价值部件的精准矩形框内容提取准确，便于数据库的统一管理。
-
公开(公告)号：CN106844767A
公开(公告)日：2017-06-13
申请号：CN201710100063.8
申请日：2017-02-23
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明涉及一种格式文档关键信息块配准及提取的方法及装置，所述方法：对格式文档的灰度图像进行模式定义；根据标签部件的位置、标签域构建弹性框架；根据标签部件的图像像素占空比，确定弹性框架的配准目标的候选集合；根据标签部件的图像特征对弹性框架进行粗配准，确定价值部件的初始矩形框；根据标签部件的位置对价值部件的初始矩形框进行精确配准，确定价值部件的精准矩形框；根据所述标签部件的位置、字符属性信息及价值部件的精准矩形框确定格式文档关键信息块。本发明格式文档关键信息块配准及提取的方法通过构建弹性框架、多次配准，从而能够准确提取价值部件的精准矩形框内容提取准确，便于数据库的统一管理。
-
Patent Agency Ranking
公开(公告)号：CN103413148B
公开(公告)日：2017-05-24
申请号：CN201310389346.0
申请日：2013-08-30
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随机自适应符号稀疏编码的地基云图分类方法，该方法包括：对于训练样本集合随机提取样本的局部特征；利用自适应符号稀疏编码对这些局部特征组成的集合进行聚类得到码本；对每个样本随机提取的局部特征，计算其与码本对应的稀疏编码系数，得到该样本随机局部特征的稀疏编码系数组成的矩阵；接下来利用最大化抽取操作得到样本的特征表示；计算测试地基云图的特征表示；利用分类器得到测试地基云图的分类结果。本发明通过随机提取地基云图的局部特征来提高地基云图分类的效率，节省时间开销；同时本发明采用自适应符号稀疏编码的方法来获得码本并计算局部特征的稀疏编码系数，从而可以更好地表示云图中信息，提高分类性能。
-
公开(公告)号：CN103544503B
公开(公告)日：2016-09-21
申请号：CN201310566006.0
申请日：2013-11-14
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多实例马尔科夫模型的行为识别方法。该方法包括以下步骤：对每个视频提取局部特征，用一个局部视频块的特征直方图来表示行为的某个局部运动；通过随机采样的方式得到许多局部视频块，这些局部视频块将形成多个马尔科夫链，这些马尔科夫链表示为某些局部运动在时间上的连续动作；在多实例学习的框架下，模型选择最具有判别性能的马尔科夫链表示行为；测试时，以同样的方式构成多个马尔科夫链表示视频，然后计算出这些马尔科夫链的分数，大于某个阈值为这种行为，反之不属于这种行为。本发明通过多实例马尔科夫模型，达到复杂场景下行为识别的目的，并可以减少对视频的标注。
-
公开(公告)号：CN103473538B
公开(公告)日：2016-09-21
申请号：CN201310432350.0
申请日：2013-09-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于样例迁移学习的人体检测方法，该方法包括以下步骤：提取训练集中正样本和负样本的多维人体特征；利用支持向量机进行训练，得到初始人体检测器；将人体检测器划分为多个小网格，每个网格代表一个小部件，并用相应网格里的权重来表示这个部件；对于网格权重进行更新；采用多尺度滑动框扫描的方式对于待检测图像进行人体检测，得到人体检测结果。本发明中的检测器能够自适应的进行结构调整与测试框里的样例的结构进行匹配，并将匹配的损失计入得分函数中，因此本发明方法能够自适应地对每个样例进行结构迁移，可以处理人体的形变等情况。
-
公开(公告)号：CN103336961B
公开(公告)日：2016-06-29
申请号：CN201310308807.7
申请日：2013-07-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种交互式自然场景文本检测方法，该方法首先在场景图片中标记出感兴趣文本所在区域，即在文本上画一条线；根据这条线从原图中选取一个扩展区域，在扩展区域中进行边缘检测，对边缘检测结果进行连通域标记，再对标记结果的边界进行投影得到边缘文本区域；然后对这个区域分块二值化、连通域标记和投影操作，得到粗略文本区域；最后对粗略文本区域进行分块二值化和反色的二值化操作，对两种二值化结果分别进行连通域标记、去除各种噪声、边界投影和连通域数目确定，根据两种二值图像的连通域数目确定图片极性，再对连通域进行融合得到精确的文本区域。本方法具有局部空间自适应性，对自然场景图片中背景复杂的文本块有很好的检测效果。
-
公开(公告)号：CN104573663A
公开(公告)日：2015-04-29
申请号：CN201510023529.X
申请日：2015-01-16
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00852 , G06K9/6269
Abstract: 本发明是一种基于鉴别性笔画库的英文场景文字识别方法，其包括步骤：1、基于关键点标注的笔画子检测器学习；2、笔画子检测器响应区域的界定；3、鉴别性笔画选取；4、特征提取和文字分类器的训练。本发明参考物体库的思路，通过标记的关键点来为笔画子检测器收集训练样本，并且为每一个文字笔画子检测器设定特定的响应区域，既可以减轻特征抽取的计算负担，又增强了文字分类器的鉴别能力。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.029 seconds)
