-
公开(公告)号：CN106778705A
公开(公告)日：2017-05-31
申请号：CN201710065013.0
申请日：2017-02-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种行人个体分割方法和装置，所述方法包括：利用预先训练好的粗粒度人形轮廓分割模型对待处理图像进行行人分割，得到区块化分割结果；所述区块化分割结果中包括多个标示成背景和前景的区块，在所述对待处理图像中被标示成背景的区块不包含行人主体，而被标示成前景的区块包含行人主体的部分图像；去除所述待处理图像中所述区块化行人分割结果对应部分中的背景图像，得到粗粒度分割图像；将所述粗粒度分割图像输入至预先训练好的细粒度人形轮廓分割模型；所述预先训练好的细粒度人形轮廓分割模型输出个体行人分割结果；其中，所述粗粒度人形轮廓分割模型和细粒度人形轮廓分割模型均通过全卷积神经网络训练得到。
-
公开(公告)号：CN106777891A
公开(公告)日：2017-05-31
申请号：CN201611043691.9
申请日：2016-11-21
Applicant: 中国科学院自动化研究所
IPC: G06F19/00
CPC classification number: G06F19/32
Abstract: 本发明公开了数据特征选择和预测方法及装置。方法包括：步骤S1、采集用户信息和对应的血压观测数据，形成数据集，并从所述数据集中剔除异常值点；步骤S2、从所述数据集中的用户信息中提取用户特征；步骤S3、从所述数据集中的血压观测数据提取血压特征；步骤S4、将所提取的用户特征和血压特征进行归一化处理，处理结果作为训练样本形成训练集，利用所述训练集中的训练样本输入至支持向量机模型和/或梯度迭代决策树模型之中，训练得到预测模型。本发明利用医学知识指导数据的清洗和特征工程选取工作，有效提升模型的准确性。
-
公开(公告)号：CN106600347A
公开(公告)日：2017-04-26
申请号：CN201710041240.X
申请日：2017-01-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于多视角数据和循环网络的序列预测方法，其包括：获取多个用户在不同时刻购买的多个物品的数据，并对数据进行预处理；对所述预处理后的数据进行组合获取物品表达，将各用户物品表达按购买时间排序，形成用户序列；将当前用户序列送到循环网络模型的输入端进行训练；所述循环网络的处理端建立当前用户的表达，输出端计算当前用户对物品的偏好值；更新所述循环网络模型参数；将下一用户序列送到循环网络的输入端进行训练，直至所有用户序列都训练一次称为一次迭代；每次迭代更新全部偏好值的和，迭代多次，直至偏好值的和达到极大值或极小值，迭代结束。
-
公开(公告)号：CN103678709B
公开(公告)日：2017-02-22
申请号：CN201310746814.5
申请日：2013-12-30
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时序数据的推荐系统攻击检测方法，包括：利用用户-项目偏好程度数据集和频繁项集挖掘技术，得到用户组和项目组；为每对用户组和项目组计算组偏好程度值比例特征；将项目组中各项目的所有偏好程度按操作时间形成时序的偏好程度数据；为每对的用户组和项目组计算组偏好程度时间间隔特征；为用户组计算组平均熵特征；为每一用户组，选择其对应最大的组偏好程度值比例特征和最大的组偏好程度时间间隔特征，并依次利用上述三种特征对用户组进行排序，得到三个有序的用户组序列；综合所述三个有序的用户组序列，得到一个整体有序的用户组序列，从而得到最可能的攻击用户组；通过组偏好程度值比例特征得到最有可能的目标项目组。
-
公开(公告)号：CN105205453A
公开(公告)日：2015-12-30
申请号：CN201510537480.X
申请日：2015-08-28
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00597 , G06K9/0061 , G06K9/66
Abstract: 本发明公开了一种用于人眼检测和定位的方法，包括：对带有标定好的人眼矩形框位置的训练集中的所有图像，利用人眼矩形框位置生成二值化的标签图；在图像上随机取小图像块，无监督地分层训练多个自编码器以构建深度自编码器，并利用自编码器中各层的权重对深度自编码器进行初始化；在原图像和标签图的相同位置上随机取小原图像块和小标签图像块，以小标签图像块作为监督信息，以小原图像块为输入，优化深度自编码器；在待测图像上以滑动窗口的方式生成多个小待测图像块，利用深度自编码器得到每个小待测图像块的小待测标签图像块并将其合并在一起，得到待测图像的待测标签图，对待测标签图进行二值化，利用坐标投影或寻找轮廓得到人眼的位置。
-
Patent Agency Ranking
公开(公告)号：CN102930295B
公开(公告)日：2015-11-11
申请号：CN201210409976.5
申请日：2012-10-24
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 一种基于自适应空间信息有向图的图像分类方法，包括步骤：从所有图像中提取局部特征；根据每个局部特征对应的视觉单词，从测试图像中随机抽取局部特征分组；利用聚类算法对各组局部特征的空间坐标聚类，以聚类中心为定点并连接各相邻顶点得到空间信息的有向图；根据局部特征的空间位置，对所有图像进行类聚操作，将聚集结果串联得到图像的最终表达。本发明能够自适应地考虑不同视觉单词在空间分布上的差异性，从而能够更好地对全局空间信息进行建模，因而，能够有效地提升图像分类精度。
-
公开(公告)号：CN104992167A
公开(公告)日：2015-10-21
申请号：CN201510451034.7
申请日：2015-07-28
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
CPC classification number: G06K9/00228
Abstract: 本发明公开了一种基于卷积神经网络的人脸检测方法及装置。所述方法包括将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层；使用梯度下降法和反向传播算法训练所述卷积神经网络；将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域；使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。
-
公开(公告)号：CN104834748A
公开(公告)日：2015-08-12
申请号：CN201510272498.1
申请日：2015-05-25
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30244 , G06K9/6229
Abstract: 本发明公开了一种利用基于深度语义排序哈希编码的图像检索方法，该方法包括以下步骤：将多标签图像数据集中的部分图像作为训练集，剩下的图像作为图像测试集；使用深度卷积神经网络来构建深度哈希函数；根据图像的多标签信息，构建出图像间的语义相似度排序；以基于三元组的代理排序损失函数做为实际的模型目标函数，并使用随机梯度下降法来优化深度哈希函数；用学习到的深度哈希函数计算图像的哈希码，通过计算测试图像的哈希码与训练集中每一个图像的哈希码之间的汉明距离来检索图像。本发明方法能够保留多标签图像在语义空间中的多级相似度，并且联合学习图像的深度特征表达和哈希编码，从而避免了语义信息的损失。
-
公开(公告)号：CN104809107A
公开(公告)日：2015-07-29
申请号：CN201510253508.7
申请日：2015-05-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于上下文转换向量模型的推荐方法及系统，该推荐方法包括：步骤1，将上下文常用语义作用表示为一个上下文词典，将上下文表示为一个隐含向量表示，多个隐含向量表示形成隐含矩阵表示，隐含矩阵表示配合对应的权重向量生成特定属性的隐含向量表示；步骤2，基于步骤1中词典生成上下文度量转换子；步骤3，由步骤2中矩阵和用户、产品的隐含向量表示生成对应于特定环境的用户隐含向量表示和产品隐含向量表示；步骤4，由步骤3中的向量计算出预测值。本发明引入用户隐含向量表示、产品隐含向量表示、上下文集合的隐含矩阵表示，去除了原始向量空间中的一些“噪音”，获得比其他现有模型的预测更准确的效果。
-
公开(公告)号：CN102663447B
公开(公告)日：2014-04-23
申请号：CN201210133488.6
申请日：2012-04-28
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判别相关分析的跨媒体检索方法，该方法包括以下步骤：建立跨媒体训练数据库，依次对其中不同模态样本进行特征提取、均值预处理和线性投影变换，并根据投影空间设定一目标函数；求解目标函数得到线性投影向量；建立跨媒体测试数据库；对待检索对象依次进行特征提取和均值预处理；使用所述线性投影向量对经均值预处理的特征数据进行线性投影变换；计算两模态数据投影变量之间的欧式距离，并进行升序排序，从而得到跨媒体检索结果。本发明方法能够对特征数据进行有效地降维，从而广泛地应用在其他很多多模态工作中，比如多模态生物特征识别。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.102 seconds)
