-
公开(公告)号：CN117349725A
公开(公告)日：2024-01-05
申请号：CN202311280581.4
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F18/241 , G06F18/214 , A61B5/021 , A61B5/33 , A61B5/346 , A61B5/00
Abstract: 本说明书公开了一种身份识别模型的训练方法、装置、介质及电子设备，包括：确定历史上采集到的用户的PPG信号作为训练样本，以及确定用户的身份标识作为训练样本对应的标注。确定历史上采集到的用户的心电ECG信号为第一心电信号，并确定第一心电信号的特征为训练样本的第一伪标注。将训练样本输入待训练的身份识别模型的特征提取层，确定训练样本对应的特征为第一特征，将第一特征输入待训练的身份识别模型的识别层，确定训练样本的识别结果。根据第一特征、识别结果、标注以及第一伪标注，至少对待训练的身份识别模型的特征提取层进行训练，避免受限于PPG信号的敏感性造成的身份识别准确率低的问题，提高了用户身份识别的准确性。
-
公开(公告)号：CN116992919B
公开(公告)日：2023-12-19
申请号：CN202311269915.8
申请日：2023-09-28
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/084 , G16B40/00 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于多组学的植物表型预测方法和装置，该方法基于图卷积神经网络，将多组学如基因组、转录组、代谢组的数据作为图节点，不同组学之间的关联程度作为图的边来构建每个植株的图结构数据，将构建的图结构数据输入图卷积神经网络中，提取节点特征，通过Transformer网络更新节点特征，节点特征拼接后输入全连接层，输出表型预测值，利用整个图结构融合多组学特征实现表型的预测。本发明创新性的利用图卷积神经网络结合Transformer网络实现基因到表型的预测，并利用多组学构建图结构融合多组学数据实现精准表型预测，在一定程度上解决只用单一组学表型预测不准的问题，
-
公开(公告)号：CN117011718A
公开(公告)日：2023-11-07
申请号：CN202311288015.8
申请日：2023-10-08
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 一种基于多元损失融合的植物叶片细粒度识别方法和系统，首先将植物叶片图像以九宫格的方式进行随机掩码完成图像增强，并与原图成对地输入到特征提取网络模型中，得到特征向量；将特征向量输入分类网络层中，并进行品种识别；将特征向量输入到对抗网络层中，进行二分类识别；将掩码图的特征向量输入到自编码网络模块中，进行图像复原的自监督学习；三项任务的损失函数共同监督并指导网络的训练；在自监督任务中掩码图像通过学习复原本身位置使特征提取网络关注到叶片局部特征，而原图在品种识别任务中使特征提取网络关注叶片原有形状信息和全局特征；采用对抗损失函数进行原图与增强图的辨别，预防分类模型过拟合到增强数据中。
-
公开(公告)号：CN116805393A
公开(公告)日：2023-09-26
申请号：CN202310577483.0
申请日：2023-05-22
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/10 , G06V10/58 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 一种基于3DUnet光谱‑空间信息融合的高光谱图像分类方法，包括：步骤一，获取高光谱摄像机对地面场景拍摄的三维图像数据以及对应像素级别的类别标注并做预处理；步骤二，对所述预处理后的Signal‑HSI信号进行样本分割；步骤三，对步骤二处理后的Patch利用3DUnet网络进行光谱特征提取及空间特征提取；步骤四，选对步骤三中的网络模型进行训练并保存训练后的参数；步骤五，利用训练好的网络模型，输入高光谱图像，预测出对应的像素类别。本发明还包括一种基于3DUnet光谱‑空间信息融合的高光谱图像分类系统。本发明通过不同层级的特征提取以及注意力机制，提高解码效率，实现高光谱图像像素级别的分类。
-
公开(公告)号：CN116797904A
公开(公告)日：2023-09-22
申请号：CN202310444502.2
申请日：2023-04-24
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464 , G06V10/74 , G06V10/764 , G06N5/02
Abstract: 本发明公开一种图像识别不确定性知识蒸馏方法与系统，收集有标签训练图像样本；选定第一神经网络模型，使用训练图像样本进行训练，得到训练好的第一神经网络模型，输入训练样本图像得到第一神经网络模型中间层样本特征表达及输出的软标签信息；选定第二神经网络模型，对训练图像样本进行处理，得到中间层样本特征表达，与第一神经网络模型的中间层样本特征表达进行不确定性建模，得到第一损失函数；使用第一神经网络模型输出的软标签信息及训练图像样本，联合第一损失函数，更新第二神经网络模型的参数，得到训练好的第二神经网络模型，同时利用本发明第二神经网络模型对待处理图像进行图像识别处理，提高图像识别的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116453003B
公开(公告)日：2023-09-01
申请号：CN202310701408.0
申请日：2023-06-14
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/22 , G06V10/26 , G06V10/28 , G06V10/56 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明一种基于无人机监测智能识别水稻生长势的方法，包括：获取水稻小区图像，对图像进行标注，建立深度卷积神经网络检测模型，使用标注的水稻小区图像对模型进行优化训练，将待检测的水稻小区图像输入训练好的模型中，检测每张图像中水稻小区目标框的位置；选取每张水稻小区图像中最大面积的目标框，对目标框中的水稻小区图像进行预处理；计算预处理后的水稻小区图像的植被覆盖率，按照植被覆盖率高低判定水稻小区生长势的级别。本发明还提供了一种基于无人机监测智能识别水稻生长势的系统。本发明方法简单，在水稻生长势的识别方面精度高，速度快，成本低，能够广泛应用于农业的自动化、智能化生产管理中。
-
公开(公告)号：CN115810134B
公开(公告)日：2023-07-21
申请号：CN202310110512.2
申请日：2023-02-14
Applicant: 之江实验室
IPC: G06V10/764 , G06V20/70 , G06V10/10 , G06V20/62 , G06V10/74 , G06Q30/018 , G06Q40/08
Abstract: 本发明公开了一种车险反欺诈的图像采集质检方法、系统和装置，所述方法由车险理赔质检终端和车险理赔质检服务器执行，包括：通过车险理赔质检终端收集并识别分类包括车损情况、车辆信息、场景信息、驾驶员信息、三方信息在内的图像信息，对图像信息进行筛选，并对筛选后的图像信息进行标注；将标注后的图像信息发送至车险理赔质检服务器，以使车险理赔质检服务器执行图像质检，得到质检结果；险理赔质检服务器将质检结果返回至车险理赔质检终端。本发明方法能够在信息收集的过程中，完成车险现场数据的标注和识别，从收集端规范了数据的采集，提高了图像采集的质量。
-
公开(公告)号：CN114972976B
公开(公告)日：2022-12-20
申请号：CN202210902801.1
申请日：2022-07-29
Applicant: 之江实验室
Abstract: 本发明公开了基于频域自注意力机制的夜间目标检测、训练方法及装置，采用具有夜间图像检测标签的开源数据集训练检测网络，首先将输入图像进行预处理，使其从RGB转化为YUV通道，分别将三个通道的图像划分成多个区块；对于三个通道的各个区块，分别进行DCT离散余弦变换；将各个区块中属于同一频域的信息依据其原本的空间关系存入同一通道中，生成数个代表不同频域的通道；将所有频域通道输入自注意力网络模块，该模块通过计算各通道之间的可缩放点积自注意力，输出每个通道动态加权后的数值，再将其分别输入相同的多层感知器MLP；将输出结果输入检测网络中，最终获得图像的检测结果。
-
公开(公告)号：CN115040089B
公开(公告)日：2022-12-06
申请号：CN202210981128.5
申请日：2022-08-16
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于深度学习的脉搏波峰值检测与分类的方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号，采用滑动窗口的方式进行分帧处理，得到若干段短信号；步骤二，将若干段短信号按照时间顺序排列，输入到关键点检测模块中进行峰值检测和整理得到所有峰值点；步骤三，将步骤二得到的峰值点及采集得到的整段脉搏波信号输入到分类模块中，通过判断信号的强度、波动和平涩程度来对脉搏波信号进行分类，并记录。本发明能够有效应用于基于脉搏波的生物识别系统中，并提高识别的准确率。
-
公开(公告)号：CN114972947B
公开(公告)日：2022-12-06
申请号：CN202210882622.6
申请日：2022-07-26
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/82 , G06V20/70 , G06V30/148 , G06V30/19 , G06V10/764 , G06V10/28
Abstract: 本发明公开了一种基于模糊语义建模的深度场景文本检测方法和装置，该方法包括：步骤一，获取现有的用于训练场景文本检测的多组具有真值标注的图像数据集；步骤二，对数据集中的图像进行特征学习与全局特征融合，得到融合的全局特征图；步骤三，对融合的全局特征图进行像素级别语义分类，同时通过数值回归预测像素级别的语义可靠性，在全监督下进行多分支的联合优化，完成端到端联合学习框架的构建；步骤四，使用端到端联合学习框架，预测图像中的模糊语义信息，并利用可靠性分析及融合获得文本属性图；步骤五，对文本属性图进行二值化和联通域提取，得到最终的文本检测结果。本发明实现方法简便，灵活鲁棒，适用范围广。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.025 seconds)
