公开(公告)号：CN115439892B

公开(公告)日：2025-02-11

申请号：CN202211084284.8

申请日：2022-09-06

Applicant: 中国矿业大学

Inventor： 王军 ,  徐家梦 ,  潘在宇 ,  袁海 ,  韩淑雨

IPC: G06V40/12 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F21/32

Abstract: 本发明公开了一种基于掌纹掌静脉多模态融合的身份识别方法，涉及生物识别技术领域。具体包括以下步骤：对数据库中的手掌图像设置好配对标签，属于同一个人的手掌图像标签设置为1，不同则标签设置为0；构建初始掌纹和掌纹的单模态识别网络并训练；构建初始掌纹和掌静脉的跨模态识别网络并训练；通过训练好的掌纹和掌纹的单模态识别网络、训练好的掌纹和掌静脉的跨模态识别网络构建初始整体识别网络并训练。本发明创新性的提出了掌纹和掌纹的单模态识别与掌纹和掌静脉的跨模态识别相结合的混合式身份识别方法，这种方法能提升很大的准确度，使匹配更接近理想。

公开(公告)号：CN115439892A

公开(公告)日：2022-12-06

申请号：CN202211084284.8

申请日：2022-09-06

Applicant: 中国矿业大学

Inventor： 王军 ,  徐家梦 ,  潘在宇 ,  袁海 ,  韩淑雨

IPC: G06V40/12 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06F21/32

Abstract: 本发明公开了一种基于掌纹掌静脉多模态融合的身份识别方法，涉及生物识别技术领域。具体包括以下步骤：对数据库中的手掌图像设置好配对标签，属于同一个人的手掌图像标签设置为1，不同则标签设置为0；构建初始掌纹和掌纹的单模态识别网络并训练；构建初始掌纹和掌静脉的跨模态识别网络并训练；通过训练好的掌纹和掌纹的单模态识别网络、训练好的掌纹和掌静脉的跨模态识别网络构建初始整体识别网络并训练。本发明创新性的提出了掌纹和掌纹的单模态识别与掌纹和掌静脉的跨模态识别相结合的混合式身份识别方法，这种方法能提升很大的准确度，使匹配更接近理想。

公开(公告)号：CN117498543A

公开(公告)日：2024-02-02

申请号：CN202311406235.6

申请日：2023-10-27

Applicant: 中国矿业大学

Inventor： 李克勤 ,  顾言 ,  左慧园 ,  杨霄 ,  袁海 ,  王军

IPC: H02J13/00 ,  H02J3/00 ,  G01R21/00 ,  G06Q10/0637 ,  G06Q50/06 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于任务特征融合的非侵入式负荷监测功率分解方法，将每个家电的功率分解视为一个子任务，构建基于多任务学习的多家电功率分解模型。设计的模型包括一个共性特征矩阵提取分支和多个个性任务提取分支，分别提取所有家电都需要的共性特征矩阵和个别家电需要的个性特征矩阵，然后将每个家电的个性特征矩阵和共性特征矩阵融合在一起用于每个子任务的功率分解。通过特征融合的方式不仅可以将各个子任务关联起来，并且丰富了家电功率分解特征。本发明增强了功率分解模型的泛化能力，减少了需要多次训练模型的训练时间和训练参数，提高了家电功率分解的准确性。

公开(公告)号：CN117498543B

公开(公告)日：2024-06-07

申请号：CN202311406235.6

申请日：2023-10-27

Applicant: 中国矿业大学

Inventor： 李克勤 ,  顾言 ,  左慧园 ,  杨霄 ,  袁海 ,  王军

IPC: H02J13/00 ,  H02J3/00 ,  G01R21/00 ,  G06Q10/0637 ,  G06Q50/06 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于任务特征融合的非侵入式负荷监测功率分解方法，将每个家电的功率分解视为一个子任务，构建基于多任务学习的多家电功率分解模型。设计的模型包括一个共性特征矩阵提取分支和多个个性任务提取分支，分别提取所有家电都需要的共性特征矩阵和个别家电需要的个性特征矩阵，然后将每个家电的个性特征矩阵和共性特征矩阵融合在一起用于每个子任务的功率分解。通过特征融合的方式不仅可以将各个子任务关联起来，并且丰富了家电功率分解特征。本发明增强了功率分解模型的泛化能力，减少了需要多次训练模型的训练时间和训练参数，提高了家电功率分解的准确性。

公开(公告)号：CN118692156A

公开(公告)日：2024-09-24

申请号：CN202410716518.9

申请日：2024-06-04

Applicant: 中国矿业大学

Inventor： 杨霄 ,  袁海 ,  潘在宇 ,  李玉莲 ,  孙富春 ,  王军

IPC: G06V40/70 ,  G06V40/14 ,  G06V40/12 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/0464

Abstract: 本发明公开了一种基于动态提示信息的缺失模态的多模态图像识别方法。本发明提出了两个创新点：(1)本发明针对的是在训练和测试阶段均缺失的场景下，使模型更具鲁棒性，能够更好地适应真实生活中多变的条件。(2)本发明提出了动态提示信息的融合模块，增强了剩余模态间充分的交互，提升了多模态识别任务性能。并且可以根据识别样本的难易程度，动态选择融合模块，融合未缺失的模态信息，提高模型对复杂情境的应对能力。