-
公开(公告)号：CN113723414B
公开(公告)日：2023-12-15
申请号：CN202110923768.6
申请日：2021-08-12
Applicant: 中国科学院信息工程研究所
IPC: G06V10/26 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种蒙面人脸遮挡物分割方法与装置。本方法为：1)利用训练数据集训练一蒙面人脸分割网络；其中训练数据集中每对图像包括一张蒙面遮挡的人脸图像及对应的蒙面人脸的语义分割图像；2)蒙面人脸分割模型获取每对输入图像中的蒙面人脸；然后对蒙面人脸进行深度可分离卷积操作获得该蒙面人脸的特征地图；然后从该特征地图提取不同尺度特征并对其进行融合，得到全局特征地图；然后对该全局特征地图进行逐像素预测，得到预测分割图；然后根据该预测分割图与对应的语义分割图像计算得到损失值，利用损失值监督训练该蒙面人脸分割网络；3)利用步骤2)训练后的蒙面人脸分割网络对待处理图像进行分割，得到该待处理图像的预测分割图。
-
公开(公告)号：CN108648237B
公开(公告)日：2022-05-03
申请号：CN201810220678.9
申请日：2018-03-16
Applicant: 中国科学院信息工程研究所
IPC: G06T7/80
Abstract: 本发明提供一种基于方形标签和视觉的空间定位方法，包括如下步骤：通过标定，获取两个相机的内参数矩阵；在某一固定点和需定位位置设置不同id的方形标签；使用两个相机同时拍摄拍摄固定点和需定位位置的方形标签，并获取各方形标签的坐标信息，根据坐标信息和内参数矩阵求取两个相机在以固定点为原点的三维世界坐标和相机坐标系到三维世界坐标系的三个旋转角；根据两个相机在以固定点为原点的三维世界坐标和相机坐标系到三维世界坐标系的三个旋转角，求得每一个方形标签中心点的以固定点为原点的三维世界坐标完成定位。能够解决当前空间定位方法速度缓慢，精度不高，操作复杂，设备要求高等问题。
-
公开(公告)号：CN113781397A
公开(公告)日：2021-12-10
申请号：CN202110918283.8
申请日：2021-08-11
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于联邦学习的医疗影像病灶检测建模方法、装置及系统，包括：全局服务端S将生成的全局参数ω0，发送至各本地病灶识别客户端Ck；利用K个本地病灶识别客户端Ck返回的检测头网络参数生成全局参数ωθ+1；将全局参数ωθ+1发送至各本地病灶识别客户端Ck，以获取对应的医疗影像病灶检测模型。本发明通过代码将中间模型的训练信息传入数据持有方，不需共享各自的数据信息，通过相应的策略集成模型，从而返回更好的训练、预测结果。
-
公开(公告)号：CN109215057B
公开(公告)日：2021-08-20
申请号：CN201810857145.1
申请日：2018-07-31
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本发明提供一种高性能视觉跟踪方法，其步骤包括：根据视频的前一帧的物体位置提取该帧的图像块，提取该图像块的原始多通道特征；根据视频的前一帧的物体位置提取当前帧的图像块，提取该图像块的原始多通道特征；将上述两帧的原始多通道特征经过通道蒸馏模块，得到压缩后的多通道特征；对压缩后的多通道特征进行傅里叶变换，并与跟踪模型进行点乘操作，再进行傅里叶逆变换，得到响应图；寻找响应图上的最大响应位置，得到物体偏离向量，并将物体偏离向量与当前帧所对应的前一帧的物体位置相加，得到当前帧的物体位置；根据当前帧的物体位置，计算压缩后的多通道特征，更新跟踪模型。本发明还提供一种高性能视觉跟踪装置。
-
公开(公告)号：CN112199717A
公开(公告)日：2021-01-08
申请号：CN202011065611.6
申请日：2020-09-30
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种基于少量公共数据的隐私模型训练方法及电子装置，包括：使用若干训练得到N个神经网络教师模型；将少量的公共数据xi分别输入N个神经网络教师模型，得到各公共数据xi对各标签k的统计投票结果；对各统计投票结果添加噪声，获取满足差分隐私原理的公共数据xi及相应标签；通过大量的随机噪声向量与一预训练判别神经网络，优化对抗生成网络，并生成大量无标注数据；通过满足差分隐私原理的公共数据xi及相应标签、大量无标注数据对预训练的自编码器联合训练学生模型，得到隐私学生模型。本发明只需少量公共数据即可训练一个隐私学生模型，实现对敏感数据的物理隔离和网络隔离，解决了隐私学生模型的精确度不高这一问题。
-
Patent Agency Ranking
公开(公告)号：CN107066943B
公开(公告)日：2019-10-25
申请号：CN201710127367.3
申请日：2017-03-06
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本发明公开了一种人脸检测方法及装置。本发明的方法为：1)从待处理的图像中检测出候选人脸，并提取该候选人脸的候选特征；2)将每一所述候选特征在预先构建的传统外部特征空间或近似外部特征空间进行投影变换，得到对应的传统或近似嵌入特征；其中，该近似外部特征空间是从参考人脸特征字典和非人脸特征字典中选择具有代表性的特征组成的字典；3)对所述嵌入特征进行验证，判别出所述嵌入特征对应的候选人脸是否为人脸。本发明的人脸检测装置包括候选模块、嵌入模块和验证模块。本发明能够得到精度更高的人脸检测性能；对有遮挡情况下，也具备良好的人脸检测能力。
-
公开(公告)号：CN108875547A
公开(公告)日：2018-11-23
申请号：CN201810339409.4
申请日：2018-04-16
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种面向资源受限环境的目标跟踪方法及装置，该方法的步骤包括：提取视频流当前帧的上一帧的目标位置的图像特征，根据该图像特征构建目标模板T1；提取当前帧对应于上一帧的目标位置处的图像特征，根据该图像特征构建目标模板T2；将目标模板T1和目标模板T2进行模板匹配，获得一个输出响应；找出输出响应的最大值，其为当前帧与上一帧之间的目标偏移位置，根据该目标偏移位置获得当前帧的目标位置；提取当前帧的目标位置的图像特征，根据该图像特征构建目标模板T3，将该目标模板T3替换目标模板T2，用于跟踪下一帧的目标位置，实现该视频流的目标跟踪。
-
公开(公告)号：CN112199717B
公开(公告)日：2024-03-22
申请号：CN202011065611.6
申请日：2020-09-30
Applicant: 中国科学院信息工程研究所
IPC: G06F21/62 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0895 , G06N20/20
Abstract: 本发明提供一种基于少量公共数据的隐私模型训练方法及电子装置，包括：使用若干训练得到N个神经网络教师模型；将少量的公共数据xi分别输入N个神经网络教师模型，得到各公共数据xi对各标签k的统计投票结果；对各统计投票结果添加噪声，获取满足差分隐私原理的公共数据xi及相应标签；通过大量的随机噪声向量与一预训练判别神经网络，优化对抗生成网络，并生成大量无标注数据；通过满足差分隐私原理的公共数据xi及相应标签、大量无标注数据对预训练的自编码器联合训练学生模型，得到隐私学生模型。本发明只需少量公共数据即可训练一个隐私学生模型，实现对敏感数据的物理隔离和网络隔离，解决了隐私学生模型的精确度不高这一问题。
-
公开(公告)号：CN116681128A
公开(公告)日：2023-09-01
申请号：CN202310509397.6
申请日：2023-05-08
Applicant: 中国科学院信息工程研究所
IPC: G06N3/0985 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本发明涉及一种带噪多标签数据的神经网络模型训练方法和装置。该方法的步骤包括：通过样本选择算法为每一类别选择出干净样本集合作为元数据集，并进行类别依赖的标签噪声转移矩阵估计；利用类别依赖的标签噪声转移矩阵对实例特征依赖的标签噪声转移矩阵网络中的部分参数进行初始化；基于统计一致性的标签噪声学习损失，将学习问题转化为双层优化问题，用元学习算法同时学习实例特征依赖的标签噪声转移矩阵网络参数、数据不平衡参数和多标签分类神经网络参数。本发明创新性地利用元学习算法以数据驱动的方式，将实例特征依赖的标签噪声转移矩阵网络参数、数据不平衡参数和多标签分类神经网络参数统一到一个框架下学习。
-
公开(公告)号：CN112163238B
公开(公告)日：2022-08-16
申请号：CN202010940180.7
申请日：2020-09-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种多方参与数据不共享的网络模型训练方法，其步骤包括：1)参与数据共享的各参与方利用所选隐私数据集训练各自所选网络模型，分别得到一教师网络模型；2)采用步骤a)～b)对学生网络模型S进行多轮训练，得到最终的公开网络模型M；a)选出一个教师网络模型Ti指导学生网络模型S更新：首先将训练数据Xi输入模型Ti，得到标签在中加入噪声N得到Yi，将Xi输入学生网络模型S，输出S(Xi)；然后最小化S(Xi)与Yi之间的相似距离训练学生网络模型S；b)利用学生网络模型S对公开的未标记数据进行部分标记，然后使用部分标注的数据通过半监督知识蒸馏的方法将学生网络模型S中的知识蒸馏到一公开网络模型M中。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.027 seconds)
