-
公开(公告)号：CN104462199A
公开(公告)日：2015-03-25
申请号：CN201410602359.6
申请日：2014-10-31
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30864 , G06F17/30256
Abstract: 本发明公开了一种网络环境下的近似重复图像搜索的方法，该方法包括：设计了网络图像的有效局部特征的提取和表示；利用视觉词包模型建立词典，并通过局部约束线性编码的方法对局部特征进行量化；为了将特征的空间信息嵌入图像表示，利用图像金字塔对图像进行空间弱分割，并对图像进行分块量化；将局部的量化的结果最后聚合成图像的全局描述，并计算图像之间的相似度或距离度量对待匹配图像进行相关排序，将图像序列中排在前面的图像返回。
-
公开(公告)号：CN103593677A
公开(公告)日：2014-02-19
申请号：CN201310636936.9
申请日：2013-12-02
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种近似重复图像检测方法，该方法包括以下步骤：获取训练图像集，并根据所述训练图像集中的图像学习得到多视觉词汇库；基于学习得到的多视觉词汇库，使用非负稀疏编码方法将待检测图像和图像数据库中图像的局部特征编码成非负的稀疏向量；通过所述非负稀疏向量的区域融合和空间结合而获取待检测图像和图像数据库中图像的直方图向量；根据所述待检测图像和图像数据库中图像的直方图向量度量图像之间的相似性，并输出图像数据库中与待检测图像近似重复的图像。
-
公开(公告)号：CN114580642B
公开(公告)日：2023-04-07
申请号：CN202210265680.4
申请日：2022-03-17
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种构建博弈AI模型和数据处理的方法、装置、设备及介质，可应用于不完美信息博弈场景，通过确定包含多个遗憾最小化算法的备选算法集合，并在每轮迭代计算过程中，根据上述多个遗憾最小化算法的性能评价指标值和上述多个遗憾最小化算法从迭代开始到当前轮被使用的次数来确定上述备选算法集合中的特定遗憾最小化算法为当前轮要使用的目标算法，在提供多种灵活的算法选择的同时还自适应地选择目标算法，提升迭代的收敛速度，从而提升博弈AI模型的构建效率。至少能够解决应用目前的反事实遗憾最小化算法来构建AI模型时收敛速度很慢、耗时较长的技术问题。
-
公开(公告)号：CN103646407B
公开(公告)日：2016-06-22
申请号：CN201310739297.9
申请日：2013-12-26
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开了一种基于成分距离关系图特征的目标跟踪方法，其包括：步骤1、对于待跟踪目标所在的视频，采用粒子滤波方法采样一定数目的粒子，作为候选目标状态；步骤2、对于每个所述候选目标状态对应的表观，构建成分距离关系图特征向量；步骤3、根据所述成分距离关系图特征向量得到表示整个待跟踪目标表观的矩阵，并计算所述表示整个待跟踪目标表观的矩阵到2D PCA(二维主成分分析)子空间的距离；步骤4、根据所述距离获得每个候选目标状态的评价值，将最大评价值对应的候选目标状态作为目标的跟踪状态；步骤5、更新2D PCA子空间，并进行下一帧目标的跟踪。
-
公开(公告)号：CN103646407A
公开(公告)日：2014-03-19
申请号：CN201310739297.9
申请日：2013-12-26
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开了一种基于成分距离关系图特征的目标跟踪方法，其包括：步骤1、对于待跟踪目标所在的视频，采用粒子滤波方法采样一定数目的粒子，作为候选目标状态；步骤2、对于每个所述候选目标状态对应的表观，构建成分距离关系图特征向量；步骤3、根据所述成分距离关系图特征向量得到表示整个待跟踪目标表观的矩阵，并计算所述表示整个待跟踪目标表观的矩阵到2D PCA(二维主成分分析)子空间的距离；步骤4、根据所述距离获得每个候选目标状态的评价值，将最大评价值对应的候选目标状态作为目标的跟踪状态；步骤5、更新2D PCA子空间，并进行下一帧目标的跟踪。
-
Patent Agency Ranking
公开(公告)号：CN117151224A
公开(公告)日：2023-12-01
申请号：CN202310934321.8
申请日：2023-07-27
Applicant: 中国科学院自动化研究所
IPC: G06N5/04 , G06N3/006 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种兵棋强随机博弈的策略演化训练方法、装置、设备及介质，方法包括：基于兵棋推演对抗平台，获取强随机博弈、多异构智能体异步协同的兵棋决策问题；基于兵棋决策问题，确定设计了回退与替换机制的自博弈强化学习训练框架；获取自博弈强化学习训练框架进行强化学习时确定当前策略与旧策略之间的概率比例；基于概率比例，确定策略网络对应的策略损失，以及基于算子掩码，确定价值网络对应的价值损失；基于策略损失和所述价值损失，对框架进行参数迭代，得到兵棋推演决策模型。此过程在PPO算法的基础上额外引入了三个截断参数，来缓解状态价值估计不准的问题，大幅提高兵棋训练过程的稳定性和收敛速度。
-
公开(公告)号：CN115496206A
公开(公告)日：2022-12-20
申请号：CN202211315369.2
申请日：2022-10-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/08 , G06N20/00 , H04L67/568
Abstract: 本公开是关于一种面向种群训练的分布式深度强化学习训练模型。其中，该模型包括训练模块及评估模块，所述训练模块用于智能体面向种群训练的网络权重训练，生成参数指针并发送至所述评估模块；所述评估模块用于在工作模式为参数存储模式时，接收所述训练模块发送的参数指针并存储，在工作模式为参数评估模式时，依据存储参数指针获取参数并评估。本公开支持分布式数据生成、计算调度、模型训练以及性能评估，显著加速智能体的网络参数训练过程；依据需求支持可变数量的智能体网络参数可对其进行相对独立的训练；构建缓存池缓解网络传输压力，解决网络拥堵的问题；有效避免各个模块同时上传与申请数据造成的网络拥堵问题。
-
公开(公告)号：CN114580642A
公开(公告)日：2022-06-03
申请号：CN202210265680.4
申请日：2022-03-17
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种构建博弈AI模型和数据处理的方法、装置、设备及介质，可应用于不完美信息博弈场景，通过确定包含多个遗憾最小化算法的备选算法集合，并在每轮迭代计算过程中，根据上述多个遗憾最小化算法的性能评价指标值和上述多个遗憾最小化算法从迭代开始到当前轮被使用的次数来确定上述备选算法集合中的特定遗憾最小化算法为当前轮要使用的目标算法，在提供多种灵活的算法选择的同时还自适应地选择目标算法，提升迭代的收敛速度，从而提升博弈AI模型的构建效率。至少能够解决应用目前的反事实遗憾最小化算法来构建AI模型时收敛速度很慢、耗时较长的技术问题。
-
公开(公告)号：CN106570141B
公开(公告)日：2020-05-19
申请号：CN201610965340.7
申请日：2016-11-04
Applicant: 中国科学院自动化研究所
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种近似重复图像检测方法，包括以下步骤：步骤1：对待匹配图像进行对称层次哈希编码网络特征的提取与描述，得到用于构建局部敏感哈希索引结构的图像特征；步骤2：基于步骤1得到的图像特征，构建负载均衡的局部敏感哈希索引结构；步骤3：对查询图像提取对称卷积神经网络的特征并计算查询图像的对应哈希码，基于步骤2构建的负载均衡的局部敏感哈希索引结构，对待匹配图像的相关性进行排序，选取相关性最大的图像为近似重复图像。本发明实现快速有效地进行近似重复图像检测。
-
公开(公告)号：CN109858326A
公开(公告)日：2019-06-07
申请号：CN201811514165.5
申请日：2018-12-11
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于类别语义弱监督的在线视觉跟踪方法及系统，旨在解决如何在复杂的真实场景下能够对运动目标进行精准视觉跟踪的技术问题。为此目的，本发明的基于类别语义弱监督的在线视觉跟踪方法包括：利用分类器获取跟踪视频序列的当前帧图像中跟踪目标的语义类别；利用深度学习网络并根据当前帧图像中跟踪目标的语义类别获取当前帧图像中跟踪目标的第一运动区域；构建联合尺度位移空间；利用预设的跟踪模型获取当前帧图像中跟踪目标的初始跟踪结果；利用第一运动区域修正初始跟踪结果得到跟踪目标在当前帧图像中的准确位置信息。通过上述方法可以提高视觉跟踪的精度和准确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
