-
Patent Agency Ranking
公开(公告)号：CN104021224A
公开(公告)日：2014-09-03
申请号：CN201410290316.9
申请日：2014-06-25
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30265 , G06K9/66
Abstract: 本发明公开了一种基于逐层标签融合深度网络的图像标注方法，该方法包括以下步骤：对于训练集中的训练图像，提取其底层视觉特征；对于训练图像的标签进行层级化，构建标签的层级结构；对于训练图像，逐层融合其底层视觉特征信息和标签信息，并通过深度网络参数学习，得到训练图像的层级特征表示；对于测试集中的测试图像，提取其底层视觉特征，然后通过深度网络学习得到其层级特征表示，最后根据测试图像的层级特征表示预测其标注信息本发明所述的图像标注方法属于一种层级的标注，比传统的标注方法更加精确。
-
公开(公告)号：CN103593474A
公开(公告)日：2014-02-19
申请号：CN201310626253.5
申请日：2013-11-28
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30256 , G06K9/66
Abstract: 本发明公开了一种基于深度学习的图像检索排序方法。该方法包括以下步骤：提取查询对象和训练数据库中图像的底层特征；通过深度网络进行高层语义学习和特征融合，得到多个查询对象-图像对的高层特征以及深度网络的初定参数；对查询对象-图像对的高层特征分别进行线性回归，得到查询对象-图像对的排序分数；得到与查询对象相关的训练数据集中的图像的排序列表，将该排序列表与训练数据集中各图像的真实的排序列表进行比较，得到与查询对象相关的图像对的成对损失值；对深度网络的初定参数进行调整，得到深度网络的最终参数；计算新的查询对象的底部特征，并得到其对应的深度网络；在测试数据集中进行搜索，得到与其相关的图像列表。
-
公开(公告)号：CN103440352A
公开(公告)日：2013-12-11
申请号：CN201310438984.7
申请日：2013-09-24
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种社交媒体网络中对象间的关联分析方法及装置，在很多重要的相关领域已经有了广泛的应用。该方法包括：步骤1、提取对象的底层特征；步骤2、对所提取的底层特征通过深度网络进行高层语义学习，得到对象的高层特征；步骤3、通过对象的高层特征获得对象间的关联关系。该方法中首先从对象的内容信息中学习出高层的抽象特征，然后在这些高层的特征的基础上来进行关联建模。本方法引入隐式特征的概念，在生成式模型的框架下，一方面隐式特征生成对象的内容信息(高层特征)，另一方面，对象的隐式特征之间的交互以最大概率对象之间的关联信息。本方法采用蒙特卡洛近似推断算法来推断模型的参数及隐变量。
-
公开(公告)号：CN103440352B
公开(公告)日：2017-04-19
申请号：CN201310438984.7
申请日：2013-09-24
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种社交媒体网络中对象间的关联分析方法及装置，在很多重要的相关领域已经有了广泛的应用。该方法包括：步骤1、提取对象的底层特征；步骤2、对所提取的底层特征通过深度网络进行高层语义学习，得到对象的高层特征；步骤3、通过对象的高层特征获得对象间的关联关系。该方法中首先从对象的内容信息中学习出高层的抽象特征，然后在这些高层的特征的基础上来进行关联建模。本方法引入隐式特征的概念，在生成式模型的框架下，一方面隐式特征生成对象的内容信息(高层特征)，另一方面，对象的隐式特征之间的交互以最大概率对象之间的关联信息。本方法采用蒙特卡洛近似推断算法来推断模型的参数及隐变量。
-
公开(公告)号：CN103593474B
公开(公告)日：2017-03-01
申请号：CN201310626253.5
申请日：2013-11-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于深度学习的图像检索排序方法。该方法包括以下步骤：提取查询对象和训练数据库中图像的底层特征；通过深度网络进行高层语义学习和特征融合，得到多个查询对象-图像对的高层特征以及深度网络的初定参数；对查询对象-图像对的高层特征分别进行线性回归，得到查询对象-图像对的排序分数；得到与查询对象相关的训练数据集中的图像的排序列表，将该排序列表与训练数据集中各图像的真实的排序列表进行比较，得到与查询对象相关的图像对的成对损失值；对深度网络的初定参数进行调整，得到深度网络的最终参数；计算新的查询对象的底部特征，并得到其对应的深度网络；在测试数据集中进行搜索，得到与其相关的图像列表。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
