-
公开(公告)号：CN101159043B
公开(公告)日：2010-12-15
申请号：CN200710177656.0
申请日：2007-11-19
Applicant: 中国科学院计算技术研究所 , 中国科学院研究生院 , 北京工业大学
Abstract: 本发明公开了一种视觉目标上下文空间关系编码的系统和方法。该系统以神经元网络形式实现；包括视觉图像基元编码神经元层、视觉图像目标编码神经元层、视觉图像目标逻辑关系编码神经元层和视觉目标空间关系编码神经元层；所有相邻两层神经元之间的连接权值构成了对图像内容的编码，每个编码神经元及其连接权值分别编码图像基元、图像目标、目标二元逻辑关系和目标空间关系。其具有极大的灵活性和自适应性。
-
Patent Agency Ranking
公开(公告)号：CN103914711A
公开(公告)日：2014-07-09
申请号：CN201410116579.8
申请日：2014-03-26
Applicant: 中国科学院计算技术研究所
Abstract: 一种改进的极速学习模型及其模式分类方法。本发明属于模式识别、机器学习领域，公开了一种高效的神经网络快速学习方法，受限极速学习机。它包括：(1)受限参数空间的概念：采用基于样本先验信息的侧抑制机制，具体体现在生成从输入层到隐含层连接权的生成上；(2)受限参数概念中的超球面受限条件：从输入层到隐含层连接权的选取受限在超球面上；(3)输出权学习：在受限参数空间内选取隐含层权值后，采用基于最小二乘的极速学习机模型，进行学习训练，最终得到模型的输出权值。以上方法，能够极大地提高模型的分类和识别效果，以及训练速度。
-
公开(公告)号：CN101923575B
公开(公告)日：2012-10-10
申请号：CN201010269299.2
申请日：2010-08-31
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明公开了一种目标图像搜索方法和系统。所述方法，包括下列步骤：在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的位置。
-
公开(公告)号：CN101923575A
公开(公告)日：2010-12-22
申请号：CN201010269299.2
申请日：2010-08-31
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明公开了一种目标图像搜索方法和系统。所述方法，包括下列步骤：在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的位置。
-
公开(公告)号：CN101159043A
公开(公告)日：2008-04-09
申请号：CN200710177656.0
申请日：2007-11-19
Applicant: 中国科学院计算技术研究所 , 中国科学院研究生院 , 北京工业大学
Abstract: 本发明公开了一种视觉目标上下文空间关系编码的系统和方法。该系统以神经元网络形式实现；包括视觉图像基元编码神经元层、视觉图像目标编码神经元层、视觉图像目标逻辑关系编码神经元层和视觉目标空间关系编码神经元层；所有相邻两层神经元之间的连接权值构成了对图像内容的编码，每个编码神经元及其连接权值分别编码图像基元、图像目标、目标二元逻辑关系和目标空间关系。其具有极大的灵活性和自适应性。
-
公开(公告)号：CN103914711B
公开(公告)日：2017-07-14
申请号：CN201410116579.8
申请日：2014-03-26
Applicant: 中国科学院计算技术研究所
Abstract: 一种改进的极速学习模型及其模式分类方法。本发明属于模式识别、机器学习领域，公开了一种高效的神经网络快速学习方法，受限极速学习机。它包括：(1)受限参数空间的概念：采用基于样本先验信息的侧抑制机制，具体体现在生成从输入层到隐含层连接权的生成上；(2)受限参数概念中的超球面受限条件：从输入层到隐含层连接权的选取受限在超球面上；(3)输出权学习：在受限参数空间内选取隐含层权值后，采用基于最小二乘的极速学习机模型，进行学习训练，最终得到模型的输出权值。以上方法，能够极大地提高模型的分类和识别效果，以及训练速度。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
