-
公开(公告)号：CN110399897B
公开(公告)日：2021-11-02
申请号：CN201910286523.X
申请日：2019-04-10
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种图像识别方法和装置。方法包括：从L张图像中选取第一图像组以及第二图像组，根据第一图像组和第二图像组中每张图像的图像特征，计算第一图像组中每一图像与第二图像组中每一图像的图像关联性，初始化目标函数的参数，对目标函数的参数进行迭代更新，获得迭代更新后的目标函数，确定L张图像的聚类中心，迭代更新的次数为至少一次；根据更新后的目标函数中的哈希函数对待识别图像的图像特征进行二值编码，获得二值编码数据；根据待识别图像的二值编码数据与L张图像的聚类中心中每张图像的二值编码数据，识别待识别图像。从而提高图像识别的准确性。
-
公开(公告)号：CN106503648A
公开(公告)日：2017-03-15
申请号：CN201610917123.0
申请日：2016-10-20
Applicant: 北京邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00221 , G06K9/00288
Abstract: 本发明提供一种基于稀疏投影二值编码的人脸识别方法及装置。本发明提供的基于稀疏投影二值编码的人脸识别方法，包括获取训练集中各训练样本的各像素点对应的第一像素差值向量；根据第一像素差值向量获取满足基于稀疏投影矩阵的第一目标函数的各像素点对应的第一二值特征向量；对所有的第一二值特征向量进行聚类，得到多个聚类中心-单词；获取各训练样本对应的第一向量；获取待检测人脸的图像对应的第二向量，根据第一向量和第二向量，得到人脸识别结果。本实施例的基于稀疏投影二值编码的人脸识别方法及装置，识别速度快，解决了训练样本过度拟合的问题，且对数据的适应性好，提高了识别人脸的准确性和快速性。
-
公开(公告)号：CN109492666B
公开(公告)日：2021-07-06
申请号：CN201811156778.6
申请日：2018-09-30
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
Abstract: 本发明提供一种图像识别模型训练方法、装置及存储介质，该方法包括：根据N个样本数据，生成多个训练数据对；将所述多个训练数据对输入基于Siamese网络结构的深度神经网络模型中；获取所述训练数据对中两个样本数据在深度神经网络模型的每层网络层的输出信息；计算所述训练数据对中第一对比损失函数和第二对比损失函数；根据所述第一对比损失函数、所述第二对比损失函数以及softmax损失函数，更新所述深度神经网络模型的参数。本发明提供的方法可以使训练后的模型能够识别出同一类别下的不同模态的图像，提高了模型识别图像的正确率。
-
公开(公告)号：CN106779055B
公开(公告)日：2019-06-21
申请号：CN201710018662.5
申请日：2017-01-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种图像特征提取方法和装置，其中，图像特征提取方法包括：获取第一图像的第一深度卷积神经网络CNN特征，第一CNN特征为第一图像在第一尺度时的CNN特征；重采样第一CNN特征得到重采样数据；将重采样数据与第一参数相乘得到第二CNN特征，第二CNN特征为第一图像在第二尺度时的CNN特征。本发明提供的图像特征提取方法和装置，将图像在第一尺度上的第一CNN特征经过重采样并与第一参数相乘后，能够得到图像在第二尺度上的第二CNN特征，减少了图像特征提取的计算量，并且使得空间变换网络应用于深度神经网络的其他位置时，空间变换网络对输入的深度神经网络的特征做尺度变换后能够得到尺度变换后的特征。
-
公开(公告)号：CN106779055A
公开(公告)日：2017-05-31
申请号：CN201710018662.5
申请日：2017-01-10
Applicant: 北京邮电大学
CPC classification number: G06N3/0454 , G06K9/4671
Abstract: 本发明提供一种图像特征提取方法和装置，其中，图像特征提取方法包括：获取第一图像的第一深度卷积神经网络CNN特征，第一CNN特征为第一图像在第一尺度时的CNN特征；重采样第一CNN特征得到重采样数据；将重采样数据与第一参数相乘得到第二CNN特征，第二CNN特征为第一图像在第二尺度时的CNN特征。本发明提供的图像特征提取方法和装置，将图像在第一尺度上的第一CNN特征经过重采样并与第一参数相乘后，能够得到图像在第二尺度上的第二CNN特征，减少了图像特征提取的计算量，并且使得空间变换网络应用于深度神经网络的其他位置时，空间变换网络对输入的深度神经网络的特征做尺度变换后能够得到尺度变换后的特征。
-
Patent Agency Ranking
公开(公告)号：CN110163149A
公开(公告)日：2019-08-23
申请号：CN201910423500.9
申请日：2019-05-21
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
Abstract: 本发明提供一种LBP特征的获取方法、装置和存储介质，该方法包括：将待处理的时空图像分割成多个时空图像块；针对每个时空图像块，计算时空图像块中图像的每个像素点对应的像素差，其中，像素差为第一差值和第二差值的和，其中，第一差值为各像素点在中间帧上的像素值与在其他帧图像中和各像素点相邻的像素点之间的差值，第二差值为各像素点的相邻像素点在中间帧图像上的像素值与各像素点在其他帧图像中的像素值之间的差值；根据各像素点对应的像素差，确定各时空图像块的局部二值模式LBP。本发明不仅能够获取更多原始时空图像中的运动信息，而且提高了LBP的区分性，并使得编码后的码元分布更均匀。
-
公开(公告)号：CN110399897A
公开(公告)日：2019-11-01
申请号：CN201910286523.X
申请日：2019-04-10
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种图像识别方法和装置。方法包括：从L张图像中选取第一图像组以及第二图像组，根据第一图像组和第二图像组中每张图像的图像特征，计算第一图像组中每一图像与第二图像组中每一图像的图像关联性，初始化目标函数的参数，对目标函数的参数进行迭代更新，获得迭代更新后的目标函数，确定L张图像的聚类中心，迭代更新的次数为至少一次；根据更新后的目标函数中的哈希函数对待识别图像的图像特征进行二值编码，获得二值编码数据；根据待识别图像的二值编码数据与L张图像的聚类中心中每张图像的二值编码数据，识别待识别图像。从而提高图像识别的准确性。
-
公开(公告)号：CN105930834B
公开(公告)日：2019-04-09
申请号：CN201610513332.9
申请日：2016-07-01
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于球哈希二值编码的人脸识别方法。该方法包括提取训练样本中的多个训练人脸图像的各个局部块中每个像素点对应的像素差值向量；根据球哈希优化算法得到球哈希函数的参数；根据球哈希函数的参数对像素差值向量进行二值编码，得到第一二值向量；对第一二值向量进行聚类，得到多个视觉单词；提取测试人脸图像的局部块中每个像素点对应的像素差值向量；根据球哈希函数的参数对测试人脸图像对应的多个像素差值向量进行二值编码，得到第二二值向量；根据视觉单词对第二二值向量进行特征表示得到特征向量，并根据特征向量进行人脸识别。本发明存储量小，计算速度快，对局部变化的敏感度较低，而且数据适应性较高，数据描述能力较强。
-
公开(公告)号：CN109492666A
公开(公告)日：2019-03-19
申请号：CN201811156778.6
申请日：2018-09-30
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
Abstract: 本发明提供一种图像识别模型训练方法、装置及存储介质，该方法包括：根据N个样本数据，生成多个训练数据对；将所述多个训练数据对输入基于Siamese网络结构的深度神经网络模型中；获取所述训练数据对中两个样本数据在深度神经网络模型的每层网络层的输出信息；计算所述训练数据对中第一对比损失函数和第二对比损失函数；根据所述第一对比损失函数、所述第二对比损失函数以及softmax损失函数，更新所述深度神经网络模型的参数。本发明提供的方法可以使训练后的模型能够识别出同一类别下的不同模态的图像，提高了模型识别图像的正确率。
-
公开(公告)号：CN105930834A
公开(公告)日：2016-09-07
申请号：CN201610513332.9
申请日：2016-07-01
Applicant: 北京邮电大学
CPC classification number: G06K9/00281 , G06K9/6218
Abstract: 本发明提供一种基于球哈希二值编码的人脸识别方法。该方法包括提取训练样本中的多个训练人脸图像的各个局部块中每个像素点对应的像素差值向量；根据球哈希优化算法得到球哈希函数的参数；根据球哈希函数的参数对像素差值向量进行二值编码，得到第一二值向量；对第一二值向量进行聚类，得到多个视觉单词；提取测试人脸图像的局部块中每个像素点对应的像素差值向量；根据球哈希函数的参数对测试人脸图像对应的多个像素差值向量进行二值编码，得到第二二值向量；根据视觉单词对第二二值向量进行特征表示得到特征向量，并根据特征向量进行人脸识别。本发明存储量小，计算速度快，对局部变化的敏感度较低，而且数据适应性较高，数据描述能力较强。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
