-
公开(公告)号：CN112926126B
公开(公告)日：2023-04-25
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06F18/23213 , G06F18/20 , G06F18/214 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
Patent Agency Ranking
公开(公告)号：CN114387539B
公开(公告)日：2025-04-04
申请号：CN202111572410.X
申请日：2021-12-21
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于SimAM注意力机制的行为识别方法，充分利用无参数注意力模块SimAM的无参数特点，将之与双流网络模型有机结合，可以在提高识别准确率的同时减少网络参数和训练难度，且可以根据输入视频高低层特征含量(即分辨率)的不同，适应性地采用不同的融合方式，提高对细节的感知能力，得出一种高性能的行为识别算法，对双流网络模型进行了更加有效优化，增加了这种方案的行为识别算法的工程性和准确性。
-
公开(公告)号：CN113807318B
公开(公告)日：2023-10-31
申请号：CN202111182076.7
申请日：2021-10-11
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双流卷积神经网络和双向GRU的动作识别方法，包括以下步骤：对视频等间距采样M帧图像，缩放；将第一帧图像输入空间流CNN，得到空间流特征图；计算堆叠，将其输入时间流CNN，得到时间流特征图；级联，使用三层卷积神经网络融合，得到融合后的特征图；将特征图送入两层全连接层，然后送入softmax函数得到单帧分类结果；继续以上的步骤，计算剩余帧的分类结果；将识别结果送入双向门控单元，得到各视频抽样帧的分类结果ht；基于高斯加权的融合方式，将M组ht进行融合，得到最终的视频分类结果，本方法在保持模型准确性的情况下，减少了模型参数，简化了模型结构，提高了模型运算速度；采用高斯加权融合的方式，提高了分类结果的可靠性。
-
公开(公告)号：CN113807318A
公开(公告)日：2021-12-17
申请号：CN202111182076.7
申请日：2021-10-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于双流卷积神经网络和双向GRU的动作识别方法，包括以下步骤：对视频等间距采样M帧图像，缩放；将第一帧图像输入空间流CNN，得到空间流特征图；计算堆叠，将其输入时间流CNN，得到时间流特征图；级联，使用三层卷积神经网络融合，得到融合后的特征图；将特征图送入两层全连接层，然后送入softmax函数得到单帧分类结果；继续以上的步骤，计算剩余帧的分类结果；将识别结果送入双向门控单元，得到各视频抽样帧的分类结果ht；基于高斯加权的融合方式，将M组ht进行融合，得到最终的视频分类结果，本方法在保持模型准确性的情况下，减少了模型参数，简化了模型结构，提高了模型运算速度；采用高斯加权融合的方式，提高了分类结果的可靠性。
-
公开(公告)号：CN112926126A
公开(公告)日：2021-06-08
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
公开(公告)号：CN114387539A
公开(公告)日：2022-04-22
申请号：CN202111572410.X
申请日：2021-12-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于SimAM注意力机制的行为识别方法，充分利用无参数注意力模块SimAM的无参数特点，将之与双流网络模型有机结合，可以在提高识别准确率的同时减少网络参数和训练难度，且可以根据输入视频高低层特征含量(即分辨率)的不同，适应性地采用不同的融合方式，提高对细节的感知能力，得出一种高性能的行为识别算法，对双流网络模型进行了更加有效优化，增加了这种方案的行为识别算法的工程性和准确性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
