-
公开(公告)号：CN114882568B
公开(公告)日：2025-04-25
申请号：CN202210587161.X
申请日：2022-05-27
Applicant: 广东工业大学
IPC: G06V40/16 , G06V10/764 , G06V10/766 , G06V10/50
Abstract: 本发明公开了一种基于多视图降维和有序回归的人脸图像年龄估计方法，包括以下步骤：S1、获取人脸图像数据集；S2、对人脸图像数据集进行年龄的类别划分；S3、对类别划分后的人脸图像数据集进行预处理；S4、对预处理后的人脸图像数据集进行特征提取以及归一化处理，从而得到可用来分类的训练数据集；S5、建立并训练多视图降维的有序回归分类器；S6、将需要估计年龄的人脸图像输入至训练好的多视图降维的有序回归分类器中，最后得到该人脸图像的年龄估计结果。本发明结合多视图学习和降维,并将人脸图像之间的年龄顺序信息纳入模型训练的过程中,从而大大提高有序回归分类器对于此类(高维多视图)人脸图像年龄估计的准确率。
-
公开(公告)号：CN112259160B
公开(公告)日：2023-05-26
申请号：CN202011316678.2
申请日：2020-11-19
Applicant: 广东工业大学
IPC: G16B20/00 , G06F18/214 , G06N20/00
Abstract: 本发明提出了一种蛋白质亚细胞定位方法、系统、储存介质及计算机设备，将弹球损失函数引入离群点检测算法中来处理蛋白质亚细胞定位的数据；其抗噪效果好，特别是对边界噪声不敏感；约束数量少，计算复杂度低，运算效率高；能够兼顾子集内最小化，所得到的超球体的球心处于数据密集的区域；因而能够快速处理蛋白质亚细胞定位的数据，并相应得到准确、可靠的预测结果。
-
公开(公告)号：CN110727833B
公开(公告)日：2023-03-31
申请号：CN201910944120.X
申请日：2019-09-30
Applicant: 广东工业大学
IPC: G06F16/901 , G06F16/903 , G06F16/9038 , G06F16/906
Abstract: 本发明涉及一种基于多视角学习的图数据检索结果优化方法，包括：S1：根据用户检索时的点击数据，生成训练数据，并构建训练数据的多个视角；S2：对训练数据的每个视角进行参数设置，以提高训练数据分类性能；S3：构建图数据检索评估模型；并对其进行优化；S4：利用评估模型计算数据库中图数据的评分；S5：根据评分对图数据进行排序，得到检索结果。本发明可以利用点击数据改善目前图数据检索准确率比较差的情况，提高检索的质量；本发明提出的目标模型考虑从多角度去处理图数据的检索问题。通过同时利用图数据的多个特征映射，并加入了多视角的约束，满足多视图学习中的共识和互补原则，提高了本模型对图数据检索的准确率。
-
公开(公告)号：CN109960808B
公开(公告)日：2023-02-07
申请号：CN201910232528.4
申请日：2019-03-26
Applicant: 广东工业大学
IPC: G06F40/279 , G06F16/35
Abstract: 本申请公开了一种文本识别方法，在基于主动学习技术对训练样本进行筛选时，综合考虑样本的信息价值及其在特征空间中的分布结构，以获得较高质量的训练样本；同时，通过参数共享与样本表达共享，实现了各待训练模型之间的信息共享，实现了多个模型的同步训练，有效减少了训练模型所需的标记样本开销，并保证了各训练任务对应模型之间的相互促进，有效提升了算法的模型优化效率。因此，本申请所提供的文本识别方法在模型训练过程中不仅保证了样本质量，同时还实现了多个文本识别模型的并行训练，在有效提高文本识别准确度的同时，保证了文本识别效率。本申请还公开了一种文本识别装置、设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN110414621B
公开(公告)日：2022-03-22
申请号：CN201910721180.5
申请日：2019-08-06
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于多示例学习的分类器构建方法，包括：获取包括第一标签数据集合、第二标签数据集合及第三标签数据集合的训练数据集；将训练数据集中的各个样本数据输入至预先构建的相似度模型中，以确定训练数据集中的各个样本数据的分别与预先设置的第一标签组、第二标签组及第三标签组的相似度；依据所述第一标签数据集合中的各个样本数据与所述第一标签组的相似度，将所述第一标签数据集合划分为第一子数据集合及第二子数据集合；基于相似度，分别为第一子数据集合、第二子数据集合、第二标签数据集合及所述第三标签数据集合分配相似度权重；依据各个所述相似度权重构建分类器。应用多种类型标签数据构建分类器，提升了分类器的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN110175657B
公开(公告)日：2021-10-01
申请号：CN201910486623.7
申请日：2019-06-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种图像多标签标记方法，该方法包括：获取目标图像，对目标图像进行区域分割，获得与目标图像对应的多个目标示例；利用迭代训练好的分类器对多个目标示例分别进行分类处理，获得每个目标示例的分类结果；将分类结果添加至目标图像的标签信息中，获得多标签图像；其中，迭代训练目标分类器的过程，包括：在每一轮训练开始前，利用当前分类器对缺少标签的多示例多标签训练集中的训练样本进行难易分类，获得简单样本集和困难样本集，并利用简单样本集对当前分类器进行训练。应用该方法可获得更为准确的多标签图像。本发明还公开了一种图像多标签标记装置、设备及可读存储介质，具有相应的技术效果。
-
公开(公告)号：CN110727833A
公开(公告)日：2020-01-24
申请号：CN201910944120.X
申请日：2019-09-30
Applicant: 广东工业大学
IPC: G06F16/901 , G06F16/903 , G06F16/9038 , G06F16/906
Abstract: 本发明涉及一种基于多视角学习的图数据检索结果优化方法，包括：S1：根据用户检索时的点击数据，生成训练数据，并构建训练数据的多个视角；S2：对训练数据的每个视角进行参数设置，以提高训练数据分类性能；S3：构建图数据检索评估模型；并对其进行优化；S4：利用评估模型计算数据库中图数据的评分；S5：根据评分对图数据进行排序，得到检索结果。本发明可以利用点击数据改善目前图数据检索准确率比较差的情况，提高检索的质量；本发明提出的目标模型考虑从多角度去处理图数据的检索问题。通过同时利用图数据的多个特征映射，并加入了多视角的约束，满足多视图学习中的共识和互补原则，提高了本模型对图数据检索的准确率。
-
公开(公告)号：CN110532384A
公开(公告)日：2019-12-03
申请号：CN201910711980.9
申请日：2019-08-02
Applicant: 广东工业大学
Abstract: 本申请提供的一种多任务字典单分类方法，包括：获取待分类任务；令每个待分类任务分别学习一个综合字典和一个分析字典；利用字典学习模型、分析非相关性项、分析系数编码提取项和多任务单分类项建立目标优化函数；其中，字典学习模型包括综合字典和分析字典；求解优化函数分别得到线性分类器和非线性分类器；利用线性分类器和非线性分类器对待分类任务进行分类。本申请采用一个任务学习一个综合字典和一个分析字典，并使编码系数对于其它任务尽可能稀疏，能更好地表示数据的潜在结构。同时利用多任务学习模型，也大大减少了计算复杂度。本申请还提供了一种多任务字典单分类系统、装置及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN110458180A
公开(公告)日：2019-11-15
申请号：CN201910351889.0
申请日：2019-04-28
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于小样本的分类器训练方法，包括以下步骤：包括以下步骤：S1：设置参数α，β，学习率，最大训练步长T；S2：从训练集中读取一批图像，并将图像x输入到先验分类器中，得到先验标签的值和每一张图片的潜在变量z的值；S3：对所读取图片的第i类,计算该类潜在变量的均值和断言 S4：重复步骤S3，直至所读取图片的所有类均进行了对应的潜在变量的均值和断言的计算；S5：在得知图像x、先验标签的基础上结合后验分类器，获取所描述的后验标签 S6：对损失函数进行优化，降低损失函数的计算代价；S7：计算所需要优化的所有变量的集合Θ中所有变量的损失函数的梯度。本发明收敛速度快，训练耗费时间较短，能训练得到高精度分类器。
-
公开(公告)号：CN110348493A
公开(公告)日：2019-10-18
申请号：CN201910549488.6
申请日：2019-06-24
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多视角学习的正类和无标记的图数据分类方法，首先构建图数据的多个视角，即通过多个不同图数据特征提取方法，将图数据样本转换成多个不同的特征矢量；接着利用图数据的多个视角构建评估函数来确定样本与标签的关系，基于排序支持向量机(rankingSVM)构建评估函数，图数据样本越有可能是正类则其经评估函数计算的得分越高，即构建的评估函数满足正类图数据的得分大于负类图数据的得分；最终对于给定的图数据样本，先获得其多个视角，然后通过评估函数计算得分，从而预测给定图数据样本的标签；本发明能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.036 seconds)
