-
公开(公告)号：CN111444337B
公开(公告)日：2022-07-19
申请号：CN202010123108.5
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。
-
公开(公告)号：CN111695507A
公开(公告)日：2020-09-22
申请号：CN202010532751.3
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进VGGNet网络的静态手势识别方法，该方法将VGGNet网络进行改进，使用不同的分支来学习标签信息，同时在网络中引入哈希层将手势图像的特征投影到汉明空间，通过计算汉明距离来提高处理手势的效率。将改进后的VGGNet网络和传统的主成分分析方法相结合来进行手势识别，首先将原始数据集和增强后的数据集作为输入数据对VGGNet网络进行训练，得到手势图像的高维特征，然后通过主成分分析法PCA将高维图像特征进行降维，减小特征向量长度，缩短图像之间的相似性度量的计算时间，从而提高提高手势识别的精度和效率。
-
公开(公告)号：CN111694977A
公开(公告)日：2020-09-22
申请号：CN202010532683.0
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06F16/55 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于数据增强的车辆图像检索方法，该方法是使用多尺度Retinex算法对现有的公开车辆图像数据进行数据增强，得到一个大规模车辆图像数据集；其次，使用卷积神经网络构建车辆图像检索模型并在增强后的数据集上进行训练，同时采用迁移学习的方法缩短模型的训练周期；最后，选择分类效果表现最好的模型作为特征提取引擎在检索测试集上进行模型评价。该方法解决了车辆图像缺乏和人为标注等带来的影响，在一定程度上可以增加模型的准确率和泛化能力。使用迁移学习的方法加快模型收敛的速度，减少训练的时间，提高车辆图像检索的准确率。
-
公开(公告)号：CN111694974A
公开(公告)日：2020-09-22
申请号：CN202010532689.8
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06F16/51 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合注意力机制的深度哈希车辆图像检索方法，目的是为了提高车辆图像检索的准确率。由于数据量的增大和特征维数的增高所带来庞大计算量及获取特征向量中包含较多的干扰因素导致精确度低的问题。本发明针对该问题，引入注意力机制，提出了融合注意力机制的残差网络深度哈希模型，该模型借助注意力机制来识别车辆图像中多个目标对象的近似位置，以获得一个更为专注的特征表示。同时，本发明引入类别交叉熵损失函数来解决融入注意力机制的模型学习。
-
Patent Agency Ranking
公开(公告)号：CN111695507B
公开(公告)日：2022-08-16
申请号：CN202010532751.3
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 本发明公开了一种基于改进VGGNet网络的静态手势识别方法，该方法将VGGNet网络进行改进，使用不同的分支来学习标签信息，同时在网络中引入哈希层将手势图像的特征投影到汉明空间，通过计算汉明距离来提高处理手势的效率。将改进后的VGGNet网络和传统的主成分分析方法相结合来进行手势识别，首先将原始数据集和增强后的数据集作为输入数据对VGGNet网络进行训练，得到手势图像的高维特征，然后通过主成分分析法PCA将高维图像特征进行降维，减小特征向量长度，缩短图像之间的相似性度量的计算时间，从而提高提高手势识别的精度和效率。
-
公开(公告)号：CN111695508A
公开(公告)日：2020-09-22
申请号：CN202010532767.4
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多尺度的Retinex和改进VGGNet网络的手势图像检索方法，该方法通过多尺度的Retinex方法对手势数据图像进行增强后，对采用深度学习方法对模型进行训练。当手势图像检索模型训练好之后，将最后一个FC层提取到的特征作为图像的特征表示参与手势图像检索任务，并改进的VGGNet的多分支网络结构中引入哈希层，模型的输入为手势图像和类别标签，类别标签作为监督信息学习图像特征，每个分支学习不同的标签信息，经过全连接层将之前两个分支学习到的特征进行融合，得到非线性组合特征，然后经过哈希层将得到低维度的哈希特征，再经过哈希层得到二进制哈希吗，最后将二进制哈希码作为特征向量来进行手势检索。在保证准确率的前提下，提高手势检索的效率。
-
公开(公告)号：CN111444337A
公开(公告)日：2020-07-24
申请号：CN202010123108.5
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。
-
公开(公告)号：CN110457514A
公开(公告)日：2019-11-15
申请号：CN201910741839.3
申请日：2019-08-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度哈希的多标签图像检索方法，在于提高多标签图像检索的准确率。所述方法引入成对多标签图像标签向量的余弦距离作为监督信息参与模型训练，使用残差网络对多标签图像进行特征抽取，同时引入二进制编码机制对抽取的高维特征进行降维，并使用多标签图像数据集对基于残差网络的深度哈希模型进行训练；训练完成后调用该模型在多标签图像查询数据集上进行图像检索，并评估该模型的泛化能力及检索准确度。
-
公开(公告)号：CN111695508B
公开(公告)日：2022-07-19
申请号：CN202010532767.4
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V40/20 , G06V10/75 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/583 , G06F16/55
Abstract: 本发明公开了一种基于多尺度的Retinex和改进VGGNet网络的手势图像检索方法，该方法通过多尺度的Retinex方法对手势数据图像进行增强后，对采用深度学习方法对模型进行训练。当手势图像检索模型训练好之后，将最后一个FC层提取到的特征作为图像的特征表示参与手势图像检索任务，并改进的VGGNet的多分支网络结构中引入哈希层，模型的输入为手势图像和类别标签，类别标签作为监督信息学习图像特征，每个分支学习不同的标签信息，经过全连接层将之前两个分支学习到的特征进行融合，得到非线性组合特征，然后经过哈希层将得到低维度的哈希特征，再经过哈希层得到二进制哈希吗，最后将二进制哈希码作为特征向量来进行手势检索。在保证准确率的前提下，提高手势检索的效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
