-
公开(公告)号：CN107133579A
公开(公告)日：2017-09-05
申请号：CN201710260119.6
申请日：2017-04-20
Applicant: 江南大学
Abstract: 本发明公开了一种基于CSGF(2D)2PCANet度卷积模型的人脸身份识别方法。模型包含训练与测试两阶段。训练阶段首先对训练图像进行预处理，然后通过多层CSGF(2D)2PCA卷积获得输出特征图，最终送入Linear SVM分类器完成CSGF(2D)2PCANet模型的构建。测试阶段利用训练阶段基于多层滤波器卷积学习到的特征图与测试图像卷积得到多个输出特征图，将最终特征送入训练好的Linear SVM分类器，获得识别结果。本发明提出的基于CSGF与卷积结构深度模型的人脸身份识别方法，不仅具有旋转不变性，而且具有良好的局部性，对遮挡、光照、表情和噪声等因素具有良好的鲁棒性，提高了人脸识别性能。
-
公开(公告)号：CN105160441A
公开(公告)日：2015-12-16
申请号：CN201510673385.2
申请日：2015-10-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于增量式超限向量回归机集成网络的实时电力负荷预测方法，包含在线学习和在线负荷预测阶段。在线学习阶段包括以下步骤：实时采集第1批次电力负荷数据和影响因素数据并归一化；初始化II-ESVR模型；实时采集第k+1(k≥1)批次电力负荷和影响因素数据，归一化并进行增量学习训练。在线负荷预测阶段包括以下步骤：实时采集一批相关影响因素的数据，归一化并作为模型的输入；基于学习阶段的II-ESVR模型及参数，实时计算预测结果。本发明通过增量式超限向量回归机集成网络的实时电力负荷预测方法，解决数据多样性造成的不稳定问题，该方法具有“快、稳、准”的特点，能够满足电力负荷预测未来发展的需求。
-
Patent Agency Ranking
公开(公告)号：CN105160441B
公开(公告)日：2018-11-16
申请号：CN201510673385.2
申请日：2015-10-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于增量式超限向量回归机集成网络的实时电力负荷预测方法，包含在线学习和在线负荷预测阶段。在线学习阶段包括以下步骤：实时采集第1批次电力负荷数据和影响因素数据并归一化；初始化II‑ESVR模型；实时采集第k+1(k≥1)批次电力负荷和影响因素数据，归一化并进行增量学习训练。在线负荷预测阶段包括以下步骤：实时采集一批相关影响因素的数据，归一化并作为模型的输入；基于学习阶段的II‑ESVR模型及参数，实时计算预测结果。本发明通过增量式超限向量回归机集成网络的实时电力负荷预测方法，解决数据多样性造成的不稳定问题，该方法具有“快、稳、准”的特点，能够满足电力负荷预测未来发展的需求。
-
公开(公告)号：CN105718889A
公开(公告)日：2016-06-29
申请号：CN201610044669.X
申请日：2016-01-21
Applicant: 江南大学
CPC classification number: G06K9/00268 , G06K9/6256 , G06N3/08
Abstract: 本发明公开了一种基于GB(2D)2PCANet深度卷积模型的人脸身份识别方法。模型训练方法包括以下步骤：将预处理人脸样本依次送入第一个特征提取层，从获取的Gabor特征图像中扫描多个子块并去均值，利用(2D)2PCA提取最优投影轴，与训练集原始样本卷积，获得第一层特征图；将第一层特征图送入第二个特征提取层，重复前述步骤，获得第二层特征图；二值化输出特征图，计算并拼接局部区域直方图作为最终特征；将最终特征送入线性SVM分类器，获得优化的人脸身份识别模型。本发明能够自动学习有效的特征表达，不仅具有良好的局部性，而且对光照、表情和噪音等具有良好的鲁棒性，提高了人脸身份的识别性能。
-
公开(公告)号：CN105654069A
公开(公告)日：2016-06-08
申请号：CN201610077542.8
申请日：2016-02-03
Applicant: 江南大学
IPC: G06K9/00
CPC classification number: G06K9/00711
Abstract: 本发明公开了一种基于Lp范数正则化的增量子空间目标跟踪方法，包括以下步骤：读入视频序列图像,手动标记第一帧目标的图像；利用Ross的方法获取观测值；对前5帧图像直接计算残差来确定当前帧的目标装态，并收集样本，采用Ross的方法获取初始的子空间和均值向量；从第6帧开始，在增广拉格朗日的框架下对观测样本建立目标函数，并进行最小化计算；评估每个候选样本成为当前帧真实目标的置信度，并收集样本；当收集的样本达到5个时，采用Ross的方法增量更新子空间和均值向量。本发明在保证有一定实时性的前提下，对目标在遮挡、光照、运动模糊等挑战下都具有较强的抗干扰性，并能在一个统一的框架下，观测不同稀疏度对跟踪的影响。
-
公开(公告)号：CN105718889B
公开(公告)日：2019-07-16
申请号：CN201610044669.X
申请日：2016-01-21
Applicant: 江南大学
Abstract: 本发明公开了一种基于GB(2D)2PCANet深度卷积模型的人脸身份识别方法。模型训练方法包括以下步骤：将预处理人脸样本依次送入第一个特征提取层，从获取的Gabor特征图像中扫描多个子块并去均值，利用(2D)2PCA提取最优投影轴，与训练集原始样本卷积，获得第一层特征图；将第一层特征图送入第二个特征提取层，重复前述步骤，获得第二层特征图；二值化输出特征图，计算并拼接局部区域直方图作为最终特征；将最终特征送入线性SVM分类器，获得优化的人脸身份识别模型。本发明能够自动学习有效的特征表达，不仅具有良好的局部性，而且对光照、表情和噪音等具有良好的鲁棒性，提高了人脸身份的识别性能。
-
公开(公告)号：CN105654069B
公开(公告)日：2019-05-10
申请号：CN201610077542.8
申请日：2016-02-03
Applicant: 江南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Lp范数正则化的增量子空间目标跟踪方法，包括以下步骤：读入视频序列图像,手动标记第一帧目标的图像；利用Ross的方法获取观测值；对前5帧图像直接计算残差来确定当前帧的目标装态，并收集样本，采用Ross的方法获取初始的子空间和均值向量；从第6帧开始，在增广拉格朗日的框架下对观测样本建立目标函数，并进行最小化计算；评估每个候选样本成为当前帧真实目标的置信度，并收集样本；当收集的样本达到5个时，采用Ross的方法增量更新子空间和均值向量。本发明在保证有一定实时性的前提下，对目标在遮挡、光照、运动模糊等挑战下都具有较强的抗干扰性，并能在一个统一的框架下，观测不同稀疏度对跟踪的影响。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
