-
公开(公告)号：CN118736322B
公开(公告)日：2024-12-27
申请号：CN202410953220.X
申请日：2024-07-16
Applicant: 江苏大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于邻域原子增强的深度字典学习在异常检测中的应用方法，包括以下步骤：1.构建多尺度特征提取深度字典网络用于进行训练获取待测样本中的全局特征；2.对数据进行预处理；3.对预处理后的数据进行多维特征提取；4.利用k‑means算法分割样本，构造样本的近邻流形，计算图的权重矩阵；5在邻域流形内局部建模，获取数据点之间的自表达关系，收集自表达信息用于加权字典原子的更新，学习局部特征；6.通过自适应图学习模块对数据进一步处理，增强局部特征；7.将多个层次的特征表示进行融合，获得最终的特征表示；8.使用SVM进行分类，识别和输出异常检测结果。该方法在捕捉数据局部结构和动态变化方面表现优越，显著提高了异常检测的准确率，克服了现有技术的不足。
-
公开(公告)号：CN118736649A
公开(公告)日：2024-10-01
申请号：CN202410953202.1
申请日：2024-07-16
Applicant: 江苏大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于深度字典低秩残差表示的人脸识别方法，获取原始人脸图像，构建并训练适用于深度字典低秩残差表示的深度网络模型，将预处理后的人脸图像输入该深度网络模型进行训练，深度网络模型中特征提取模块提取人脸图像得到特征向量；字典训练模块利用特征向量来训练字典；稀疏表示模块找到一组字典中的基底，使得人脸数据表示为这些基底的线性组合，进而输出稀疏特征；将真实人脸图像对应的稀疏特征向量在数据库中进行对比检索，判断是否可以识别。本发明创新地结合了低秩残差表示和深度字典学习，使得在处理高维数据和特征提取方面具有显著优势，为人脸识别提供了更高的准确性和鲁棒性。
-
公开(公告)号：CN118736322A
公开(公告)日：2024-10-01
申请号：CN202410953220.X
申请日：2024-07-16
Applicant: 江苏大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于邻域原子增强的深度字典学习在异常检测中的应用方法，包括以下步骤：1.构建多尺度特征提取深度字典网络用于进行训练获取待测样本中的全局特征；2.对数据进行预处理；3.对预处理后的数据进行多维特征提取；4.利用k‑means算法分割样本，构造样本的近邻流形，计算图的权重矩阵；5在邻域流形内局部建模，获取数据点之间的自表达关系，收集自表达信息用于加权字典原子的更新，学习局部特征；6.通过自适应图学习模块对数据进一步处理，增强局部特征；7.将多个层次的特征表示进行融合，获得最终的特征表示；8.使用SVM进行分类，识别和输出异常检测结果。该方法在捕捉数据局部结构和动态变化方面表现优越，显著提高了异常检测的准确率，克服了现有技术的不足。
-
公开(公告)号：CN118736649B
公开(公告)日：2025-03-25
申请号：CN202410953202.1
申请日：2024-07-16
Applicant: 江苏大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于深度字典低秩残差表示的人脸识别方法，获取原始人脸图像，构建并训练适用于深度字典低秩残差表示的深度网络模型，将预处理后的人脸图像输入该深度网络模型进行训练，深度网络模型中特征提取模块提取人脸图像得到特征向量；字典训练模块利用特征向量来训练字典；稀疏表示模块找到一组字典中的基底，使得人脸数据表示为这些基底的线性组合，进而输出稀疏特征；将真实人脸图像对应的稀疏特征向量在数据库中进行对比检索，判断是否可以识别。本发明创新地结合了低秩残差表示和深度字典学习，使得在处理高维数据和特征提取方面具有显著优势，为人脸识别提供了更高的准确性和鲁棒性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
