-
公开(公告)号：CN107480628B
公开(公告)日：2020-08-25
申请号：CN201710680306.X
申请日：2017-08-10
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种人脸识别方法及装置。其中，方法包括对获取到的待识别图像与包含多个用户的单幅样本图像的样本训练库进行图像分割，将待识别图像与各样本图像分割为相同预设块数、位置一一对应、不重叠的多幅子图像；计算待识别图像的各子图像与各样本图像对应的子图像的相异性，将各个子图像的相异性值进行平均值融合计算，以得到待识别图像与各所述样本图像的相异性值；根据各相异性值，利用最近邻分类器为待识别图像在样本训练库中匹配对应的用户。有效避免了传统的利用相似性识别由于训练样本少造成的准确率较低的现象；有利于提升单样本训练的人脸图像识别的准确性，从而提高人脸识别的准确率，以提高身份鉴别的安全性。
-
Patent Agency Ranking
公开(公告)号：CN111950609A
公开(公告)日：2020-11-17
申请号：CN202010745115.9
申请日：2020-07-29
Applicant: 苏州大学
Abstract: 本发明涉及一种基于稀疏且鲁棒FisherSVM的声纳信号判别系统及方法,包括：数据预处理模块，用于统计收集海洋声纳探测的相关资料，作为训练集，对所述训练集中的数据进行归一化；数据训练模块，用于根据归一化处理后的数据对模型进行训练形成训练模型，所述训练模型包括判别函数其中α＝[α1,…,αl]T为判别函数的权重向量，b为判别函数的偏差；数据预测模块，用于将待预测的声纳信号数据进行归一化处理后输入至所述训练模型中，对被探测物体返回的声纳信号进行预测。本发明提高了对声纳信号分类的效率和准确率。
-
公开(公告)号：CN110850420B
公开(公告)日：2022-05-17
申请号：CN201911121646.4
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于弹球损失的FisherSVM声纳信号判别方法、装置、设备及可读存储介质，方案包括：构建基于Fisher准则正则化支持向量机的判别模型；根据弹球损失函数利用样本集合对判别模型进行优化，以确定判别模型的权重向量和偏差值；将目标探测物体的声呐信号数据输入判别模型，得到模型输出结果，并根据模型输出结果确定目标探测物体的类型判别结果。可见，该方案采用弹球损失函数对判别模型进行优化，由于弹球损失函数的使用，提升了判别模型的抗噪性能，使得声呐信号判别方案具备良好的分类性能和稳定性。
-
公开(公告)号：CN107480628A
公开(公告)日：2017-12-15
申请号：CN201710680306.X
申请日：2017-08-10
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种人脸识别方法及装置。其中，方法包括对获取到的待识别图像与包含多个用户的单幅样本图像的样本训练库进行图像分割，将待识别图像与各样本图像分割为相同预设块数、位置一一对应、不重叠的多幅子图像；计算待识别图像的各子图像与各样本图像对应的子图像的相异性，将各个子图像的相异性值进行平均值融合计算，以得到待识别图像与各所述样本图像的相异性值；根据各相异性值，利用最近邻分类器为待识别图像在样本训练库中匹配对应的用户。有效避免了传统的利用相似性识别由于训练样本少造成的准确率较低的现象；有利于提升单样本训练的人脸图像识别的准确性，从而提高人脸识别的准确率，以提高身份鉴别的安全性。
-
公开(公告)号：CN112085112A
公开(公告)日：2020-12-15
申请号：CN202010961502.6
申请日：2020-09-14
Applicant: 苏州大学
Abstract: 本申请公开了一种图像类别检测方法，所述图像类别检测方法包括获取训练图像集，并根据所述训练图像集中每一训练图像的图像特征构建训练样本；利用所述训练样本对分类模型进行训练；其中，所述分类模型为稀疏Fisher支持向量机分类算法构建的模型，所述稀疏Fisher支持向量机为基于L1范数的Fisher支持向量机；将待检测图像输入训练后的分类模型，得到所述待检测图像的图像类型。本申请能够提高图像分类准确性。本申请还公开了一种图像类别检测系统、一种电子设备及一种存储介质，具有以上有益效果。
-
公开(公告)号：CN110850420A
公开(公告)日：2020-02-28
申请号：CN201911121646.4
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于弹球损失的FisherSVM声纳信号判别方法、装置、设备及可读存储介质，方案包括：构建基于Fisher准则正则化支持向量机的判别模型；根据弹球损失函数利用样本集合对判别模型进行优化，以确定判别模型的权重向量和偏差值；将目标探测物体的声呐信号数据输入判别模型，得到模型输出结果，并根据模型输出结果确定目标探测物体的类型判别结果。可见，该方案采用弹球损失函数对判别模型进行优化，由于弹球损失函数的使用，提升了判别模型的抗噪性能，使得声呐信号判别方案具备良好的分类性能和稳定性。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
