-
公开(公告)号：CN109359684B
公开(公告)日：2021-10-29
申请号：CN201811208757.4
申请日：2018-10-17
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法，包括：1）弱监督定位：用预训练好的VGG‑Net网络对图像目标定位，对卷积层的掩码图进行处理，获取目标物体的边界框；2）构建模糊相似矩阵：将训练集中定位后的图片利用B‑CNN网络提取特征，根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵；3）采样组建三元组集：在模糊相似矩阵基础上采样组建三元组；4）联合学习改进的损失函数：利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制，增大不同子类别样本间的距离。本发明较原始模型定位更加准确、并且在分类准确性上有明显提升，能够很好地对车辆目标进行定位。
-
公开(公告)号：CN109344736B
公开(公告)日：2021-07-09
申请号：CN201811060252.8
申请日：2018-09-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于联合学习的静态图像人群计数方法，包括：预训练阶段：使用50层残差网络在ImageNet2012分类数据集上训练得到参数初始化分类器网络，通过一个Softmax将图像块分类成三种类别，分别对应三个回归器；回归器训练阶段：将训练数据集的每一个图像块都分别输入三个回归器，同一个图像块都会得到不同的计数结果，将计数误差最小的回归器作为分类标签来标记该图像块，用三种类别的图像块分别对各自的回归器进行微调；分类器训练阶段：随机抽取样本并且保证每种类别的标签数量一致；联合训练阶段：对分类器和回归器不断迭代训练。本发明能够在人群密集场景中进行计数与密度估计，具有一定的尺度自适应性，提高了计数精度与模型泛化能力。
-
公开(公告)号：CN109344736A
公开(公告)日：2019-02-15
申请号：CN201811060252.8
申请日：2018-09-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于联合学习的静态图像人群计数方法，包括：预训练阶段：使用50层残差网络在ImageNet2012分类数据集上训练得到参数初始化分类器网络，通过一个Softmax将图像块分类成三种类别，分别对应三个回归器；回归器训练阶段：将训练数据集的每一个图像块都分别输入三个回归器，同一个图像块都会得到不同的计数结果，将计数误差最小的回归器作为分类标签来标记该图像块，用三种类别的图像块分别对各自的回归器进行微调；分类器训练阶段：随机抽取样本并且保证每种类别的标签数量一致；联合训练阶段：对分类器和回归器不断迭代训练。本发明能够在人群密集场景中进行计数与密度估计，具有一定的尺度自适应性，提高了计数精度与模型泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN109165612A
公开(公告)日：2019-01-08
申请号：CN201811007813.8
申请日：2018-08-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于深度特征和双向KNN排序优化的行人再识别方法，包括三个阶段，特征提取阶段：获得在ImageNet数据集上预训练好的ResNet-50模型，利用行人再识别数据集对预训练模型进行微调，利用微调后的模型分别对目标图像和候选集图像进行特征提取以获得特征向量；度量学习阶段：对提取的两个特征向量通过度量学习学习出一个度量函数来衡量它们间的相似性，根据它们的距离远近得到初始排名；重排序阶段：根据双向KNN关系和双向KNN集，计算两张图像间的双向KNN距离，将初始距离和双向KNN距离加权求和作为最终的距离，得到优化后的排名。本发明能够更好的表示一个行人，在初始排名的基础上提高行人再识别的精度，减轻人力和机器资源的压力，具有良好的普适性。
-
公开(公告)号：CN109036573A
公开(公告)日：2018-12-18
申请号：CN201810735860.8
申请日：2018-07-06
Applicant: 苏州大学
CPC classification number: G16H50/70 , G06K9/6256 , G06K9/6273 , G06N3/0481 , G06N3/08
Abstract: 本发明公开了一种基于生成式对抗网络技术的心电图生成及分类方法，通过GAN生成式对抗网络训练心电曲线得到生成模型和判别模型，发掘和整合更多的心电曲线数据，其中，判别模型采用CNN卷积神经网络结构，对使生成的心电曲线更接近真实，通过RBF神经网络训练心电曲线得到分类模型，通过生成的心电曲线对分类模型进行测试，以使分类模型可以在临床研究中使用，实现精准医疗和智能医疗。
-
公开(公告)号：CN108596255A
公开(公告)日：2018-09-28
申请号：CN201810378883.8
申请日：2018-04-25
Applicant: 苏州大学
Abstract: 本发明公开了一种兼顾公平性的上下文感知学习的结果预测分类器，分类器采用如下分类步骤：（1）初始化分类器的探索参数；（2）初始化分类器的权重矩阵；（3）判断数据库中是否有数据，如是，则随机选取其中一条数据的特征，转至步骤（4），如否，则结束训练；（4）根据选取赌博臂的概率取出分类样本；（5）根据权重矩阵预测结果；（6）接收实际结果的反馈，判断是否满足条件，如是，则预测失败，转至步骤（7），如否，则转至步骤（3）；（7）更新分类器的权重矩阵。本发明分类器利用划分结果更新分类器，根据特征划分出类别，如划分错误，则进行分类器权重矩阵的更新，从而使分类器划分出的类别更准确了，使得预测成功率更高。
-
公开(公告)号：CN109165612B
公开(公告)日：2021-07-09
申请号：CN201811007813.8
申请日：2018-08-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于深度特征和双向KNN排序优化的行人再识别方法，包括三个阶段，特征提取阶段：获得在ImageNet数据集上预训练好的ResNet‑50模型，利用行人再识别数据集对预训练模型进行微调，利用微调后的模型分别对目标图像和候选集图像进行特征提取以获得特征向量；度量学习阶段：对提取的两个特征向量通过度量学习学习出一个度量函数来衡量它们间的相似性，根据它们的距离远近得到初始排名；重排序阶段：根据双向KNN关系和双向KNN集，计算两张图像间的双向KNN距离，将初始距离和双向KNN距离加权求和作为最终的距离，得到优化后的排名。本发明能够更好的表示一个行人，在初始排名的基础上提高行人再识别的精度，减轻人力和机器资源的压力，具有良好的普适性。
-
公开(公告)号：CN109359684A
公开(公告)日：2019-02-19
申请号：CN201811208757.4
申请日：2018-10-17
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法，包括：1）弱监督定位：用预训练好的VGG-Net网络对图像目标定位，对卷积层的掩码图进行处理，获取目标物体的边界框；2）构建模糊相似矩阵：将训练集中定位后的图片利用B-CNN网络提取特征，根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵；3）采样组建三元组集：在模糊相似矩阵基础上采样组建三元组；4）联合学习改进的损失函数：利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制，增大不同子类别样本间的距离。本发明较原始模型定位更加准确、并且在分类准确性上有明显提升，能够很好地对车辆目标进行定位。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
