-
公开(公告)号：CN102129570A
公开(公告)日：2011-07-20
申请号：CN201010034352.0
申请日：2010-01-19
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明是一种用于动态视觉的基于流形正则化的半监督分类器设计方法，该分类器在动态视觉环境下的训练数据来源：由用户采集的带有类别信息的数据包含目标的正类样本和不包含目标的负类样本，计算机在视频中随机采集的无类别信息的数据；利用数据的局部线性重构系数，定义了分类器在样本数据集上的连续性正则项，使得分类器对无类别信息数据的利用效率得到了提高。并且在求解分类器系数的优化问题中对函数复杂度和函数连续性正则项的定义设定为1范数的形式，从而优化问题的解得是分类器系数的稀疏解，即训练得到的分类器也是稀疏的。使得分类器在动态视觉任务中的实时性得到了提高。
-
Patent Agency Ranking
公开(公告)号：CN114792320A
公开(公告)日：2022-07-26
申请号：CN202210715593.4
申请日：2022-06-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种轨迹预测方法、轨迹预测装置和电子设备，涉及人工智能技术领域。该方法包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。本发明能够提高轨迹的预测准确性。
-
公开(公告)号：CN110222778B
公开(公告)日：2021-04-13
申请号：CN201910502702.2
申请日：2019-06-11
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明属于机器学习技术领域，具体涉及了一种基于深度森林的在线多视角分类方法、系统、装置，旨在解决深度学习模型不能在线更新，而浅层在线学习模型的分类精度低的问题。本发明方法包括：通过多视角深度森林网络获取多视角数据的分类结果图；将分类结果图的预测标签按列排成与多视角数据图片相同的尺寸；将排列后的分类结果图按标签大小着色为灰度分类结果图并输出。本发明通过在线的方式从数据流中学习，并对模型结构和权重更新，使得模型对不同的数据集有很强的适应性和扩展性，同时还充分利用了多视角数据本身及多视角之间的信息，有效开发深层的特征信息，从而得到更高的在线分类准确率，在线的方式无需存储全部数据，有效节约了资源。
-
公开(公告)号：CN110222778A
公开(公告)日：2019-09-10
申请号：CN201910502702.2
申请日：2019-06-11
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明属于机器学习技术领域，具体涉及了一种基于深度森林的在线多视角分类方法、系统、装置，旨在解决深度学习模型不能在线更新，而浅层在线学习模型的分类精度低的问题。本发明方法包括：通过多视角深度森林网络获取多视角数据的分类结果图；将分类结果图的预测标签按列排成与多视角数据图片相同的尺寸；将排列后的分类结果图按标签大小着色为灰度分类结果图并输出。本发明通过在线的方式从数据流中学习，并对模型结构和权重更新，使得模型对不同的数据集有很强的适应性和扩展性，同时还充分利用了多视角数据本身及多视角之间的信息，有效开发深层的特征信息，从而得到更高的在线分类准确率，在线的方式无需存储全部数据，有效节约了资源。
-
公开(公告)号：CN112508461A
公开(公告)日：2021-03-16
申请号：CN202110111672.X
申请日：2021-01-27
Applicant: 中国科学院自动化研究所
IPC: G06Q10/06 , G06F16/9535 , G06N20/00
Abstract: 本发明属于学术平台领域，具体涉及了一种多元要素的学术影响力评价服务平台系统和装置，旨在解决现有的学术服务评价平台仅通过发表论文单一维度评价学者，存在低效和低质的缺点。本发明包括：对每个用户建立用户档案，所述用户档案包含用户的实名身份信息，每位用户终身只能设立唯一一份用户档案；为对每项科学研究工作，建立项目档案；所述项目档案包含相关的研究内容和人员信息；基于用户对科研成果的操作为科研成果计算所属领域的价值分数；所述科研成果根据所述价值分数和推荐权限在对应领域中进行排序显示。本发明通过多元的要素替代了论文的单一要素对学者的水平进行评价，构建了独特、完善的学者学术水平评价机制。
-
公开(公告)号：CN102129570B
公开(公告)日：2013-02-13
申请号：CN201010034352.0
申请日：2010-01-19
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明是一种用于动态视觉的基于流形正则化的半监督分类器设计方法，该分类器在动态视觉环境下的训练数据来源：由用户采集的带有类别信息的数据包含目标的正类样本和不包含目标的负类样本，计算机在视频中随机采集的无类别信息的数据；利用数据的局部线性重构系数，定义了分类器在样本数据集上的连续性正则项，使得分类器对无类别信息数据的利用效率得到了提高。并且在求解分类器系数的优化问题中对函数复杂度和函数连续性正则项的定义设定为1范数的形式，从而优化问题的解得是分类器系数的稀疏解，即训练得到的分类器也是稀疏的。使得分类器在动态视觉任务中的实时性得到了提高。
-
-
-
-
-
Search Results
6
records
(took 0.01 seconds)
