-
公开(公告)号：CN117150292A
公开(公告)日：2023-12-01
申请号：CN202311074976.9
申请日：2023-08-24
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明提供了一种基于增量学习对手势识别模型训练的方法，所述方法包括：获取经训练的旧手势识别模型，其包括用于从肌电信号数据提取手势特征的特征提取器；获取初始的新手势识别模型，其包括用于提取手势特征的特征提取器和用于根据手势特征进行手势识别的分类器；获取多个旧用户中每个旧用户的样本池中的训练样本以及新用户的训练样本，每个训练样本包括肌电信号数据和用于指示该肌电信号数据所属手势类别的标签；基于经训练的旧手势识别模型分别提取训练集中的各个训练样本中肌电信号数据的旧手势特征；以所述初始的新手势识别模型为基础，利用训练集对其进行多次迭代训练，最后一次训练完成得到经增量学习的新手势识别模型。
-
公开(公告)号：CN111967495B
公开(公告)日：2024-06-14
申请号：CN202010639556.0
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/243 , G06F18/214 , G06N5/01 , G06N20/20 , G16H50/70
Abstract: 本发明提供一种分类识别模型构建方法，用于构建用于小样本目标域的分类识别模型，包括如下步骤：S1、获得一个源域模型，其中所述源域模型是利用源域数据集训练集成模型生成的，所述源域模型包括多个个体分类器；S2、基于源域模型中每个个体分类器对源域数据集和目标域数据集的信息增益确定该个体分类器的特征信息增益评估指标；S3、基于每个分类器对应的特征信息增益评估指标采用预设调整策略对每个分类器进行重构，所有重构后的分类器组成目标域分类识别模型。本发明综合考虑了当前源域模型对目标域数据的分割准确度，及当前源域模型是否覆盖目标域中具有重要参考价值的属性特征，能够适应于样本数量小、标注困难的医疗诊断场景。
-
Patent Agency Ranking
公开(公告)号：CN112949393A
公开(公告)日：2021-06-11
申请号：CN202110123722.6
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种面向肌电臂环的手势识别方法和系统，该方法基于多变量经验模态分解将不同时刻的表面肌电信号进行重构以获得时序肌电图像，并利用训练好的手势识别模型预测对应的手势类别。本发明的手势识别方法能够有效避免可穿戴肌电臂环在使用过程中因周围多块肌肉的干扰而影响手势识别精度的问题。
-
公开(公告)号：CN119786007A
公开(公告)日：2025-04-08
申请号：CN202411596286.4
申请日：2024-11-11
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , A61B5/11 , A61B5/00 , G16H50/70 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/049
Abstract: 本发明提供了一种运动能力评估方法，包括：获取待评估者的运动数据；从待评估者的运动数据中，提取待评估者的原始运动姿态数据；按预设数据对齐要求，对待评估者的原始运动姿态数据进行预处理，得到待评估者的预处理后的运动姿态数据；将待评估者的预处理后的运动姿态数据，输入按照本发明的训练方法得到的经训练的运动能力评估模型，以评估待评估者的运动能力。
-
公开(公告)号：CN112783327A
公开(公告)日：2021-05-11
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
公开(公告)号：CN112783327B
公开(公告)日：2022-08-30
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01 , G06K9/62 , G06K9/00 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
公开(公告)号：CN111967495A
公开(公告)日：2020-11-20
申请号：CN202010639556.0
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种分类识别模型构建方法，用于构建用于小样本目标域的分类识别模型，包括如下步骤：S1、获得一个源域模型，其中所述源域模型是利用源域数据集训练集成模型生成的，所述源域模型包括多个个体分类器；S2、基于源域模型中每个个体分类器对源域数据集和目标域数据集的信息增益确定该个体分类器的特征信息增益评估指标；S3、基于每个分类器对应的特征信息增益评估指标采用预设调整策略对每个分类器进行重构，所有重构后的分类器组成目标域分类识别模型。本发明综合考虑了当前源域模型对目标域数据的分割准确度，及当前源域模型是否覆盖目标域中具有重要参考价值的属性特征，能够适应于样本数量小、标注困难的医疗诊断场景。
-
-
-
-
-
-
Search Results
7
records
(took 0.031 seconds)
