-
公开(公告)号：CN114333027B
公开(公告)日：2024-05-14
申请号：CN202111671593.0
申请日：2021-12-31
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/74
Abstract: 本发明公开了基于联合和交替学习框架的跨域新类人脸表情识别方法，包括：A、建立基本类表情数据集和复合类表情数据集；B、构建用于表情数据识别的情感‑相似度网络；C、对步骤B中的情感分支进行训练全部基本类表情数据的分类模型；D、对步骤B中的相似度分支进行学习表情数据可迁移的特征和度量；E、构建二阶段的联合和交替学习学习框架进行训练情感‑相似度网络，以提高模型对新类表情的泛化能力；F、在复合类表情数据集上采样N个类，使每类包含K个有标签样本作为支持集，每类Q个样本作为查询集，然后基于经训练的相似度分支对查询集进行新类表情分类准确率的计算；本方案是一种灵活且贴近实际需求的解决新类人脸表情识别问题的方案。
-
公开(公告)号：CN117079068A
公开(公告)日：2023-11-17
申请号：CN202310784489.5
申请日：2023-06-29
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/764 , G06V10/771
Abstract: 本发明公开了一种基于二维度量的两阶段样本选择方法，包括：将数据样本根据其观测标签的类别进行分离归类，得到若干同类数据样本构成的子数据集；计算每个子数据集中的数据样本在标签空间维度和特征空间维度的数据分布；计算每个子数据集中的数据样本在标签空间维度和特征空间维度的均值和方差，确定数据样本最优分离维度；根据数据样本在最优分离维度的差异性，将数据样本分离为干净样本集合和噪声样本集合。实现了对尾部类数据样本中的干净样本和噪声样本的高效分离，从而使得分类模型能够更好的关注尾部类数据样本。
-
公开(公告)号：CN115688939A
公开(公告)日：2023-02-03
申请号：CN202211396784.5
申请日：2022-11-09
Applicant: 厦门大学
IPC: G06N20/00 , G06N3/045 , G06N3/08 , G06F21/62 , G06F18/2431 , G06F18/23213
Abstract: 本发明公开了一种基于对抗式特征增广的长尾数据个性化联邦学习方法，包括：在服务器端将整个全局模型分成全局特征提取器g和全局分类器f并将其发给若干个客户端；通过随机采样平衡若干个客户端本地样本数据分布，利用伯努利分布构建若干对源大类样本ys和目标小类样本yt标签对；获取源大类样本特征hs和目标小类样本特征并得到采样平衡样本特征集Dbal和生成平衡样本特征集利用所述采样平衡样本特征集Dbal和生成平衡样本特征集训练所述全局分类器f，结合全局特征提取器g，得到本地个性化模型。能够解决全局长尾数据分布下的数据异构问题。
-
公开(公告)号：CN111914107B
公开(公告)日：2022-06-14
申请号：CN202010746717.6
申请日：2020-07-29
Applicant: 厦门大学
Abstract: 一种基于多通道注意力区域扩展的实例检索方法，涉及图像检索技术领域。首先提出多通道注意力区域扩展模块，在网络训练中仅依赖图像类别标签，从多个通道进行注意力区域扩展操作，分别实现对图像中的多个实例进行相对完整的定位。根据定位进行特征提取的过程中，引入多分支联合训练，在提取特征时保留原信息，并进一步获得深层语义信息，增强特征的判别力。不同于已有的技术，只依赖图像类别标签训练卷积神经网络，基于类激活图和注意力区域扩展模块对图像中实例进行定位的同时，提取具有判别性的实例特征用于实例检索。可应用到电商网站的在线购物、视频媒体的智能化检索等现实场景。
-
公开(公告)号：CN112132204B
公开(公告)日：2022-05-24
申请号：CN202010987428.5
申请日：2020-09-18
Applicant: 厦门大学
IPC: G06V10/762 , G06V10/764 , G06K9/62
Abstract: 一种基于偏好概率加权采样的鲁棒模型拟合方法，涉及计算机视觉。A.准备数据集；B.赋予数据集中每个数据点权重，循环执行步骤C‑D，生成模型假设；C.从数据点中以权重采样数据点子集，进行模型更新策略，在数据集中通过随机采样生成初始模型假设，并通过迭代方式更新模型假设，直到满足停止标准停止迭代，通过更新选取得到最佳模型假设并加入模型假设集；D.根据偏好概率公式和模型假设集计算各数据点的偏好概率，通过增大偏好概率在一定阈值区间的数据点权重，增加采样小结构模型实例内点概率，减少大结构模型实例和离群点对采样干扰；E.用模型假设集的残差向量集，构建相似度矩阵，应用谱聚类技术对数据聚类，估计多结构模型实例。
-
Patent Agency Ranking
公开(公告)号：CN112308877B
公开(公告)日：2022-05-17
申请号：CN202011165026.3
申请日：2020-10-27
Applicant: 厦门大学
IPC: G06T7/215 , G06T7/246 , G06V10/762 , G06K9/62
Abstract: 基于异质模型拟合的运动分割方法，涉及计算机视觉技术。首先，使用基于密度估计技术的投票方法，通过对异质模型假设质量的评价，生成高质量的累积相关矩阵。在此基础上，利用信息论构造稀疏亲和矩阵的方法，有效地抑制了不同目标之间的关联值。最后，利用归一化谱聚类算法对融合后的稀疏亲和矩阵进行分割，得到准确的分割结果。解决现有技术存在的真实场景中外界的光照变化、运动物体的表观和遮挡，可能会导致跟踪点包含异常值和噪声等问题。
-
公开(公告)号：CN111862167B
公开(公告)日：2022-05-10
申请号：CN202010705423.9
申请日：2020-07-21
Applicant: 厦门大学
IPC: G06T7/277
Abstract: 一种基于稀疏紧凑相关滤波器的快速鲁棒目标跟踪方法，涉及计算机视觉技术。由目标及其上下文构造基本样本，由基本样本的所有循环平移样本构成训练样本，DCF训练多通道相关滤波器的损失函数；在多任务学习中将排它性稀疏正则项与组稀疏正则项整合构造组内‑组间稀疏正则项，在目标跟踪中引入时间一致性约束缓解DCF随时间退化的问题，引入组内‑组间稀疏正则项以及时间正则项定义回归损失函数，学习稀疏相关滤波器；通道剪枝将冗余的滤波器整体去除，根据重要性程度对D通道滤波器排序，选取排序靠前的通道滤波器进行跟踪；构造拉格朗日函数，采用ADMM算法优化回归损失。有效提高滤波器的判别性以及可解释性，精度高，速度快。
-
公开(公告)号：CN113313736A
公开(公告)日：2021-08-27
申请号：CN202110649381.6
申请日：2021-06-10
Applicant: 厦门大学
IPC: G06T7/246 , G06T7/62 , G06T7/66 , G06T7/73 , G06K9/00 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 统一目标运动感知和重识别网络的在线多目标跟踪方法，涉及计算机视觉技术。A.将当前帧图像与前一帧图像输入到骨干网络，获得两帧图像的特征图；B.将前一帧图像的热力图与步骤A两个特征图送入检测与跟踪分支，得计算当前帧检测结果及目标跟踪偏移量；C.将步骤A两帧图像的特征图送入重识别分支，得嵌入特征向量，存储于重识别特征向量池中；D.根据跟踪偏移量，对步骤B获得的检测结果进行第一次匹配，为已匹配的检测分配对应目标的身份识别；E.对步骤D获得的未匹配检测结果进行第二次匹配，将未匹配检测结果与步骤C获得的嵌入特征向量逐一进行相似性计算，根据设定的阈值，为不同检测结果分配身份识别，即得当前帧最终的跟踪结果。
-
公开(公告)号：CN113239833A
公开(公告)日：2021-08-10
申请号：CN202110551957.5
申请日：2021-05-20
Applicant: 厦门大学
Abstract: 一种基于双分支干扰分离网络的人脸表情识别方法，涉及计算机视觉技术。提供可以处理表情图像中多种干扰因素的一种基于双分支干扰分离网络的人脸表情识别方法。首先设计一个双分支网络来分开学习表情特征和干扰特征，再根据干扰特征的不同类型在干扰分支中设计标签感知子分支和无标签子分支。在标签感知子分支中，利用辅助数据集的标签信息和迁移学习的方式学习常见干扰特征。在无标签子分支中，引入印度自助餐过程理论学习潜在干扰特征。最后，通过对抗学习，进一步分离干扰特征和表情特征，从而获得更有判别力的表情特征进行分类预测，有效地提升表情识别的性能。
-
公开(公告)号：CN110443189B
公开(公告)日：2021-08-03
申请号：CN201910704048.3
申请日：2019-07-31
Applicant: 厦门大学
Abstract: 基于多任务多标签学习卷积神经网络的人脸属性识别方法，涉及计算机视觉技术。首先采用多任务学习，同时学习人脸关键点检测和人脸属性识别两个任务；考虑不同属性的学习难度和学习收敛速度不同，将属性分为主观属性和客观属性，采用动态权重和自适应阈值策略来加快网络的收敛速度和缓解样本不平衡问题；最终根据训练好的网络模型，将主观属性和客观属性子网络的人脸属性识别结果作为最终的人脸属性识别结果。使用动态权重方案和自适应阈值调整，加快网路收敛速度的同时可缓解标签不平衡问题；采用空间金字塔池化的方法训练三个不同的子网络，达到了端到端的训练进行多任务多人脸属性识别。提高人脸属性识别的精度，尤其是难度较大的主观属性。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.031 seconds)
