-
公开(公告)号:CN111832402A
公开(公告)日:2020-10-27
申请号:CN202010498493.1
申请日:2020-06-04
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种人脸识别方法及装置,方法包括:从拍照设备中获得多个目标人脸图片,并对多个目标人脸图片的相似度向量处理得到多个相似度向量;分别对各个相似度向量的融合特征处理得到多个融合特征向量,并分别对各个融合特征向量的权重向量计算得到多个权重向量;根据多个权重向量对多个融合特征向量的增强特征计算得到增强特征向量;对增强特征向量的识别分析得到识别结果。本发明降低了由于人脸特征变化较大所带来识别不准确,提高了相似度向量的表达效果,同时,也提高了目标识别算法的鲁棒性和人脸识别系统的识别准确度。
-
公开(公告)号:CN106557743B
公开(公告)日:2020-04-24
申请号:CN201610950454.4
申请日:2016-10-26
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于FECNN的人脸特征提取系统及方法,其系统包括人脸预处理模块对人脸图片进行人脸检测,并对检测到的人脸图像进行裁剪、定位和对齐;FECNN模块搭建进行特征提取的FECNN框架,并进行训练直至FECNN框架收敛,得到FECNN参数模型;特征提取模块将人脸关键点与人脸图像送入FECNN参数模型中提取人脸特征;特征比对模块使用余弦距离对人脸特征进行计算,当距离大于设定阈值t时,判断为同一个人,当距离小于设定阈值t时,判断为不同的人。相对现有技术,本发明使用较少的参数,使网络模型快速收敛,并提取出鲁棒的人脸特征。
-
公开(公告)号:CN106547885B
公开(公告)日:2020-04-10
申请号:CN201610954497.X
申请日:2016-10-27
Applicant: 桂林电子科技大学
IPC: G06F16/35
Abstract: 本发明涉及一种文本分类系统及方法,其系统包括初始化模块读取文本,将文本内的句子进行向量化,生成二维的矩阵向量;第一提取模块对二维的矩阵向量进行卷积以及池化处理,生成多个第一矩阵向量;第二提取模块将多个第一矩阵向量分别与attention矩阵进行点乘,生成多个第二矩阵向量;综合表示模块将每一个矩阵向量进行卷积操作,使每一个第二矩阵向量对应转换成一维向量矩阵;分类模块将多个一维向量矩阵分别输入到Fully Contact Layer中进行处理,并将其输出值输入到softmax分类器中,softmax分类器将矩阵值转换成对应类别的概率分布,对文本进分类。本发明使用较少的参数,使网络模型快速收敛,并提取出文本深度的表示信息,进而提高文本的分类正确率。
-
公开(公告)号:CN110826338A
公开(公告)日:2020-02-21
申请号:CN201911032484.7
申请日:2019-10-28
Applicant: 桂林电子科技大学
IPC: G06F40/30 , G06F40/247 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种单选择门与类间度量的细粒度语义相似识别的方法,涉及自然语言处理技术领域,技术方案为,包括搭建单选择门与类间度量的细粒度语义相似识别网络,通过对语句对进行编码得到上下文向量,再有单选择门对上下文向量进行核心信息挑选,将挑选的语句对核心信息输入匹配层若进行核心内容的匹配,再将输出的向量经融合层变为一个固定长度的向量,通过函数得到语句对的相似度得分,同时计算输出语句对之间的类间损失,将原损失和类间损失进行加权融合,使得学习的特征类间间距更小。本发明的有益效果是:本方案对经LSTM网络向量化的句子对进行核心特征提取,可以除去具有相关性的冗余特征,学习到细粒度级别的区分性特征。
-
公开(公告)号:CN110796074A
公开(公告)日:2020-02-14
申请号:CN201911033476.4
申请日:2019-10-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于时空数据融合的行人再识别方法,涉及模式识别技术领域,技术方案为,构建神经网络模型;提取摄像头拍摄行人图片拍摄的时间信息;然后对该图片进行深度学习获得其中行人的特征;在判断出相似的行人之后根据两张图片的摄像头信息得出两个摄像头的距离,根据该两图片的时间差信息,结合摄像头的距离得到该行人在这段时间内的大致速度作为行人的一个标签;基于该行人的本身的特征以及与该行人速度相近的图片进行联系,最终得到该行人在某段时间内的某个区域中的行动轨迹图进而寻找该行人。本发明通过时间间隔得到的行人速度以及在空间中的有限移动性来界定行人。并且在识别的过程中通过摄像头的位置获得该行人的大致行动路线。
-
公开(公告)号:CN110796072A
公开(公告)日:2020-02-14
申请号:CN201911032470.5
申请日:2019-10-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于双任务学习的目标跟踪及身份识别方法,涉及目标跟踪及识别领域,技术方案为,抓拍人脸及行人图片,同时记录抓拍时间和地点,对两个位置的摄像头拍摄到的图片进行人脸相似度结果识别和行人特征识别;确定两个摄像头获取图片为同一目标行人;将确定为同一目标行人的人脸识别和行人特征识别信息整合为全局特征;结合时空信息确认目标行人的行为模式特征,所述时空信息包括上传至服务器的抓拍时间和地点信息;通过获取的行为模式特征及全局特征进行目标行人识别。本发明的有益效果是:本发明利用多个人脸摄像头抓拍点抓拍人脸及行人图片,缓解了复杂场景下,目标跟踪及身份难以确定的技术挑战,此方法方式更加友好。
-
公开(公告)号:CN110795535A
公开(公告)日:2020-02-14
申请号:CN201911033469.4
申请日:2019-10-28
Applicant: 桂林电子科技大学
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种深度可分离卷积残差块的阅读理解系统及方法,涉及自然语言处理技术领域,技术方案为,包括以下步骤:数据预处理,对数据进行词向量化表示,转化为网络能够识别的数据信息;提取上下文特征信息,采用卷积残差块对输入数据进行编码,获取输入文本上下文的语义信息;提取交互特征信息,采用三线性相似函数获取文本段落和问题间的语义交互信息;推测并输出答案,采用卷积残差快对交互信息进行编码,并输出预测。相对现有技术,本发明能够在确保答案准确性的同时,显著提升模型的训练和推理速率。
-
公开(公告)号:CN110472042A
公开(公告)日:2019-11-19
申请号:CN201910588500.4
申请日:2019-07-02
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种细粒度情感分类系统及方法,其方法包括以下步骤:对输入的句子进行预处理,以查表的方式,映射为低维稠密的词向量;双向LSTM网络对句子的词向量进行特征提取获取句子的语义特征信息 利用句子的语义特征信息 和注意力机制提取目标属性的特征信息 将特征信息与语义特征信息 进行信息融合得到特征信息 对特征信息 进行位置编码得到记忆信息 使用位置信息Lo扩展记忆信息 得网络记忆信息Mk;利用多轮的注意力机制对目标属性的网络记忆信息Mk进行提取网络记忆信息的情感信息;将情感信息映射为概率向量,得到情感预测向量,依据情感预测向量判别出细粒度情感分类结果。相对现有技术,本发明能够改善网络性能,提高细粒度情感分类的准确率。
-
公开(公告)号:CN109614975A
公开(公告)日:2019-04-12
申请号:CN201811258705.8
申请日:2018-10-26
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种图嵌入方法、装置及存储介质,方法包括:读取目标图中图结构数据和节点特征值,构建图结构模型;将图结构模型中的各个节点视为目标节点,根据非均匀邻居节点采样函数采样各目标节点的一阶邻居节点,得到各目标节点的一阶邻域;根据各目标节点的一阶邻域构建各目标节点的二阶邻域,并聚合至目标节点对应的一阶邻域上,并将聚合的二阶邻域的特征输入全连接神经网络中,得到各个目标节点的一阶邻域的新特征;将新特征聚合到对应的各个目标节点上,并将聚合的一阶邻域的新特征输入全连接神经网络中,得到各个目标节点的输出特征。能够灵活而有效地为图中各节点构建邻域,快速的进行特征聚合,从而改善基于图神经网络的图嵌入的效果。
-
公开(公告)号:CN105187785B
公开(公告)日:2018-05-11
申请号:CN201510548173.1
申请日:2015-08-31
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于动态选取显著特征的跨卡口行人识别系统,包括城市卡口视频采集模块、行人检测与跟踪模块、多特征提取模块、特征挖掘模块、显著特征选取模块和行人识别模块;本发明还涉及一种基于动态选取显著特征的跨卡口行人识别方法;本发明的有益效果是:能够动态选取特征信息,不是采用将多种特征直接融合的方式,而是通过对各特征信息进行特征独特程度分析和处理,寻找行人识别分辨力最强的多种特征相融合的方式;解决了单一特征对行人识别不可靠的问题,通过该系统去除行人识别的冗余特征信息,寻找到最大区分行人识别的特征,提高了行人识别的鲁棒性。
-
-
-
-
-
-
-
-
-