-
公开(公告)号：CN111658246B
公开(公告)日：2021-11-30
申请号：CN202010425034.0
申请日：2020-05-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于对称性的智能关节假肢调控方法及系统，包括：通过传感器获取残肢运动信息，以及与残肢对称的健肢运动信息，根据残肢运动信息和健肢运动信息，分别得到残肢运动轨迹和健肢运动轨迹，基于残肢运动轨迹和健肢运动轨迹，计算残肢和健肢间的对称性因子；根据健肢上个行走周期对应的健肢运动轨迹，得到残肢目标姿态，根据残肢运动轨迹计算残肢的当前姿态，通过将当前姿态与目标姿态输入控制模型，得到位于残肢的假肢关节电机的控制参数，使用控制参数调控假肢的关节运作。本发明使用对称性作为优化目标，进行智能假肢控制参数调节，从而不需对地形进行预先识别。
-
公开(公告)号：CN111766941B
公开(公告)日：2021-11-09
申请号：CN202010411317.X
申请日：2020-05-15
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01
Abstract: 本发明提出一种基于智能戒指的手势识别方法，包括：将智能戒指佩戴于使用者的手指，且将该使用者佩戴该智能戒指的手作为佩戴手，将该佩戴手对应的未佩戴该智能戒指的手作为非佩戴手；通过该智能戒指的运动传感器，采集该佩戴手的运动数据，通过该智能戒指的摄像头，采集该非佩戴手的图像数据；通过该智能戒指的微处理器分别分析该运动数据和该图像数据，得到该佩戴手和该非佩戴手的手势信息。本发明在单个戒指中集成运动传感器和摄像头，无需用户佩戴多个设备，既可以达到识别双手手势的目的，减轻用户负担，拓展了交互渠道。
-
公开(公告)号：CN113571153A
公开(公告)日：2021-10-29
申请号：CN202110953220.6
申请日：2021-08-19
Applicant: 中国科学院计算技术研究所 , 中国残疾人辅助器具中心
Abstract: 本发明提出一种面向脑瘫患者肢体康复的被动式训练感知系统及其客户端，包括显示模块，用于向患者展示包含卡通人物的训练任务；采集模块，用于获取患者执行该训练任务时的肢体运动信息和肌电信息，并将该运动信息和该肌电信息传输至该处理模块；处理模块，用于根据该运动信息构建患者的肢体运动模型，且该肢体运动模型与该卡通人物的行为联动，根据该肌电信息，得到患者肌肉的力度状态，结合该肢体运动模型和该力度状态，得到患者执行该训练任务的完成度，并根据该完成度对该训练任务的时长和难度进行动态调整。本发明具有覆盖了运动功能的多方面因素的训练任务，使得本系统具有训练患者多维度运动的能力。
-
公开(公告)号：CN107688822B
公开(公告)日：2021-07-20
申请号：CN201710585350.2
申请日：2017-07-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度学习的新增类别识别方法，包括以下步骤：将预测样本输入到深度网络获得预测样本的输出向量；计算所述预测样本的输出向量，与训练样本中每种类别的代表向量之间的相似度值，从而识别所述预测样本的类别；其中，所述训练样本中每种类别的代表向量是通过将所述训练样本集输入到深度网络获得输出向量集，并根据所述训练样本的输出向量集计算得出的。
-
公开(公告)号：CN113128701A
公开(公告)日：2021-07-16
申请号：CN202110371288.3
申请日：2021-04-07
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00
Abstract: 本申请提供了面向样本稀疏性的联邦学习方法及系统，包括由各个边缘设备在基于本地数据对全局模型训练后将得到的模型参数以及训练用的特征向量上传至云端服务器；由云端服务器将从各边缘设备收到的特征向量形成多模态特征联合表示并对来自各个边缘设备的模型参数进行聚合；由云端服务器利用多模态特征联合表示对经聚合后的全局模型进行训练并将训练后的模型参数和多模态特征联合表示下发至各个边缘设备；以及由每个边缘设备对从云端服务器收到的全局模型进行迁移学习以得到相应的本地模型。该方案有效联合多个不同模态数据的参与方进行模型的协同训练，在兼顾用户隐私的同时改善了模型精度。
-
Patent Agency Ranking
公开(公告)号：CN112908466A
公开(公告)日：2021-06-04
申请号：CN202110041814.X
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于迁移学习的阿尔兹海默病智能决策支持方法和系统，包括通过拍照设备设备，采集患者眼底图像数据，同时利用辅助设备采集患者辅助生理数据，并进行补齐、归一化、滤波等预处理；对图片数据提取图像特征，对辅助序列数据，提取特征，并对不同传感器特征数据进行归一化与拼接；在传播方案获取与标签传播阶段，通过广义条件梯度下降算法对针对融合距离的目标函数进行优化，通过IBP算法获取梯度方向，通过线搜索获取步长，依次迭代直至收敛，根据获取的传播方案，将源域中已有的标定通过传播方案扩散至目标域未标定样本。从而获得更准确的目标域数据标定。
-
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：CN112597884A
公开(公告)日：2021-04-02
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
公开(公告)号：CN109862356B
公开(公告)日：2020-11-10
申请号：CN201910044197.1
申请日：2019-01-17
Applicant: 中国科学院计算技术研究所
IPC: H04N19/122 , H04N19/167 , H04N19/176 , H04N21/2343 , H04N21/4402
Abstract: 本发明涉及一种基于感兴趣区域的视频编码方法和系统，包括：依序提取原始图像序列中的帧间预测编码帧作为当前帧；获取当前帧的前一参考帧，判断当前帧的非感兴趣区域对应参考帧中区域是否为感兴趣区域，若是，则将当前帧的非感兴趣区域中与参考帧的感兴趣区域相对应的区域置为感兴趣区域，否则维持当前帧的区域划分；对当前帧的非感兴趣区域，使用参考帧的重构帧进行替代，提取原始图像序列中当前帧之后的帧间预测编码帧，再次作为当前帧；将预处理图像和宏块级量化参数输入至视频编码器，以完成对原始图像序列的视频编码。本发明具有适用范围广和重点区域重点保护的技术特点。
-
公开(公告)号：CN111766941A
公开(公告)日：2020-10-13
申请号：CN202010411317.X
申请日：2020-05-15
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01
Abstract: 本发明提出一种基于智能戒指的手势识别方法，包括：将智能戒指佩戴于使用者的手指，且将该使用者佩戴该智能戒指的手作为佩戴手，将该佩戴手对应的未佩戴该智能戒指的手作为非佩戴手；通过该智能戒指的运动传感器，采集该佩戴手的运动数据，通过该智能戒指的摄像头，采集该非佩戴手的图像数据；通过该智能戒指的微处理器分别分析该运动数据和该图像数据，得到该佩戴手和该非佩戴手的手势信息。本发明在单个戒指中集成运动传感器和摄像头，无需用户佩戴多个设备，既可以达到识别双手手势的目的，减轻用户负担，拓展了交互渠道。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.046 seconds)
