-
公开(公告)号：CN110911012A
公开(公告)日：2020-03-24
申请号：CN201911232673.9
申请日：2019-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于效用模型的个性化诊疗方法的确定方法及系统，所述确定方法包括：对历史用户病症特征数据进行预处理，得到用户特征；基于粒子群算法，根据所述历史用户病症数据，构建改善方法的效用矩阵；根据所述效用矩阵及所述用户特征和当前用户的需求，得到针对该当前用户的个性化诊疗方法。本发明通过对多症状特征数据进行降维和归一化处理；并通过粒子群算法构建改善方法效用矩阵；根据效用矩阵、历史用户病症数据得到总效用值，根据历史改善情况调整判断改善效果阈值；根据历史病症情况数据调整决策策略为成本最低时的阈值，从而可有效确定针对该当前用户的个性化诊疗方法。
-
公开(公告)号：CN110135562A
公开(公告)日：2019-08-16
申请号：CN201910360632.1
申请日：2019-04-30
Applicant: 中国科学院自动化研究所 , 国网通用航空有限公司
Abstract: 本发明属于计算机视觉及机器学习领域，具体涉及了一种基于特征空间变化的蒸馏学习方法、系统、装置，旨在解决学生网络无法学习教师网络全局知识的问题。本发明方法包括：按照蒸馏学习教师网络的参数结构构建对应的学生网络；分别选取预设的网络层，计算每一层的特征空间表示以及特定两个层间的跨层特征空间变化矩阵；计算基于特征空间变化的损失函数，根据真实标签计算分类损失函数；通过两个损失函数的加权将教师网络的特征空间变化作为知识迁移到学生网络中。本发明将教师网络层与层之间的特征空间变化刻画为一种新的知识，从而，使得学生网络在学习层与层之间的特征空间变化时，就学习到整个教师网络全局的知识。
-
公开(公告)号：CN109858326A
公开(公告)日：2019-06-07
申请号：CN201811514165.5
申请日：2018-12-11
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于类别语义弱监督的在线视觉跟踪方法及系统，旨在解决如何在复杂的真实场景下能够对运动目标进行精准视觉跟踪的技术问题。为此目的，本发明的基于类别语义弱监督的在线视觉跟踪方法包括：利用分类器获取跟踪视频序列的当前帧图像中跟踪目标的语义类别；利用深度学习网络并根据当前帧图像中跟踪目标的语义类别获取当前帧图像中跟踪目标的第一运动区域；构建联合尺度位移空间；利用预设的跟踪模型获取当前帧图像中跟踪目标的初始跟踪结果；利用第一运动区域修正初始跟踪结果得到跟踪目标在当前帧图像中的准确位置信息。通过上述方法可以提高视觉跟踪的精度和准确度。
-
公开(公告)号：CN109582953A
公开(公告)日：2019-04-05
申请号：CN201811302326.4
申请日：2018-11-02
Applicant: 中国科学院自动化研究所
IPC: G06F17/27 , G06F16/9535
Abstract: 本发明公开了一种资讯的言据支撑评分方法、设备和存储介质。该方法包括：对资讯库中的所有资讯分别进行深度语义向量编码；根据每个所述资讯的深度语义向量，计算所有资讯两两之间的相似度，得到语义相似度矩阵；根据所述语义相似度矩阵，构建语义网络；根据预设的随机游走模型，对所述语义网络中每个节点对应的资讯进行言据支撑评分。本发明的立足点在于评价资讯中观点的可靠性，对资讯进行深度语言向量编码，通过计算资讯两两之间的相似度，构建语义网络，进而可以计算出每个资讯的言据支撑评分，本发明准确性高，并且可以有效降低人力成本。
-
公开(公告)号：CN109558586A
公开(公告)日：2019-04-02
申请号：CN201811302282.5
申请日：2018-11-02
Applicant: 中国科学院自动化研究所
IPC: G06F17/27 , G06F16/9535
Abstract: 本发明公开了一种资讯的言据自证评分方法、设备和存储介质。该方法包括：对资讯库中的所有资讯分别进行深度语义向量编码；根据每个资讯的深度语义向量，计算所有资讯两两之间的相似度，得到语义相似度矩阵；根据语义相似度矩阵，构建语义网络；在语义网络的中心节点对应的资讯中，提取关键词和主题，作为资讯库的关键词和主题；对资讯库的关键词和主题进行深度语义向量编码；分别计算资讯库中每个资讯的深度语义向量和资讯库的深度语义向量之间的相似度，作为资讯库中每个资讯的言据自证评分。本发明依靠待评价资讯自身提供的证据来评价资讯的可靠性，可以有效降低资讯可靠性识别的人力成本，提高资讯可靠性识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109241829A
公开(公告)日：2019-01-18
申请号：CN201810824370.5
申请日：2018-07-25
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00342 , G06K9/00724 , G06N3/0454
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于时空注意卷积神经网络的行为识别方法及装置，旨在解决如何准确识别视频中目标行为的技术问题。本发明提供的行为识别方法包括：将待测视频等间隔地分割为多个视频段；基于预先构建的空间注意网络提取每个视频段的光流特征，根据每个视频段的光流特征获取每个视频段的运动显著区域并且根据运动显著区域生成空间运动显著性映射图；基于预先构建的视频分类网络并且根据多个预设的行为类别、每个视频段以及相应的空间运动显著性映射图预测每个视频段对应的行为类别；按可信度降序选取前N个视频段的预测结果的加权平均值作为待测视频的行为识别结果。本发明能够有效提升行为识别的效果。
-
公开(公告)号：CN103839076B
公开(公告)日：2017-05-10
申请号：CN201410064935.6
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于光照特征的网络敏感图像识别方法，该方法包括以下步骤：收集网络图像样本集；提取每个网络图像样本的光照特征和敏感特征，得到网络图像光照特征集和网络图像敏感特征集；对每个网络图像样本进行人工标注标签；对网络图像光照特征集进行聚类，并根据网络图像光照特征集与网络图像敏感特征集的一一对应关系，将网络图像敏感特征集分成多个网络图像敏感特征子集；针对每个网络图像敏感特征子集，基于属于该网络图像敏感特征子集的敏感特征和相应网络图像样本的标签，得到对应于该网络图像敏感特征子集的图像分类器；使用图像分类器对待分类网络图像进行分类。本发明可以应用在互联网敏感图像过滤，以维护互联网的内容安全。
-
公开(公告)号：CN103336957B
公开(公告)日：2016-12-28
申请号：CN201310303194.8
申请日：2013-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于时空特征的网络同源视频检测方法，该方法包括以下步骤：步骤1：对输入的待检测视频进行预处理，从而去除低信息帧或异常帧，并进行图中图检测；步骤2：将至少一个参考视频与预处理后的待检测视频进行视频片段分割，得到一系列的视频片段，每个视频片段由相等数目的连续帧组成；步骤3：分别对上述所有的视频片段提取时空特征数据；步骤4：采用局部敏感哈希方法对上述得到的时空特征数据进行有效索引以及搜索，从而匹配得到相似视频片段，并输出最终同源视频的信息。
-
公开(公告)号：CN103077535B
公开(公告)日：2015-09-30
申请号：CN201210592986.7
申请日：2012-12-31
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开了一种基于多任务联合稀疏表示的跟踪方法，包括以下步骤：在跟踪开始时，分别对需要跟踪的目标的不同特征，构建不同的模板集合；每个特征的模板集合用一个稀疏表示的任务来建模，构建基于局部稀疏图的多任务联合稀疏表示模型；采用近似的加速近邻梯度算法迭代求解多任务模型；使用方差比来选择不同任务的权重；构建基于多任务联合稀疏表示的表观模型，采用粒子滤波算法估计目标最优状态作为跟踪结果。
-
公开(公告)号：CN102521382B
公开(公告)日：2015-04-22
申请号：CN201110433394.6
申请日：2011-12-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种对视频词典进行压缩的方法，包括步骤：S1：基于已经得到的视觉词典或称旧词典，计算训练集中每个特征的稀疏表示。S2：根据稀疏表示计算旧词典中每个单词的权重。S3：根据词典中单词的权重，产生新的视觉词典或称新词典。本发明使用稀疏表示学习单词权重的方法压缩视频词典，压缩了词典的规模，提高了后续识别工作的速度，同时增强了特征描述的鲁棒性，保证了后续识别工作的效果。本发明可以用来压缩计算机视频领域中常见的视频词典，可以在缩减词典规模的同时，保证后续工作的效果。
-
-
-
-
-
-
-
-
-
Search Results
293
records
(took 0.069 seconds)
