-
公开(公告)号：CN112528844A
公开(公告)日：2021-03-19
申请号：CN202011439223.X
申请日：2020-12-11
Applicant: 中南大学
Abstract: 本发明公开了一种单视角低分辨率的步态特征提取方法、装置及存储介质，其中方法包括：获取监控图像；对监控图像采用基于插值的超分辨率算法进行处理，得到高分辨率监控图像；对高分辨率监控图像采用Gabor滤波器进行空间局部特征提取，得到步态Gabor特征；基于最大互信息量方法对步态Gabor特征进行降维处理，得到初始步态特征；基于主成分分析法对初始步态特征进行二次降维及降噪处理，得到最终步态特征。本发明利用超分辨率技术进行高分辨率信息的提取，经过Gabor滤波器进行过滤后，再进行两次降维，得到最终步态特征，能够获取到低分辨率、不清晰条件下的空间特征表达，解决在单视角固定摄像机切换到多视角摄像机的空间步态特征表达的问题。
-
公开(公告)号：CN119474019B
公开(公告)日：2025-04-22
申请号：CN202510036163.3
申请日：2025-01-09
Applicant: 中南大学
IPC: G06F16/13 , G06N3/0464 , G06N3/084 , G06F18/241 , G06F18/25
Abstract: 本申请涉及了一种面向流数据的持续哈希学习检索方法和装置，本方法构建了哈希检索模型，哈希检索模型训练过程引入持续学习框架，首先通过残差网络基于自监督学习从无标签的训练流数据中提取出第一特征，卷积神经网络能够利用第一特征快速学习有标签的样本数据，并将学习到的第二特征反馈给残差网络，以巩固残差网络；训练流数据包括实时采集的第一实时流数据和数据库中的预存流数据，这样模型能够在不断学习新的实时流数据同时避免对旧的预存流数据知识的遗忘，而且持续学习框架还与哈希函数有效连接，利用残差网络和卷积神经网络持续学习进而提取的特征指导哈希函数的学习，不断提高生成的哈希码质量，进一步提升检索性能。
-
公开(公告)号：CN119830222A
公开(公告)日：2025-04-15
申请号：CN202510300843.1
申请日：2025-03-14
Applicant: 中南大学
IPC: G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/28
Abstract: 本申请公开了一种基于注意力机制的跨模态哈希检索方法，包括：获取第一多模态数据；将第一多模态数据输入检索与表示学习模型，得到目标融合离散哈希码，目标融合离散哈希码用于对第一多模态数据进行检索；其中，检索与表示学习模型通过以下步骤得到：获取多个训练样本，训练样本包括第二多模态数据和第一融合离散哈希码；基于损失函数，将多个训练样本输入初始检索与表示学习模型进行模型迭代训练，直至损失函数值达到预设的收敛值，得到检索与表示学习模型，其中，初始检索与表示学习模型基于卷积神经网络、词袋模型、Transformer编码器和/或跨模态注意力机制构建。
-
Patent Agency Ranking
公开(公告)号：CN115686868A
公开(公告)日：2023-02-03
申请号：CN202211692053.5
申请日：2022-12-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于联邦哈希学习的面向跨节点多模态检索方法，通过云中心服务器向各边缘节点下发深度哈希模型，并接收各边缘节点训练模型后上传的模型参数，再由云中心服务器对参数进行融合更新后，再下发到各边缘节点继续循环训练直至得到最终模型。训练完成后，云中心服务器根据待检索数据来基于最终模型生成待检索哈希码，然后计算待检索哈希码与存储的哈希码之间的汉明距离，再以距离最小的哈希码对应的原始数据位置信息来提供原始数据检索结果，本发明通过将联邦学习运用到哈希的检索方法中，可以实现多边缘节点数据跨模态的高效检索。
-
公开(公告)号：CN110334290A
公开(公告)日：2019-10-15
申请号：CN201910576241.3
申请日：2019-06-28
Applicant: 中南大学
IPC: G06F16/9537 , G06F16/901
Abstract: 本发明公开了一种基于MF-Octree的时空数据快速检索方法，包括：步骤1，建立以时间为基准的时间轴；步骤2，当接收到新到达的时空数据时，基于Z-order曲线将新到达的时空数据存储于八叉树中；其中八叉树按其存储的时空数据的时间属性，依次位于所述时间轴的相应时间段上；步骤3，当收到查询请求时，依据查询请求的时间属性，在时间轴上找到符合相应时间属性的八叉树根节点；步骤4，计算该根节点所属八叉树中的各节点的关联度排序得分，将其中关联度排序得分值小于预设的关联度排序得分标准值的节点，作为查询结果并输出。本发明可以满足用户对时空数据检索的实时性要求，减少了查询响应时间，有效提高检索系统的用户体验。
-
-
公开(公告)号：CN110334290B
公开(公告)日：2021-12-03
申请号：CN201910576241.3
申请日：2019-06-28
Applicant: 中南大学
IPC: G06F16/9537 , G06F16/901
Abstract: 本发明公开了一种基于MF‑Octree的时空数据快速检索方法，包括：步骤1，建立以时间为基准的时间轴；步骤2，当接收到新到达的时空数据时，基于Z‑order曲线将新到达的时空数据存储于八叉树中；其中八叉树按其存储的时空数据的时间属性，依次位于所述时间轴的相应时间段上；步骤3，当收到查询请求时，依据查询请求的时间属性，在时间轴上找到符合相应时间属性的八叉树根节点；步骤4，计算该根节点所属八叉树中的各节点的关联度排序得分，将其中关联度排序得分值小于预设的关联度排序得分标准值的节点，作为查询结果并输出。本发明可以满足用户对时空数据检索的实时性要求，减少了查询响应时间，有效提高检索系统的用户体验。
-
公开(公告)号：CN112035607A
公开(公告)日：2020-12-04
申请号：CN202010834878.0
申请日：2020-08-19
Applicant: 中南大学
IPC: G06F16/33 , G06F40/258 , G06F40/284 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种于MG-LSTM的引文差异匹配方法、装置及存储介质，其中方法包括：获取待甄别引文和可信引文的标题、作者、出版社元数据；以单词和字符为分割粒度，将待甄别引文和可信引文的标题、作者、出版社元数据分别分割转换为标题嵌入向量对、作者嵌入向量对、出版社嵌入向量对；基于注意力机制分别学习各嵌入向量对的权重，并基于对应权重更新各嵌入向量对；将更新后的各嵌入向量对输入预先训练好的引文差异识别模型中，输出引文差异匹配结果类别。可进行引文细粒度甄别，判断引文存在何种差异类型；通过引入注意力机制能更好的表征待甄别引文与可信引文的各元数据间的相互关系，再结合双向LSTM网络同时保留两个方向的特征信息，确保了甄别精度。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
