-
公开(公告)号：CN112861933A
公开(公告)日：2021-05-28
申请号：CN202110088772.5
申请日：2021-01-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种深度神经网络模型可视化解释方法及系统。该方法包括：给定待解释的输入图片，利用变分自编码器生成合成图片；通过深度神经网络模型对合成图片打标签，依据合成图片的标签是否变化将合成图片分为两类，得到合成标签，从而得到合成数据集；在合成数据集上训练可解释模型，将深度神经网络模型的知识蒸馏到可解释模型中；根据训练好的可解释模型，建立输入图片和深度神经网络模型的预测结果的对应关系，进而得到一张显著图，从而实现对深度神经网络决策结果的解释。本发明能够提高深度神经网络模型的可解释性，使模型透明化，使用户更好地理解深度神经网络的决策过程，从而促进模型的实际部署，推动人工智能领域研究的发展。
-
公开(公告)号：CN110070183A
公开(公告)日：2019-07-30
申请号：CN201910181274.8
申请日：2019-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06N3/08
Abstract: 本发明涉及一种弱标注数据的神经网络模型训练方法及装置。该方法的步骤包括：1)通过特征流深度神经网络从输入的特征中学习标签预测，并输出目标标签的预测结果；2)通过标签流深度神经网络从输入的多视角弱标签中学习标签预测，并输出目标标签的预测结果；3)采用广义的交叉熵损失定义标签的一致性，通过联合地训练所述特征流深度神经网络和所述标签流深度神经网络，对目标标签的预测结果进行优化。本发明采用特征与标签两路学习标签预测，通过双流协同统一融合了模型和知识，同时考虑了弱特征和弱标签，创新性地构建了模型协同优化策略，利用彼此的知识交叉验证引导模型优化。
-
公开(公告)号：CN109359210A
公开(公告)日：2019-02-19
申请号：CN201810903319.3
申请日：2018-08-09
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
IPC: G06F16/583 , G06F21/60 , G06Q50/00
Abstract: 本发明涉及一种双盲隐私保护的人脸检索方法与系统。该方法包括：1)客户端检测包含可疑失踪人员的图像或者包含真正失踪人员的图像，得到人脸图像；2)客户端对检测到的人脸图像进行特征提取，得到人脸表征向量；3)客户端对人脸图像和提取得到人脸表征向量进行加密并上传到云服务器；云服务器利用人脸表征向量对可疑失踪人员的人脸图像信息与真正失踪人员的人脸图像信息在加密域上进行匹配，得到匹配结果，并将匹配结果解密成人脸图像；4)客户端接收云服务器发来的根据匹配结果解密得到的人脸图像，确认是否是真正的失踪人员。本发明具有良好的隐私保护性、较高的精度以及处理速度，能够提供行之有效的失踪人员尤其是失踪儿童的找回方案。
-
公开(公告)号：CN109063565A
公开(公告)日：2018-12-21
申请号：CN201810698280.6
申请日：2018-06-29
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
CPC classification number: G06K9/00268 , G06K9/66 , G06N3/0454
Abstract: 本发明提供一种低分辨率人脸识别方法及装置，针对低分辨率下的人脸识别问题，尤其是自然环境下的低分辨率人脸识别问题，采用双流深度学习网络结构，通过选择性知识蒸馏训练高效的低分辨率人脸识别网络，实现低分辨率人脸识别，具有接近高分辨率人脸识别模型的精度，速度、内存上则具有极大的优势。
-
公开(公告)号：CN107066943A
公开(公告)日：2017-08-18
申请号：CN201710127367.3
申请日：2017-03-06
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本发明公开了一种人脸检测方法及装置。本发明的方法为：1)从待处理的图像中检测出候选人脸，并提取该候选人脸的候选特征；2)将每一所述候选特征在预先构建的传统外部特征空间或近似外部特征空间进行投影变换，得到对应的传统或近似嵌入特征；其中，该近似外部特征空间是从参考人脸特征字典和非人脸特征字典中选择具有代表性的特征组成的字典；3)对所述嵌入特征进行验证，判别出所述嵌入特征对应的候选人脸是否为人脸。本发明的人脸检测装置包括候选模块、嵌入模块和验证模块。本发明能够得到精度更高的人脸检测性能；对有遮挡情况下，也具备良好的人脸检测能力。
-
Patent Agency Ranking
公开(公告)号：CN104850832A
公开(公告)日：2015-08-19
申请号：CN201510226393.2
申请日：2015-05-06
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00
CPC classification number: G06K9/00718
Abstract: 本发明涉及一种基于分级迭代的大规模图像样本标注方法及系统，所述方法包括：利用半自动软件工具标注原始数据集中的目标；对已标注的原始数据集进行粗采集，得到正样本集和负样本集；利用正样本集和负样本集进行训练，得到目标检测器；利用目标检测器对原始数据集进行精采集，更新正样本集和负样本集；判断正样本集中的样本数量是否达到预设数量或检测器性能是否达到预设标准，如果未达到，利用更新的正样本集和负样本集重新训练目标检测器，迭代精采集过程，否则结束迭代。本发明利用软件工具使得标注工作更快速更高效，整个过程不但提高了标注和采集的速度，节省了人力成本，通过粗采集和精采集的结合提高了样本的精确性。
-
公开(公告)号：CN104123732A
公开(公告)日：2014-10-29
申请号：CN201410332199.8
申请日：2014-07-14
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于多摄像头的在线目标跟踪方法及系统，本发明结合预设定的校准同步方案与自学习的跟踪方法来解决多摄像头之间的协同性问题和实时性问题，提出相应的方法。本发明提出的校准同步方案采用特征点匹配的目标投影矩阵计算方式，对重叠区域的多个摄像头共有信息进行同步；本发明提出的自学习跟踪方法记录监控目标的表现模型，并通过中心服务器同步到近邻摄像头进行检测跟踪，达到传导性的信息同步效果。
-
公开(公告)号：CN112163488B
公开(公告)日：2023-12-29
申请号：CN202010994947.4
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维压缩卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中的每一最大池化层前，分别增加一层卷积核大小为1*1*1且通道数为n的三维卷积层，得到三维压缩卷积神经网络，n为自定义参数。本发明创新性地提出三维模型压缩模块，通过在池化层前引入1*1*1大小卷积核的卷积层，降低了模型的负责度与体积，使之更适于实际使用与部署。
-
-
公开(公告)号：CN109063565B
公开(公告)日：2021-12-10
申请号：CN201810698280.6
申请日：2018-06-29
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本发明提供一种低分辨率人脸识别方法及装置，针对低分辨率下的人脸识别问题，尤其是自然环境下的低分辨率人脸识别问题，采用双流深度学习网络结构，通过选择性知识蒸馏训练高效的低分辨率人脸识别网络，实现低分辨率人脸识别，具有接近高分辨率人脸识别模型的精度，速度、内存上则具有极大的优势。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.026 seconds)
