-
公开(公告)号：CN110991621A
公开(公告)日：2020-04-10
申请号：CN201911282344.5
申请日：2019-12-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于通道数搜索卷积神经网络的方法，包括：构建与待优化卷积神经网络的卷积层层数相同的初始卷积神经网络，并将该初始卷积神经网络每层的初始通道数设为相同数值并使初始卷积神经网络的初始通道数不超过待优化卷积神经网络的最小通道数，训练该初始卷积神经网络至收敛；对初始卷积神经网络进行多次突变以得到多个突变卷积神经网络，其中，单次突变是从预设的增量函数中随机选择一个增量函数对该次突变中的卷积神经网络的卷积层通道数进行增量变换后训练至收敛得到一个突变卷积神经网络；从多个突变卷积神经网络中选择图像分类准确率最高的突变卷积神经网络作为搜索结果。本发明可以从一个初始小规模网络，在控制网络参数量的同时迅速搜索产生性能较高的卷积神经网络，并大大减少训练消耗。
-
公开(公告)号：CN112184743B
公开(公告)日：2024-07-23
申请号：CN202011182514.5
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种乳腺钼靶图像中胸肌和乳头区域的分割预标注方法，包括如下步骤：S1、提取乳腺主体图；S2、定位斜侧位胸肌分割线；S3、定位双视图的乳头区域；S4、生成胸肌和乳头的区块标注信息；S5、检验修正。本发明在原始乳腺钼靶图像的基础上，快速大批量地自动生成乳腺钼靶图像中胸肌区域和乳头区域的高质量预标注分割信息，解决了目前存在的标注效率低下、分割标准差异大的问题，降低了对后续人工的要求，使得标注效率大幅度提高，从而产生适合于语义分割神经网络的高质量的训练数据集。
-
公开(公告)号：CN113255550A
公开(公告)日：2021-08-13
申请号：CN202110623005.X
申请日：2021-06-04
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于视频的行人垃圾扔投次数统计方法，包括以下步骤，步骤一：将视频流数据拆分成一系列单帧图片，后续步骤在图片上进行；步骤二：对人体姿态进行评估，确定人体骨架的关键点；步骤三：训练垃圾桶位置检测网络；步骤四：训练垃圾桶开合状态的分类网络；步骤五：根据人体手部的位置坐标、垃圾桶位置区域坐标和垃圾桶开合状况，判断扔投状态；步骤六：依据连续帧扔投转态的变化进行投放统计判断。本发明所述的一种基于视频的行人垃圾扔投次数统计方法，采用视频识别的方法，通过对视频数据的转换，综合各种图像视频检测技术，对垃圾扔投进行统计，在垃圾管理领域，相较于使用硬件方式统计，无需增加特定硬件，灵活方便成本低。
-
公开(公告)号：CN112308139A
公开(公告)日：2021-02-02
申请号：CN202011186817.4
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06K9/62 , G06F16/532 , G06F16/583
Abstract: 本发明公开了一种基于主动学习的样本标注方法，包括如下步骤：S1、从样本池中随机小样本抽样并标注，得到初始标注样本；S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来；S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集。本发明采用计算特征距离及图片检索的方式快速抽取样本池中的负样本，在保持模型精度的前提下，大幅度降低标注时间，节约成本，利于工业智能算法的多产线推广。
-
公开(公告)号：CN112199491A
公开(公告)日：2021-01-08
申请号：CN202011099237.1
申请日：2020-10-14
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F16/335 , G06F40/30 , G06F16/36
Abstract: 本发明公开了一种基于BERT与先验知识特征的关系五元组抽取方法，包括如下步骤：预处理；提取语义特征向量；融合拼接；s抽取阶段；p、o抽取阶段；t、l抽取阶段；最终得到关系五元组的特征向量h+pre+s+p+o+t+l。本发明利用BERT模型与先验知识特征融合的方法抽取文本的关系五元组，利用概率图结合指针结构，解决了一种关系对应多个实体以及实体重叠的问题。
-
Patent Agency Ranking
公开(公告)号：CN111242235A
公开(公告)日：2020-06-05
申请号：CN202010059647.7
申请日：2020-01-19
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06K9/62
Abstract: 本发明公开了一种相似特征测试数据集生成方法，包括：S1、选取多个不同的初始评价网络，再分别对所述初始评价网络进行训练，得到多个应用评价网络；S2、获取与目标数据集格式相同的样本数据集；S3、通过数据校正模型删减样本数据集中数据的个数，得到生成数据集；S4、使用每个所述应用评价网络比较S3中的生成数据集和目标数据集，计算得到偏差比；S5、若所述偏差比在预设的阈值范围内，将S3中的生成数据集作为测试数据集；若所述偏差比不在预设的阈值范围内，在S3中的生成数据集中增加数据，将增加数据后的生成数据集作为新的样本数据集，再重复执行S3至S4，直至偏差比在预设的阈值范围内，并将最后一次的生成数据集作为测试数据集。
-
公开(公告)号：CN113222020A
公开(公告)日：2021-08-06
申请号：CN202110521364.4
申请日：2021-05-13
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于数据转换和知识蒸馏的域增量学习方法，该方法用旧模型识别新数据，将其划分成公有数据和私有数据两部分，然后采用迁移学习将私有数据转换成公有数据，最后对公有数据和私有数据采用不同的损失优化训练模型。本发明所述的一种基于数据转换和知识蒸馏的域增量学习方法，通过对于旧模型无法正确识别的私有数据，采用交叉熵损失计算，能够学习新的知识；通过对旧模型可以正确识别的公有数据和转换数据，采用蒸馏损失计算，用旧模型指导新模型的学习，能够对旧知识进行记忆；通过两种损失优化训练模型，能够实现新旧任务的性能平衡；本方法无需存储旧数据，减小了数据储存的开销。
-
公开(公告)号：CN113205058A
公开(公告)日：2021-08-03
申请号：CN202110536364.1
申请日：2021-05-18
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种防止非活体攻击的人脸识别方法，包括以下步骤：步骤一：训练2D人脸识别模型和3D人脸识别模型；步骤二：对人脸进行录入；步骤三：对人脸进行识别，在对人脸进行识别时，通过测温热成像模块判定检测人脸是真实人脸还是立体模型人脸，并结合2D与3D人脸识别模型进行联合判断。本发明所述的一种防止非活体攻击的人脸识别方法，区别于传统的2D人脸识别，新加入的3D人脸识别模型可基于深度信息提取不同人脸的曲面特征，可在2D人脸识别基础上对抗照片、视频等平面攻击，且该3D人脸识别模型区别于一般的3D防伪或人脸验证模型，可以独立识别不同人脸，具备人脸识别功能。
-
公开(公告)号：CN112308865A
公开(公告)日：2021-02-02
申请号：CN202011182532.3
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种融合UNet模型与解剖学特征的乳腺钼靶图像分割方法，包括如下步骤：S1、生成掩码图；S2、训练UNet模型；S3、预分割；S4、预分割胸肌区域后处理；S5、预分割乳头区域后处理。本发明融合了语义分割模型UNet和解剖学特征，引入了损失函数Lovasz‑Softmax Loss，并根据解剖学特征对UNet模型的预分割结果进行后处理，得到适应于各种复杂乳腺情况的乳腺钼靶胸肌、乳头定位算法，解决了现实复杂情况下乳腺钼靶图的胸肌区域和乳头区域定位的稳定性问题。
-
公开(公告)号：CN112184743A
公开(公告)日：2021-01-05
申请号：CN202011182514.5
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种乳腺钼靶图像中胸肌和乳头区域的分割预标注方法，包括如下步骤：S1、提取乳腺主体图；S2、定位斜侧位胸肌分割线；S3、定位双视图的乳头区域；S4、生成胸肌和乳头的区块标注信息；S5、检验修正。本发明在原始乳腺钼靶图像的基础上，快速大批量地自动生成乳腺钼靶图像中胸肌区域和乳头区域的高质量预标注分割信息，解决了目前存在的标注效率低下、分割标准差异大的问题，降低了对后续人工的要求，使得标注效率大幅度提高，从而产生适合于语义分割神经网络的高质量的训练数据集。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.034 seconds)
