-
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。
-
公开(公告)号：CN112183481A
公开(公告)日：2021-01-05
申请号：CN202011182517.9
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: G06K9/00
Abstract: 本发明公开了一种基于结构光摄像头的3D人脸识别方法，其包括以下步骤：以下步骤：通过图像采集装置分别采集待识别个体的3D人脸图像；利用PCL点云库对3D人脸图像进行点云处理，分别得到高精度伪RGB图和低精度伪RGB图；构建人脸识别模型并输入高精度伪RGB图、低精度伪RGB图，提取特征向量Ai作为对比基准和特征向量Bi，通过计算特征向量Bi与特征向量Ai的相似度，判断相似度最高的特征向量Bi与特征向量Ai之间的距离是否大于预定阈值，是则识别成功，否则识别失败；本发明3D人脸图像通过点云处理后在人脸识别模型进行处理分析，充分利用低精度点云与高精度点云之间的特征关联，有效提高了在结构光摄像头进行人脸识别的准确率。
-
公开(公告)号：CN112085747A
公开(公告)日：2020-12-15
申请号：CN202010937149.8
申请日：2020-09-08
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局部关系指导的图像分割方法，包括如下步骤：S1、在卷积神经网络模型中设计两个分支，第一分支为异同判断模块，第二分支保留原有的分割模块；S2、异同判断模块输出得到待分割图像的局部关系图r，并通过已有分割标注信息的变换进行监督；S3、分割模块输出初步分割结果S4、将局部关系图r与初步分割结果融合，通过定义的引导公式进行引导，调整初步分割结果生成最终分割结果p。本发明将像素局部关系信息作用到初步分割结果中，使得像素点的输出能显式利用周围像素点的分类信息和周围像素点与中心像素点的关系信息，克服了现有技术无法有效利用边界信息的缺陷，提高图像分割的准确性，同时有效降低了学习的难度。
-
Patent Agency Ranking
公开(公告)号：CN112085746A
公开(公告)日：2020-12-15
申请号：CN202010937140.7
申请日：2020-09-08
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增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.077 seconds)
