-
公开(公告)号：CN104966075B
公开(公告)日：2018-12-21
申请号：CN201510418913.X
申请日：2015-07-16
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请提供了一种基于二维判别特征的人脸识别方法与系统，通过对人脸训练图像进行判别学习，紧凑局部类内散度和分离局部类间散度，为了有效保持图像像素间的拓扑结构和内在相关性，设计基于矩阵描述的判别特征提取系统，可直接作用于人脸图像，不会破坏图像像素间的拓扑结构和相关性，进而提升系统性能。样本外图像的归纳主要通过将测试样本向系统输出的正交投影进行映射，进而将提取的人脸图像二维特征输入最近邻分类器进行归类，取与测试样本相似性最大或距离最小的训练样本的标签，用于人脸测试图像的类别鉴定，得到最准确的人脸识别结果。此外，本发明通过直接对人脸图像进行特征提取和分类，有效提高了系统效率，系统可拓展性好。
-
Patent Agency Ranking
公开(公告)号：CN104778479B
公开(公告)日：2018-09-11
申请号：CN201510197288.0
申请日：2015-04-23
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稀疏编码提取子的图像分类方法及系统，通过将一个特征描述项集成到现有的判别型标签一致字典学习框架，提出一个统一的“编码+描述+分类”模型框架。模型通过最小化稀疏重构错误、特征描述错误、稀疏编码错误和分类错误，得到判别的稀疏编码，同时输出一个线性的稀疏编码提取子和一个多类分类器。稀疏编码提取子主要通过最小化图像数据之描述和其稀疏编码之间的拟合错误得到。通过计算一个稀疏编码提取子，可快速实现样本外图像数据的分类，无需引入额外的稀疏重构过程，有效提高了图像分类的精准度。分类过程主要通过线性分类器实现，输出测试样本的类别归属概率，取概率的最大值，用于类别鉴定，得到最准确的分类结果。
-
公开(公告)号：CN104933428B
公开(公告)日：2018-05-01
申请号：CN201510437811.2
申请日：2015-07-23
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于张量描述的人脸识别方法及装置,首先对有标签的图像样本和无标签的待分类样本进行相似性学习，构造相似近邻图和归一化的权重，用于表征样本相似性，再人工初始化一个类标签矩阵，为了有效实现样本外人脸图像的直接归纳，本发明将一个可直接归纳样本外图像的基于张量描述的正则化项集成到现有的标签传播模型，最后利用参数权衡相似性度量、初始类别标签和基于矩阵模式的正则化项对人脸识别的影响，完成系统建模，取系统输出中的相似性概率的最大值，用于人脸图像的类别鉴定，得到最准确的系统识别结果。通过引入张量描述的思想，在样本外人脸图像归纳过程中可有效保持图像像素间的拓扑结构，且系统可拓展性好。
-
公开(公告)号：CN104966105A
公开(公告)日：2015-10-07
申请号：CN201510408404.9
申请日：2015-07-13
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6277
Abstract: 本发明公开了一种鲁棒机器错误检索方法与系统，首先利用标签估计方法对训练集数据进行预处理，估计出未标定机器数据的标签，并初始化一个投影分类器。基于训练样本的类别信息，进行标签一致字典学习，利用得到的判别稀疏编码构造标签预测模型中的自适应重构权，通过计算新的投影分类器来更新无标签训练数据的类信息。通过多次迭代训练，输出一个判别的可重构字典，一个稀疏编码矩阵和一个最优多类分类器。训练得到的分类器可用于新来数据的归纳和类别预测，根据软标签中的概率最大值对应的位置，确定测试样本的类别，完成机器错误数据鲁棒分类。通过提出半监督标签一致字典学习方法，丰富了监督的先验信息，有效提高了机器错误检索的精准度。
-
公开(公告)号：CN104966075A
公开(公告)日：2015-10-07
申请号：CN201510418913.X
申请日：2015-07-16
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00288 , G06K9/00268
Abstract: 本申请提供了一种基于二维判别特征的人脸识别方法与系统，通过对人脸训练图像进行判别学习，紧凑局部类内散度和分离局部类间散度，为了有效保持图像像素间的拓扑结构和内在相关性，设计基于矩阵描述的判别特征提取系统，可直接作用于人脸图像，不会破坏图像像素间的拓扑结构和相关性，进而提升系统性能。样本外图像的归纳主要通过将测试样本向系统输出的正交投影进行映射，进而将提取的人脸图像二维特征输入最近邻分类器进行归类，取与测试样本相似性最大或距离最小的训练样本的标签，用于人脸测试图像的类别鉴定，得到最准确的人脸识别结果。此外，本发明通过直接对人脸图像进行特征提取和分类，有效提高了系统效率，系统可拓展性好。
-
公开(公告)号：CN104750875A
公开(公告)日：2015-07-01
申请号：CN201510197408.7
申请日：2015-04-23
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本申请涉及数据挖掘技术领域，特别是涉及一种机器错误数据分类方法及系统。该方法引入标签传播算法作为机器错误数据预处理步骤，利用少量的已标定机器数据的标签，快速估计出未标定数据的标签，组成分类训练集。基于分类训练集中的机器数据及标签，进行标签一致的字典学习，同时最小化重构错误、判别稀疏编码错误和分类错误，得到重构字典、稀疏编码和多类线性分类器，同时保持字典中各项与数据标签间的关系。进而，利用得到的稀疏编码来表征机器数据特征，输入到分类器进行预测，确定测试样本的类别，实现机器数据的错误分类。通过引入高效的半监督数据预处理，增加了已标定机器样本的数量，丰富了先验信息，有效提高了机器数据分类的精准度。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
