-
公开(公告)号：CN102163286A
公开(公告)日：2011-08-24
申请号：CN201010113826.0
申请日：2010-02-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种色情图像评价方法，该方法包括：图像肤色分割；提取图像整体特征、人体局部部位特征以及人体躯干形状特征三类共31维特征构成特征向量；训练评价模型并对输入图像的色情程度进行评价，输出评价结果。利用本发明，不仅可以判断输入图像是否为色情图像，而且能对图像的色情程度进行评价，并输出0％～100％的评价结果，数值越大表明图像的色情程度越高，便于对色情图像进行分级过滤。
-
公开(公告)号：CN101777060A
公开(公告)日：2010-07-14
申请号：CN200910243729.0
申请日：2009-12-23
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开一种网页视觉质量的自动评价方法及其系统，包括：收集网页样本，每个样本通过人工来进行标记其为视觉质量高的网页样本还是视觉质量低的网页样本，以此建立训练集，利用网页分割算法来对每幅网页进行分割并提取网页布局块与文本块，把每一幅网页转换成一副图像，结合提取的网页布局块和文本块来提取每一幅网页四方面的特征：布局视觉特征、文本视觉特征、传统视觉特征以及视觉复杂度特征；利用得到的网页特征对支持向量机分类器进行训练，得到分类器参数，并对新网页进行评价，判定其视觉质量的高低。本发明可以应用在Web搜索，网页设计以及Web过滤等诸多方面，提高基于Web的应用程序的性能。
-
公开(公告)号：CN101281520A
公开(公告)日：2008-10-08
申请号：CN200710065180.1
申请日：2007-04-05
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开一种基于非监督学习和语义匹配特征的交互式视频检索方法，步骤包括：在视频数据库的视频图像帧层次提取图像底层特征、提取模型匹配序列特征；在图像底层特征的高级语义层次提取语义匹配特征；对提取模型匹配序列特征和语义匹配特征进行非监督学习，建立基于非监督学习的检索和直接检索，通过相关反馈形成交互界面。本发明集成视频的中层特征、高层特征、非监督检索机制和交互机制，构成一套新型完整的视频检索系统，精确的衡量了视频对象的时空序列信息，达到良好的检索效果，发展了对体育视频主题的语义理解，降低了系统的在线计算复杂度和检索时间，最后通过交互界面大幅度提高了系统的检索性能。
-
公开(公告)号：CN100412888C
公开(公告)日：2008-08-20
申请号：CN200610073172.7
申请日：2006-04-10
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于内容的敏感网页识别方法，包括步骤：在给定网页的统一资源定位器的条件下，获取该网页的源码，数据分流和预处理，获取文本信息和有效图像信息；利用连续敏感文本分类器对文本信息处理，如果分类器输出结果为敏感，则处理完毕。否则利用离散敏感文本分类器对文本信息处理，如果分类器输出结果大于事先给定阈值，识别结果为敏感，则处理完毕。否则利用图像分类器对图像识别，识别结果与离散分类器输出结果融合。本发明采用连续敏感文本识别器、离散文本识别器和敏感图像识别器三者结合的方案解决现有技术的问题，本发明利用web结构信息及构造了一个图像集合识别问题来进行信息融合，提高对敏感网页的识别率。
-
公开(公告)号：CN1332357C
公开(公告)日：2007-08-15
申请号：CN200410033540.6
申请日：2004-04-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 一种基于运动肤色分割的敏感视频检测方法，包括步骤：对视频中的运动对象进行分割和边界提取；在被分割对象上进行肤色检测，求出皮肤相对于运动对象的暴露程度；在每一帧计算的基础上对整个视频的敏感性做综合评价。本发明将计算机视觉技术应用于互联网，识别并过滤互联网上的不文明信息，使用户免受不文明信息的毒害。经过国际标准库的测试，本发明达到了较高的识别率。
-
Patent Agency Ranking
公开(公告)号：CN119169045B
公开(公告)日：2025-05-16
申请号：CN202411283206.X
申请日：2024-09-12
Applicant: 中国科学院自动化研究所 , 人民中科(北京)智能技术有限公司
Abstract: 本公开提供一种基于类脑脉冲的光流估计方法、装置、介质和计算机设备。光流估计方法包括：获取事件相机数据和帧相机数据；通过脉冲神经网络从事件相机数据提取第一特征；通过卷积神经网络从帧相机数据提取第二特征；拼接第一特征和第二特征，以获得第三特征并且利用残差网络对第三特征进行转换，以获得转换特征；利用光流细化网络对转换特征、脉冲神经网络的除了输出层之外的至少一层提取的特征和卷积神经网络的除了输出层之外的至少一层提取的特征进行光流细化，以生成光流场。
-
公开(公告)号：CN116824710B
公开(公告)日：2025-04-29
申请号：CN202310587326.8
申请日：2023-05-23
Applicant: 中国科学院自动化研究所 , 人民中科(北京)智能技术有限公司
IPC: G06V40/40 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种伪造人脸鉴别方法、装置、设备和存储介质，将待鉴别图像输入人脸鉴别模型；获取人脸鉴别模型输出的待鉴别图像对应的鉴别结果；其中，人脸鉴别模型用于获取待鉴别图像的面部单元一致性特征，并基于待鉴别图像的面部单元一致性特征确定待鉴别图像对应的鉴别结果；待鉴别图像的面部单元一致性特征用于表征待鉴别图像的各面部单元相关区域之间的相关性；人脸鉴别模型是基于样本图像和样本图像对应的鉴别标签训练得到的，提升了对于未知造假方法合成的图像的鉴别效果。
-
公开(公告)号：CN119722460A
公开(公告)日：2025-03-28
申请号：CN202510183438.6
申请日：2025-02-19
Applicant: 中国科学院自动化研究所
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本公开提供了一种盲图像超分辨率模型的训练方法、盲图像超分辨率方法、电子设备、存储介质和程序产品，盲图像超分辨率模型包括用于确定盲图像的退化特征的退化特征估计器、用于根据退化特征修正盲图像的图像特征的图像特征修正模块、用于基于修正后的图像特征重建高清图像的图像重建模块，训练方法包括：采用基于退化先验约束的对比学习方法，对待训练的退化特征估计器进行第一阶段训练，得到第一退化特征估计器；对包含第一退化特征估计器的盲图像超分辨率模型进行第二阶段训练，得到教师模型；将教师模型作为学习对象，采用蒸馏学习方法进行第三阶段训练，得到最终的盲图像超分辨率模型。该方法可以得到一个低复杂度模型，适用于低算力设备。
-
公开(公告)号：CN119538100A
公开(公告)日：2025-02-28
申请号：CN202510081115.6
申请日：2025-01-17
Applicant: 中国科学院自动化研究所
IPC: G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种基于深度时间对齐梯度增强的神经网络的训练方法及装置。所述训练方法包括：获取输入样本数据；将输入样本数据输入到基于深度时间对齐梯度增强的神经网络模型，得到与输入样本数据的类别对应的预测类别概率数据；根据预测类别概率数据和样本标签数据，调整基于深度时间对齐梯度增强的神经网络模型的各个参数，得到训练后的神经网络模型，其中，基于深度时间对齐梯度增强的神经网络模型包括输入层、K个阶段和输出层，第1个阶段至第K‑1个阶段各自包括基于深度时间对齐梯度增强的卷积网络和辅助分类器网络，并且第K个阶段包括基于深度时间对齐梯度增强的卷积网络，其中，K为大于1的正整数。
-
公开(公告)号：CN119537647A
公开(公告)日：2025-02-28
申请号：CN202510104911.7
申请日：2025-01-23
Applicant: 中国科学院自动化研究所
IPC: G06F16/783 , G06F16/78 , G06F16/75 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于顺序提示和检索增强生成的标签序列生成方法，属于数据处理技术领域，所述方法包括：将目标视频输入至标签序列生成模型中，标签序列生成模型在获取到目标视频的帧特征和文本特征之后，对帧特征和文本特征进行特征融合，得到多模态混合特征；基于多模态混合特征，生成目标视频的顺序提示，顺序提示用于按序提示目标视频的重点关注特征；从多个检索系统中检索到相关视频后，基于相关视频的标签，生成提示语句，相关视频是与目标视频相关的视频；基于多模态混合特征、顺序提示和提示语句，生成目标视频的标签序列并输出。本发明不依赖标签集合，可以有效缓解标签长尾问题，提高标签多样性和相关性。
-
-
-
-
-
-
-
-
-
Search Results
293
records
(took 0.078 seconds)
