-
公开(公告)号：CN114209323A
公开(公告)日：2022-03-22
申请号：CN202210069138.1
申请日：2022-01-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种识别情绪的方法以及基于脑电数据的情绪识别模型，其中，情绪识别模型包括：空间矩阵构造模块，用于根据多个时间片中的每个时间片获得的用户的脑电信号生成第一空间矩阵，得到多个第一空间矩阵；空间特征提取模块，用于对多个第一空间矩阵中每个第一空间矩阵分别利用注意力机制计算每行以及每列的注意力权值，并根据每个第一空间矩阵的每行以及每列的注意力权值获得多个第二空间矩阵；时空特征融合模块，用于提取多个第二空间矩阵间的时序关联特征，根据多个第二空间矩阵以及对应的时序关联特征，得到多个时空表征向量；情绪识别模块，用于根据多个时空表征向量确定用户的情绪。
-
公开(公告)号：CN109086658B
公开(公告)日：2021-06-08
申请号：CN201810589194.1
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于生成对抗网络的传感器数据生成方法，包括：模型构建步骤，以真实数据通过神经网络模型构建生成对抗网络模型，该生成对抗网络模型包括生成器和判别器；模型训练步骤，以对抗博弈机制训练该生成器和该判别器，并进行迭代，直到从该生成器获得的数据满足评价标准；数据生成步骤，以该生成器通过该对抗网络模型生成合成数据。
-
公开(公告)号：CN112073749A
公开(公告)日：2020-12-11
申请号：CN202010788036.6
申请日：2020-08-07
Applicant: 中国科学院计算技术研究所
IPC: H04N21/234 , H04N21/44 , G10L15/26 , G09B21/00
Abstract: 本发明实施例提供了一种手语视频合成方法、手语翻译系统、介质和电子设备，该方法包括：获取待处理文本中各字词对应的视频索引；根据视频索引从视频库中获取各字词对应的真人手语视频片段作为待拼接片段，其中，每个真人手语视频片段的首尾均包括多个冗余手势帧；将获取的待拼接片段按序拼接为用于表示待处理文本的手语视频，其中，在拼接前至少删除相邻的每两个待拼接片段中的部分冗余手势帧以使手语动作连贯；本发明可以从视频库的真人手语视频片段中选取待拼接片段，并将相邻待拼接片段的至少部分冗余手势帧删除后进行自动拼接以形成连贯的手语动作，具有语义表达真实自然、流畅度高、实用性强的优点。
-
公开(公告)号：CN114209323B
公开(公告)日：2024-05-10
申请号：CN202210069138.1
申请日：2022-01-21
Applicant: 中国科学院计算技术研究所
IPC: A61B5/16 , A61B5/369 , A61B5/00 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种识别情绪的方法以及基于脑电数据的情绪识别模型，其中，情绪识别模型包括：空间矩阵构造模块，用于根据多个时间片中的每个时间片获得的用户的脑电信号生成第一空间矩阵，得到多个第一空间矩阵；空间特征提取模块，用于对多个第一空间矩阵中每个第一空间矩阵分别利用注意力机制计算每行以及每列的注意力权值，并根据每个第一空间矩阵的每行以及每列的注意力权值获得多个第二空间矩阵；时空特征融合模块，用于提取多个第二空间矩阵间的时序关联特征，根据多个第二空间矩阵以及对应的时序关联特征，得到多个时空表征向量；情绪识别模块，用于根据多个时空表征向量确定用户的情绪。
-
公开(公告)号：CN117763420A
公开(公告)日：2024-03-26
申请号：CN202311788225.3
申请日：2023-12-25
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G01S13/88 , G01S13/08
Abstract: 本发明提供一种神经网络模型，用于根据雷达人体活动数据识别人体活动，包括：时空信息编码器，用于根据所述雷达人体活动数据同步编码时间信息和空间信息；特征提取模块，用于融合所述时间信息和空间信息以提取人体活动特征；外部注意力模块，用于根据所提取的人体活动特征对人体活动分类。本发明的神经网络模型能有效提高模型的泛化性能，在更复杂的人体活动上也能实现较高的准确率，可以应用于跌倒检测、灾害救援等实际场景中。
-
Patent Agency Ranking
公开(公告)号：CN117708651A
公开(公告)日：2024-03-15
申请号：CN202311694548.6
申请日：2023-12-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 一种基于多专家一致性熵的类不平衡时间序列域自适应系统，包括：随机增强模块，用于对源域/目标域数据进行多种不同类型的随机增强，其中所述源域数据为有标签的时间序列数据，所述目标域数据为无标签的时间序列数据；特征提取模块，用于对增强后的源域/目标域数据进行特征提取；多专家委员会模块，包括多个专家分类子模块，用于对经所述特征提取模块处理后的源域/目标域数据进行分类预测。
-
公开(公告)号：CN112597884B
公开(公告)日：2023-04-28
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
公开(公告)号：CN115712852A
公开(公告)日：2023-02-24
申请号：CN202211446503.2
申请日：2022-11-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种神经网络分类模型的训练方法，模型包括提取样本特征的特征提取器和根据样本特征对样本分类的分类器，该方法包括按以下方式对基于源域的样本及标签训练得到的初始的模型进行一轮或多轮训练：S1、获取训练集，包括源域的样本对和目标域的样本对，任意样本对包括两个样本，每个样本为对人员采集的传感器数据，两个样本所对应的人员和被采集时该人员的行为类别相同；S2、利用训练集对当前的模型进行一次或多次训练，每次训练时基于预定的损失函数更新模型的参数，该损失函数被配置为：惩罚源域的样本的分类偏差、惩罚源域和目标域的样本的样本特征间的边缘分布差异和条件分布差异以及惩罚每个样本对中两个样本对应的时序分布差异。
-
公开(公告)号：CN115690534A
公开(公告)日：2023-02-03
申请号：CN202211315590.8
申请日：2022-10-26
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种图像分类模型的训练方法，所述图像分类模型通过特征提取器提取样本对应的样本特征并通过分类器根据样本特征对样本进行分类，所述方法包括：S1、获取初始的训练集，其包括来自多个源域的样本及指示每个样本所属源域的域属性以及所属类别的标签，其中，所述样本为图像，各源域的标签空间相同，一种标签对应一个子域；S2、利用初始的训练集训练特征提取器提取样本特征，并基于第一损失函数计算的损失值更新特征提取器的参数，所述第一损失函数被配置为基于域属性和标签惩罚不同源域的同一子域的样本对应的样本特征之间的差异；S3、对初始的训练集中的样本进行增强处理以添加所述多个源域之外的增强样本，利用样本及其增强样本对特征提取器和两个分类器进行对抗训练。
-
公开(公告)号：CN112597884A
公开(公告)日：2021-04-02
申请号：CN202011526554.7
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.041 seconds)
