-
公开(公告)号：CN103823887B
公开(公告)日：2017-02-15
申请号：CN201410084319.7
申请日：2014-03-10
Applicant: 北京大学
Abstract: 一种基于低秩全局几何一致性检验的错误匹配检测方法：用SIFT及BoF提取并匹配两幅待比较图像中的特征点；计算两幅图像的平方距离矩阵并将之合并；将合并后的平方距离矩阵分解为一个真实匹配对组成的平方距离矩阵A和一个错误匹配造成的差异矩阵E；计算E矩阵各行列元素之和并排序，并计算排序后各和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的对应特征点对判定为错误匹配对；去掉错误匹配对，根据真实匹配点对计算图像间的相似度，根据相似度大小排序输出图像检索结果。本发明简单高效，仅使用特征的坐标作为唯一输入信息，却能够处理造成重复图片差异的相似性变换，可以正确地检测所有错误匹(56)对比文件Junqiang Wang.etc.Strong GeometryConsistency for Large Scale Partial-Duplicate Image Search《.Proceeding ofthe21st ACM International Conference onMultimedia》.2013,633-636.James Philbin.etc.Object retrievalwith large vocabularies and fast spatialmatching《.IEEE Conference on ComputerVision and Pattern Recognition》.2007,1-8.
-
公开(公告)号：CN112990315B
公开(公告)日：2023-10-20
申请号：CN202110288109.X
申请日：2021-03-17
Applicant: 北京大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公布了一种基于偏微分算子的等变3D卷积网络模型的3D形状图像分类方法，利用偏微分算子对卷积核进行参数化建模，对于3D旋转群和各卷积层的特征域求解得到等变卷积核，建立等变3D卷积网络模型PDO‑e3DCNN；PDO‑e3DCNN的输入为3D形状，输出为3D形状的预测分类，用于3D形状分类与识别视觉分析。本发明方法能够有效处理具有方向特征的图片数据，并且往往可以用更少的参数，在数据集上达到更低的3D形状图像分类错误率。
-
公开(公告)号：CN113449817B
公开(公告)日：2023-09-26
申请号：CN202110841105.X
申请日：2021-07-23
Applicant: 北京大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06V10/52 , G06N3/042 , G06N3/084 , G06N5/04
Abstract: 本发明公布了一种基于幻影梯度的图像分类隐式模型加速训练方法，通过定义用于图像分类和特征提取的隐式模型，定义图像分类隐式模型参数的幻影梯度，基于损失函数计算幻影梯度，并基于幻影梯度对图像分类隐式模型进行加速训练，得到训练好的图像分类隐式模型；基于图像分类隐式模型的输出，模型的分类器即可输出预测的图像标签。本发明方法可用于高效训练图像分类与特征提取的深度平衡模型等隐式模型，能够提高模型参数利用率，降低训练图像分类模型的内存开销，可实现训练更大规模的图像分类模型。
-
公开(公告)号：CN113313152B
公开(公告)日：2023-09-22
申请号：CN202110550895.6
申请日：2021-05-19
Applicant: 北京大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/082
Abstract: 本发明公布了一种基于优化诱导的平衡网络模型的图像分类方法，在优化诱导的平衡网络结构中引入跳接结构，构建新的神经网络单元及对应的隐式平衡神经网络，称为深度优化诱导的平衡网络模型；利用改进的序列平均法对深度优化诱导的平衡网络模型进行模型训练；再利用训练好的深度优化诱导的平衡网络模型，对输入的图像进行图像分类。不同于现有用于图像分类的单层平衡神经网络模型方法，本发明的深度优化诱导的平衡网络模型具有更好的表达能力，以更小的可学参数量实现更卓越的性能，能够有效实现图像分类任务。
-
-
Patent Agency Ranking
公开(公告)号：CN114998659A
公开(公告)日：2022-09-02
申请号：CN202210694741.9
申请日：2022-06-17
Applicant: 北京大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公布了一种随时间在线训练脉冲神经网络模型的图像数据分类方法，构建脉冲神经网络模型并设计随时间在线方法训练模型；再利用训练好的模型对图像数据进行分类和识别，有效提升图像数据的分类和识别性能；其中图像数据包括计算机图像数据和神经形态的图像视觉数据。通过本发明提供的方法，可以在训练脉冲神经网络SNN模型时，极大地减小训练内存的开销，将训练得到的模型用于计算机图像数据和神经形态图像视觉数据的分类与识别等视觉任务，能够提高分类与识别性能、降低识别系统的处理延迟，能实现高效节能的图像视觉数据分类与识别系统。
-
公开(公告)号：CN108985457B
公开(公告)日：2021-11-19
申请号：CN201810958553.6
申请日：2018-08-22
Applicant: 北京大学
IPC: G06N3/08
Abstract: 本发明公布了一种受优化算法启发的深度神经网络结构设计方法，对于所有层共享相同的线性和非线性变换的经典前馈网络结构，将该前馈网络中的前向过程等价于使用梯度下降法最小化某个函数F(x)的迭代过程；进一步采用收敛速度更快的重球法和Nesterov加速算法最小化该函数F(x)，由此得到新的性能更好的网络结构；可应用于人工智能、计算机视觉等应用领域。采用本发明技术方案，从优化算法出发设计神经网络结构，能够改进传统的依靠经验、实验尝试搜索的设计方式，得到更高效的神经网络结构，从而节省大量的时间与计算资源。
-
公开(公告)号：CN113313175A
公开(公告)日：2021-08-27
申请号：CN202110610837.8
申请日：2021-05-28
Applicant: 北京大学
Abstract: 本发明公布了一种基于多元激活函数的稀疏正则化神经网络模型的图像分类方法，通过学习多元激活函数进一步学习多元稀疏正则化神经网络模型，即稀疏正则化子或稀疏正则化器，用于高效地进行图像分类。采用本发明的多元激活函数将任意一个已有CNN模型中的激活函数进行正则化，得到一个多元正则化的CNN模型，再用该模型进行图像分类，由此达到用更少的模型参数，且能降低图像分类的错误率。
-
公开(公告)号：CN113313152A
公开(公告)日：2021-08-27
申请号：CN202110550895.6
申请日：2021-05-19
Applicant: 北京大学
Abstract: 本发明公布了一种基于优化诱导的平衡网络模型的图像分类方法，在优化诱导的平衡网络结构中引入跳接结构，构建新的神经网络单元及对应的隐式平衡神经网络，称为深度优化诱导的平衡网络模型；利用改进的序列平均法对深度优化诱导的平衡网络模型进行模型训练；再利用训练好的深度优化诱导的平衡网络模型，对输入的图像进行图像分类。不同于现有用于图像分类的单层平衡神经网络模型方法，本发明的深度优化诱导的平衡网络模型具有更好的表达能力，以更小的可学参数量实现更卓越的性能，能够有效实现图像分类任务。
-
公开(公告)号：CN112990315A
公开(公告)日：2021-06-18
申请号：CN202110288109.X
申请日：2021-03-17
Applicant: 北京大学
Abstract: 本发明公布了一种基于偏微分算子的等变3D卷积网络模型的3D形状图像分类方法，利用偏微分算子对卷积核进行参数化建模，对于3D旋转群和各卷积层的特征域求解得到等变卷积核，建立等变3D卷积网络模型PDO‑e3DCNN；PDO‑e3DCNN的输入为3D形状，输出为3D形状的预测分类，用于3D形状分类与识别视觉分析。本发明方法能够有效处理具有方向特征的图片数据，并且往往可以用更少的参数，在数据集上达到更低的3D形状图像分类错误率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.043 seconds)
