-
公开(公告)号：CN105654128B
公开(公告)日：2019-04-12
申请号：CN201511019000.7
申请日：2015-12-30
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了基于核范数正则低秩编码的风机叶片图像故障识别方法，该方法首先获取风机叶片故障图像训练样本集，然后利用基于核范数正则的低秩编码方法，获取待识别样本在训练样本集上的线性表示系数，最后通过计算待识别样本在每个类上的表示残差，根据残差计算出待识别样本的类标。本发明方法不但保持了图像的结构信息，同时还将同类样本本身具有的低秩特征融入其中，并利用稀疏特征信息来得到待识别样本的表示系数，提高了识别精度。
-
公开(公告)号：CN109117860B
公开(公告)日：2022-10-25
申请号：CN201810677726.7
申请日：2018-06-27
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于子空间投影和字典学习的图像分类方法，首先通过带标签的训练集样本对判别字典进行初始化，然后使用判别字典预测测试样本的类别标签。选出伪标签具有高可信度的测试集样本，并用其与带标签的训练集样本学习一个低维子空间，在这个低维空间上更新判别字典。利用更新得到的判别字典重新对测试集样本进行分类，比较本轮迭代得到的伪标签和上一轮伪标签，将两轮得到的伪标签属性相同的样本称为稳定样本，如果在一轮迭代结束后稳定样本的数量超过了测试集样本数量的百分之八十，则迭代结束，输出该轮得到的伪标签作为分类的结果。与已有的领域自适应图像分类方法相比，本发明的算法能取得更高的分类准确率。
-
公开(公告)号：CN110458092B
公开(公告)日：2022-08-30
申请号：CN201910733434.5
申请日：2019-08-09
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V40/16 , G06K9/62
Abstract: 一种基于L2正则化梯度约束稀疏表示的人脸识别方法，所述方法包括：获取训练样本集；基于人脸图像梯度恢复约束信息和L2正则化稀疏表示方法，计算待识别样本在所述训练样本集的训练样本上的表示系数；采用所述待识别样本在训练样本上的表示系数，计算所述待识别样本在所述训练样本集的每类训练样本上的残差；将计算得到的最小残差对应的训练样本类别，作为所述待识别样本的类别进行输出。上述的方案，可以提高人脸识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111008575A
公开(公告)日：2020-04-14
申请号：CN201911163739.3
申请日：2019-11-25
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于多尺度上下文信息融合的鲁棒人脸识别方法，包括以下步骤：获取人脸关键点上下文信息；在特定尺度下对关键点图像块集合进行分；对待识别样本进行多尺度集成分类。本发明充分考虑人脸图像不同部位的上下文语义信息差异，提出使用检测到的关键点周围图像块集合来描述人脸图像不同部位的上下文语义信息，并使用多尺度集成方法来降低待识别样本图像块的尺度大小对识别效果的影响，提高了识别精度，为后续人脸识别方法的发展提供帮助。
-
公开(公告)号：CN110175631A
公开(公告)日：2019-08-27
申请号：CN201910352469.4
申请日：2019-04-28
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于共同学习子空间结构和聚类指示矩阵的多视图图像聚类方法，该方法包括如下步骤：S1：获取多视图图像数据；S2：对给定多视图图像数据进行子空间学习，得到多视图子空间表示、连续指示矩阵、离散指示矩阵；S3：对多视图子空间表示、连续指示矩阵、离散指示矩阵进行迭代更新，得到更新后的多视图子空间表示；S4：应用所述S3步骤得到的多视图子空间表示构造邻接矩阵；S5：应用所述S4步骤得到的邻接矩阵，调用谱聚类算法，得到聚类结果。与已有的多视图聚类方法相比，大量的实验结果证明该方法可以显著提高收敛速率和聚类性能。
-
公开(公告)号：CN106056067B
公开(公告)日：2019-04-12
申请号：CN201610364643.3
申请日：2016-05-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无对应关系条件下基于对应关系预测的低分辨率人脸识别算法（CRPFR)：首先是一一对应关系的确定，对高低分辨率图像进行训练，同一幅图像在高分辨率空间中与其他类图像的结构与在低分辨率空间中的结构是相似的，通过比对高低分率图像的特征向量来辨别它们是否具有对应关系；其次，将高低分辨率图像投影到一致的特征空间，在特征空间中采用最近邻分类器进行分类，保持类内聚拢、类间分散的整体结构，根据已经求得的一一对应关系和类别信息控制特征空间的结构，目标是求得能够满足特征空间结构的一对高低投影矩阵。与传统的低分辨率人脸识别算法相比，本发明在无对应关系的条件下取得了更优的效果。
-
公开(公告)号：CN109034182A
公开(公告)日：2018-12-18
申请号：CN201810567969.5
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种基于属性约束的零样本图像识别新方法，本方法利用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于编码器‑解码器模型在已知类别训练样本和待测试未知类别样本上共同学习一个属性预测器达到有效减少语义迁移影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他零样本图像识别方法相比，我们的方法在识别率上取得显著提高。
-
公开(公告)号：CN106056067A
公开(公告)日：2016-10-26
申请号：CN201610364643.3
申请日：2016-05-27
Applicant: 南京邮电大学
CPC classification number: G06K9/00288 , G06K9/6256
Abstract: 本发明公开了一种无对应关系条件下基于对应关系预测的低分辨率人脸识别算法（CRPFR)：首先是一一对应关系的确定，对高低分辨率图像进行训练，同一幅图像在高分辨率空间中与其他类图像的结构与在低分辨率空间中的结构是相似的，通过比对高低分率图像的特征向量来辨别它们是否具有对应关系；其次，将高低分辨率图像投影到一致的特征空间，在特征空间中采用最近邻分类器进行分类，保持类内聚拢、类间分散的整体结构，根据已经求得的一一对应关系和类别信息控制特征空间的结构，目标是求得能够满足特征空间结构的一对高低投影矩阵。与传统的低分辨率人脸识别算法相比，本发明在无对应关系的条件下取得了更优的效果。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
