一种基于深度激活显著区域的实例检索方法

    公开(公告)号:CN111914110A

    公开(公告)日:2020-11-10

    申请号:CN202010745156.8

    申请日:2020-07-29

    Applicant: 厦门大学

    Abstract: 一种基于深度激活显著区域的实例检索方法,涉及视觉实例检索。1)模型设计:模型包括前向传播模块、模式定位模块和特征提取模块;2)对于给定的图像数据库,数据库中每张图片都作为模型的输入,提取输出的实例定位结果和对应的实例级特征;3)对于每个查询图片,将其作为深度模式挖掘模块的前向传播部分的输入,进行区域性实例特征的提取,将该实例特征与模型在数据库图片上提取出的所有实例级特征进行相似度对比,每张数据库图片中相似度最高区域即为该图上实例检索的结果,该区域对应的相似度即为这张图片的相似度,数据库所有图片按照相似度从高到低依次排列,得到整个数据库的实例检索的结果。可应用于视频媒体的智能化检索、视频编辑。

    一种用于运维数据的无监督异常检测和鲁棒趋势预测方法

    公开(公告)号:CN111913849A

    公开(公告)日:2020-11-10

    申请号:CN202010746722.7

    申请日:2020-07-29

    Applicant: 厦门大学

    Abstract: 一种用于运维数据的无监督异常检测和鲁棒趋势预测方法,涉及计算机系统异常检测技术和趋势预测技术。1)模型设计:变分自编码器作为异常检测模块,为模型的前半部分;长短时记忆网络作为趋势预测模块,为模型的后半部分;2)原始运维时序数据经历数据补全,归一化处理,以及采用滑动窗口将数据分割成固定长度的时序段输入到模型;3)采用变分自编码器重构输入的时序段,从而分离出异常点,达到异常检测的目的;4)将自编码器重构的时序段输入到趋势预测模块,预测下一时刻的状态值。减少时间序列中原有的异常和噪声对长短时记忆网络的影响,提高长短时记忆网络的鲁棒性;提高性能的同时又减少性能在不同数据之间的波动。

    基于着色脉冲神经膜系统的先验设计时间工作流建模方法

    公开(公告)号:CN109636193A

    公开(公告)日:2019-04-16

    申请号:CN201811532359.8

    申请日:2018-12-14

    Applicant: 厦门大学

    CPC classification number: G06Q10/067 G06N3/049 G06Q10/103

    Abstract: 基于着色脉冲神经膜系统的先验设计时间工作流建模方法,涉及先验设计时间多实例工作流模式。确定先验设计时间多实例工作流模式中需要的着色脉冲种类;根据先验设计时间多实例工作流模式进行规则的设计;建立先验设计时间多实例工作流模式的着色脉冲神经膜系统。将先验设计时间多实例工作流模式和脉冲神经膜系统相结合,充分利用脉冲神经膜系统易于建模的特点,利用着色脉冲神经膜系统,针对不同的活动设计相应的着色脉冲,对先验设计时间多实例工作流中的每一个工作节点进行仿真模拟并设计脉冲规则,从而形象地对先验设计时间多实例工作流模式进行了建模,整个模型通俗易懂,逻辑表达清楚。

    一种基于图像区域内聚测度的目标发现方法

    公开(公告)号:CN105868789A

    公开(公告)日:2016-08-17

    申请号:CN201610212736.4

    申请日:2016-04-07

    Applicant: 厦门大学

    CPC classification number: G06K9/6218

    Abstract: 一种基于图像区域内聚测度的目标发现方法,涉及计算机视觉技术。提供可快速给出少量的目标建议窗口,使得目标建议窗口内尽可能包含目标的一种基于图像区域内聚测度的目标发现方法。同时解决目标检测和显著性检测问题。提出的图像区域内聚测度的方法还被应用于显著性检测,显著性检测也被作为计算机视觉任务的一项基本任务并广泛被应用于其他计算机视觉任务。

Patent Agency Ranking