-
公开(公告)号：CN103336972A
公开(公告)日：2013-10-02
申请号：CN201310314199.0
申请日：2013-07-24
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于完备化局部三值模式的地基云图分类方法，该方法包括以下步骤：将每个训练样本的局部信息分解为局部差值向量以及中心像素；将每个局部差值向量分解为符号向量和幅值向量的乘积；对于符号向量、幅值向量及中心像素采用三值模式编码，并分别计算其旋转不变一致性特征；对旋转不变一致性特征进行融合，得到训练样本的最终特征表示；计算测试地基云图的最终特征表示；基于两者的最终特征表示，应用最近邻分类器得到测试地基云图的分类结果。本发明通过把图像的局部信息从符号、幅值和中心像素值三个方面考虑，采用局部三值模式进行编码，最后融合得到图像最终的特征表示，这使得本发明可以获得更好的噪声鲁棒性和分类准确性。
-
公开(公告)号：CN103226713A
公开(公告)日：2013-07-31
申请号：CN201310181275.5
申请日：2013-05-16
Applicant: 中国科学院自动化研究所
IPC: G06K9/64
Abstract: 本发明公开了一种多视角行为识别方法。该方法包括以下步骤：对每个视角的动作视频样本提取其局部和全局特征，并把每个动作视频样本表示成为一个特征向量；对源视角和目标视角的动作视频样本的变换矩阵进行初始化；然后在信息论的框架下求得源视角和目标视角的动作视频样本的变换矩阵；根据两个视角的动作视频样本的变换矩阵求得虚拟视角核；然后求得每个动作视频样本之间的相似度；最后使用支持向量机分类器对测试动作视频进行分类。本发明通过连接在源视角和目标视角的连续通路达到多视角行为识别的目的；通过虚拟视角核计算得到的相似度矩阵能够作为任何基于核分类器的输入。
-
公开(公告)号：CN101894264B
公开(公告)日：2012-11-14
申请号：CN201010195097.8
申请日：2010-05-31
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明为一种基于短语包模型的图像类别标注方法，该方法在现有的字包模型表示的基础上，引入视觉字之间的位置信息，提出了短语包模型表示策略。本发明有效的解决了传统字包模型缺乏位置信息导致判别性不足与加入分块的位置信息后对目标位移敏感之间的矛盾；使得图像在引入视觉字之间的位置信息而增加了判别性的同时，消除了对目标在图像中位移的敏感性，有效地提高了图像类别标注系统的性能，具有重要的应用价值。
-
公开(公告)号：CN102156871A
公开(公告)日：2011-08-17
申请号：CN201010112518.6
申请日：2010-02-12
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明为基于类别相关的码本和分类器投票策略的图像分类方法，首先图像数据集预处理模块将图像表示为局部显著区域图像块的集合；类别相关的码本生成模块生成类别相关的码本；图像向量化模块根据类别相关的码本，将图像表示为图像向量，类别相关分类器训练模块选择其中的训练图像向量和训练图像对应的类别标签训练任意两个类别之间的分类器；最后，基于分类器投票策略的测试图像分类模块根据各个分类器的投票结果，确定测试图像的类别标签。类别相关码本生成模块有效地解决了码本过大导致维数灾难与码本过小判别性不足的矛盾；同时类别相关的分类器训练模块也摆脱了多类别分类中样本不均衡产生的问题，提高了分类性能。
-
公开(公告)号：CN101826161A
公开(公告)日：2010-09-08
申请号：CN201010143009.X
申请日：2010-04-09
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明为一种基于局部近邻稀疏表示的目标识别方法，其输入样本模块从数据库中输出并且由本单位化模块c类训练样本集和测试样本集进行单位化，获得单位化后的训练样本集A和测试样本集Y；局部近邻计算模块对于单位化后的测试样本集Y中的每个测试样本y，分别计算测试样本y在训练集A每个类别中的局部近邻；线性重构权值向量计算模块用每个类别的局部近邻线性重构测试样本y，并得到每个类别的线性重构权值向量，同时线性重构权值向量需要满足范数约束条件；局部近邻稀疏表示残差计算模块根据每个类别的线性重构权值向量，计算测试样本y在每个类别的局部近邻稀疏表示残差；分类模块根据每个类别的局部近邻稀疏表示残差，对测试样本y进行分类。
-
Patent Agency Ranking
公开(公告)号：CN101799872A
公开(公告)日：2010-08-11
申请号：CN201010144491.9
申请日：2010-04-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种场景图像的全局结构信息特征的提取方法，包括步骤如下：读取场景图像并判断是否为彩色图像，若为彩色图像则进行转换得到灰度图像，若为灰度图像则对灰度图像按照三个级别进行划分并得到三个级别划分对应的共31图像块；对图像块中每个像素的结构信息特征进行计算得到一个8维局部二元模式特征；对8维局部二元模式特征进行量化得到并计算1维局部二元模式量化特征的直方图，得到并对255维直方图特征进行主成份分析，得到40维直方图特征；计算8维局部二元模式特征的直方图，得到并将8维直方图特征和40维直方图特征融合，得到31个图像块的对应的48维结构信息特征进行融合，得到一幅图像的全局结构信息特征。
-
公开(公告)号：CN101789111A
公开(公告)日：2010-07-28
申请号：CN200910244512.1
申请日：2009-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明为一种场所广告与电子广告数据实时交互的系统，该系统包括：用户利用场所广告摄取单元拍摄场所广告图片，客户端读取场所广告图片并发送给广告商服务器；广告商服务器将接收的场所广告图片交给图像内容分析与检索单元；图像内容分析与检索单元在广告图片数据库中检索对应的数据库图片并将检索结果中数据库图片对应的商品信息数据库中的相关信息返回给广告商服务器；广告商服务器将图像内容分析与检索单元返回的商品信息发送给客户端。图像内容分析与检索单元采用图像画面内容检索和文字区域检测与文字识别相结合，增加了系统的稳定性和可靠性；利用手机信号，互联网可实时方便的完成用户与广告提供商、厂商的交互。
-
公开(公告)号：CN101441636A
公开(公告)日：2009-05-27
申请号：CN200710177798.7
申请日：2007-11-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明基于知识库的医疗搜索引擎及系统，抓取中文医疗健康目录构建原始医疗网页库；对原始医疗网页库中的网页进行相关信息抽取，提取对医院、科室、医生的评论信息，构建医疗评论信息库；使用词频统计和调查问卷，对抽取的相关信息进行医疗评论属性字段提取，提取观点短语，观点短语倾向性分析，给出评论评论信息是正面或是反面的分析结果，确定医院、科室、医生的排名；根据医疗知识库对搜索结果进行排序，将高度结构化和高度相关的信息提供给用户。本发明针对通用搜索引擎结果信息是非结构化、相关度和准确度低等缺点，构建医疗知识库，为用户提供高度结构化的医疗信息，提高用户查询医疗信息相关度和准确率，能有效提高搜索结果的准确率和召回率。
-
公开(公告)号：CN101377769A
公开(公告)日：2009-03-04
申请号：CN200710121078.9
申请日：2007-08-29
Applicant: 中国科学院自动化研究所
IPC: G06F17/21
Abstract: 本发明涉及一种基于多粒度文本特征的文本信息表示方法，利用多粒度文本表示模型训练生成多粒度的文本模型并集成，形成文本信息多粒度集成表示。提出基于全局权重和文本局部特征集成解决多粒度文本特征集成的问题。本发明对语料库规模和稀疏数据问题具有较高的鲁棒性和稳定性。通过获得文本多粒度语义空间映射，能够更加准确和充分地刻画文本中蕴涵的语义结构。而基于多粒度文本特征之间的相关性，能够综合利用细粒度文本表示和粗粒度文本表示的优势。在不同规模的训练语料库情况下，文本表示性能均优于单粒度文本表示方法。虽然多粒度文本表示模型具有多层的结构，但各层结构之间的关系清晰，避免了许多文本表示方法在参数调整上的复杂操作。
-
公开(公告)号：CN111274878B
公开(公告)日：2023-04-28
申请号：CN202010024821.4
申请日：2020-01-10
Applicant: 中国科学院自动化研究所
IPC: G06V20/13 , G06V10/143 , G06V10/80
Abstract: 本发明涉及一种卫星云图分类方法及系统，所述分类方法包括：获取多幅参考卫星云图，每一参考卫星云图均有四通道参考红外图像；对各参考卫星云图的四通道参考红外图像中的每个像素位置进行标记分类，得到参考标签；根据各所述参考红外图像及对应的参考标签，进行建模，得到分类网络模型；根据所述分类网络模型，识别待处理卫星云图的四通道外红图像，得到对应的类别。本发明通过对多幅参考卫星云图进行标记分类，并根据参考卫星云图及参考标签进行建模，得到分类网络模型，根据所述分类网络模型可有效提高云图像分类的准确性，利于及时预警。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.028 seconds)
