-
公开(公告)号：CN103927347A
公开(公告)日：2014-07-16
申请号：CN201410129925.6
申请日：2014-04-01
Applicant: 复旦大学
CPC classification number: G06F17/30867 , G06F17/30705 , G06N3/006
Abstract: 本发明属于协同过滤推荐技术领域，具体涉及一种基于用户行为模型和蚁群聚类的协同过滤推荐算法。本发明在传统协同过滤推荐技术基础上，采用蚁群聚类算法对用户进行分类，在整个用户空间高效的查找邻居用户群，结合用户行为模型和基于项目内容的推荐，使现有方法存在的问题得到很大改善。本发明涉及更好地模拟蚁群聚类，选择用户行为模型的更新方程，降低预处理复杂度及进一步挖掘用户行为模型的研究等。本发明经过多重模型组合，得到较传统协同过滤推荐技术的算法更为灵活的推荐技术，可以适应多种场景并提高了推荐质量。
-
公开(公告)号：CN103425757A
公开(公告)日：2013-12-04
申请号：CN201310330576.X
申请日：2013-07-31
Applicant: 复旦大学
Abstract: 本发明属于多媒体信息检索与新闻检索技术领域，具体为一种融合多模态信息的跨媒体人物新闻检索方法与系统。本发明的检索方法包括：获取网络多模态新闻数据，提取新闻人物人名获得新闻文本特征，提取新闻人物人脸图像获得新闻图像特征；对罕见新闻人物进行网络信息补充；新闻人物人名-人脸对齐聚类学习；实现人物人脸与人物人名检索。本发明的检索系统包括相应于检索方法各步骤的6个模块。本发明能够很好解决网络新闻人名-人脸对齐问题，并在此基础上解决人物新闻检索问题。这两个问题在多媒体信息检索与新闻检索领域具有重要意义，本发明具有广泛的应用价值。
-
公开(公告)号：CN101853377B
公开(公告)日：2012-10-17
申请号：CN201010176193.8
申请日：2010-05-13
Applicant: 复旦大学
Abstract: 本发明属于视频处理技术领域，具体为一种对数字视频进行内容识别的方法。主要包括关键帧抽取，视频拷贝检测和视频帧内容识别三个模块。其中视频拷贝检测模块采用基于局部排序的视频拷贝检测方法，保证以一定的概率快速得到相似帧，提高检测性能。视频帧内容识别模块采用色情图像识别算法，该算法包括四个弱分类器(皮肤区域比例分类器、人脸个数分类器、不变矩分类器、皮肤区域分布分类器)，四个弱分类器再综合组成一个强分类器，强分类器的结果即是最终的检测结果，从而有效地降低了误识别率和不识别率。该方法对互联网数字视频信息监管具有广泛的应用价值。
-
公开(公告)号：CN101894125A
公开(公告)日：2010-11-24
申请号：CN201010175127.9
申请日：2010-05-13
Applicant: 复旦大学
IPC: G06F17/30
Abstract: 本发明属于计算机视频处理技术领域，具体为一种视频分类方法。本发明选取卡通、商业广告、电影、新闻和体育比赛作为分类对象，在总结和分析了现有分类算法的基础上，决定从视频的底层特征(如颜色，纹理，形状)中选取分类效果最好的颜色作为分类特征，并基于颜色特征对各种分类算法作了比较，分析和总结，提出了基于时间和颜色特征融合的分类方法，由于每种特征对某类视频分类效果有偏好，称之为此类视频的专家特征；进一步利用专家系统使这些特征合作来提高分类的准确率，同时也提高了效率。
-
公开(公告)号：CN114785983B
公开(公告)日：2024-10-18
申请号：CN202210214463.2
申请日：2022-03-07
Applicant: 复旦大学 , 北京航空航天大学杭州创新研究院
IPC: H04N7/18 , H04N23/695 , H04L45/02 , H04L45/74
Abstract: 本发明公开了一种基于节点通信和设备协同的目标跨域追踪方法。其包括以下步骤：步骤１：根据监控节点的实际位置关系，衡量监控节点邻接关系，计算障碍物导致的视野盲区，转换目标探测方位区间，构建节点拓扑图和通信路由表；步骤2：根据通信路由表与目标来向的节点交流目标方位、轨迹和外观特征信息，缩小目标跨域检索范围，通过建立目标监视权机制，在保持目标处于视野范围的前提下，为目标合理分配监控资源，实现多节点协同的目标追踪。本发明方法具有目标跨域追踪速度快，准确率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN118608427A
公开(公告)日：2024-09-06
申请号：CN202410702276.8
申请日：2024-06-02
Applicant: 复旦大学
IPC: G06T5/77 , G06T5/70 , G06T3/4007 , G06T5/50 , G06N3/0464 , G06N3/08 , G06N5/04 , G06V10/80
Abstract: 本发明公开了一种基于扩散模型的加速图像修补方法，该方法通过两阶段反向扩散过程从随机高斯噪声中采样实现最终图像修复的结果，两阶段分为粗略阶段和精细阶段；首先在粗略阶段从随机高斯噪声中采样出粗略结果；然后将粗略结果进行上采样得到作为精细阶段的图像先验的上采样的粗略结果，以上采样的粗略结果添加噪声作为精细阶段的输入，通过精细阶段采样生成细化结果，实现最终图像的修复；在两个阶段，分别通过条件去噪模块CDM去噪，条件重采样模块CRM使修复效果更加和谐；实验结果表明，本发明在原有基于扩散模型的方法上保持修补精度的同时，实现了约60倍的加速。
-
公开(公告)号：CN113762175B
公开(公告)日：2024-04-26
申请号：CN202111059064.5
申请日：2021-09-10
Applicant: 复旦大学 , 北京航空航天大学杭州创新研究院
IPC: G06V10/764 , G06V40/20 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图卷积网络的两阶段行为识别细分类方法。本发明主要通过再分类困难类别集提高行为识别的准确率，分为三个阶段进行：第一阶段：训练粗分类模型；第二阶段：困难类别集的获取和困难类别集模型的训练，利用粗分类模型在测试集上的混淆矩阵以及并查集算法获取困难类别集，之后分别为不同的困难类别集训练困难类别集模型；第三阶段：在线推断，根据粗分类模型的推断结果，将需要进行细分类的样本输入困难类别集模型再分类。本发明所提出的方法针对模型难以分类相似动作的问题，提出的粗分类——细分类两阶段架构一定程度上缓解了相似动作难分类的问题，提高了行为识别的准确率，在公开数据集上取得了较好的结果。
-
公开(公告)号：CN114708591A
公开(公告)日：2022-07-05
申请号：CN202210407860.1
申请日：2022-04-19
Applicant: 复旦大学
IPC: G06V30/148 , G06V10/22 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于单字连接的文档图像中文字符检测方法；该方法包括：给定一张或多张自然场景图像输入，区别于使用锚点的方法，直接通过分割的方法得到单个字的中心点和文字宽高。得到单字的检测结果后，通过预测连接的方法将单字进行拼接，得到最终检测结果。本发明可应用于任意场景下的中文字符定位，文档资料的字符定位，针对整文本行检测或单字检测都有较好的效果。
-
公开(公告)号：CN111738095B
公开(公告)日：2022-06-21
申请号：CN202010471056.0
申请日：2020-05-28
Applicant: 复旦大学
Abstract: 本发明属于统计模式识别与图像处理技术领域，具体为一种基于骨架姿态的人物识别方法。本发明分为离线训练阶段,离线构造注册集阶段和在线识别阶段。在离线训练阶段，准备模型训练集，对模型进行训练。在离线构造注册集阶段，将用于构造注册集的骨架输入训练好的模型，得到骨架姿态特征，再将特征归一化得到注册集特征。在在线识别阶段，将待识别骨架输入训练好的模型，得到待识别的骨架姿态特征，并对特征进行归一化，然后计算其和各注册集特征之间的相似度，最后取相似度最大的注册集特征的人物id作为检索结果。本发明可以基于人体的骨架姿态进行人物识别，扩展了智能视频监控中人物识别的方法。
-
公开(公告)号：CN113537072A
公开(公告)日：2021-10-22
申请号：CN202110811913.1
申请日：2021-07-19
Abstract: 本发明属于计算机视觉技术领域，具体为一种基于参数硬共享的姿态估计与人体解析联合学习系统。该系统分为多尺度特征提取模块、联合学习模块、人体解析分支和姿态估计分支四个部分。输入图像首先经过多尺度特征提取模块得到不同尺度下的图像特征，并进行跨尺度的特征融合；再将各尺度的特征分别送入联合学习模块，得到姿态估计与人体解析的联合特征；最后将姿态估计与人体解析的联合特征分别送入姿态估计分支和人体解析分支中得到姿态估计与人体解析的结果。本发明提出了用于姿态估计与人体解析的多任务联合学习系统。本发明所提系统在姿态估计与人体解析任务上的表现优秀。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.02 seconds)
