-
公开(公告)号：CN110853025A
公开(公告)日：2020-02-28
申请号：CN201911121622.9
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于多列残差空洞卷积神经网络的人群密度预测方法、装置、设备及可读存储介质，方案包括：获取待测人群图像；将待测人群图像输入人群密度预测模型，得到人群密度图；根据人群密度图，确定待测人群图像中的人群数量。其中，人群密度预测模型在提取待测人群图像的高维特征之后，使用多列空洞卷积结构从高维特征中提取特征信息，由于各列空洞卷积结构的扩张率不同，因此能够捕捉高维特征中不同尺度的特征信息。此外，该模型还采用了残差结构，将高维特征直接输入到网络后端与各列空洞卷积结构输出的特征信息相加，不仅防止了网络过拟合现象的发生，还可以保留更多的特征信息，提升了人群数量计算结果的准确性和人群密度图的质量。
-
公开(公告)号：CN110751226A
公开(公告)日：2020-02-04
申请号：CN201911029693.6
申请日：2019-10-28
Applicant: 苏州大学
Abstract: 本申请提供一种人群计数模型的训练方法、装置和存储介质，获取训练样本后，用当前的人群计数模型计算各训练样本的估计人群计数密度图和估计密集度，判断目标损失值是否满足收敛条件；目标损失值包括计数损失值和分类损失值，计数损失值根据训练样本的真实人群计数密度图和估计人群计数密度图确定，分类损失值根据训练样本的估计密集度和真实密集度标签确定，若不满足收敛条件，更新模型参数，执行下一次迭代；若满足收敛条件，输出当前的人群计数模型。本方案通过引入与人群密集程度相关的分类损失值，使输出的人群计数模型能够适应多种不同人群密集程度的图像，因此本方案输出的人群计数模型相对于现有技术具有更好的鲁棒性和精确度。
-
公开(公告)号：CN110619024A
公开(公告)日：2019-12-27
申请号：CN201910894866.4
申请日：2019-09-20
Applicant: 苏州大学
IPC: G06F16/28
Abstract: 本申请提供一种信用评价方法，具体技术方案如下：获取训练数据和目标客户数据，并根据所述训练数据生成训练集；对所述训练集中的所述训练数据执行归一化处理；将所述训练集中的各训练数据映射到核特征空间，得到数据样本矩阵；根据所述数据样本矩阵得到信用判别函数；根据所述信用判别函数和所述目标客户数据确定目标客户的信用可信度。本申请有利于降低训练集中不具有代表性的数据样本对训练结果的影响，即减小误差样本对结果的影响，提高信用评级的准确率和效率。本申请还提供一种信用评价方系统、一种计算机可读存储介质和一种可信度判定终端，具有上述有益效果。
-
公开(公告)号：CN110610213A
公开(公告)日：2019-12-24
申请号：CN201910893789.0
申请日：2019-09-20
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种邮件分类方法，包括：接收邮件数据；利用预先确定的线性判别函数对邮件数据进行处理，得到判别函数值；线性判别函数中的判别参数为：预先通过基于L1范数的孪生支持向量机分类算法对训练集进行分析获得；利用分类规则及判别函数值对邮件数据进行分类。可见，在本方案中，通过线性判别函数对邮件数据进行分类时，线性判别函数中的判别参数需要预先通过基于L1范数的孪生支持向量机分类算法对训练集进行分析获得，通过该判别参数，可以减小贡献度小的特征对分类结果的影响，从而提高分类效率和泛化性能，进而提高对垃圾邮件过滤的准确度；本发明还公开了一种邮件分类装置、设备及计算机可读存储介质，同样能实现上述技术效果。
-
公开(公告)号：CN110516098A
公开(公告)日：2019-11-29
申请号：CN201910791484.9
申请日：2019-08-26
Applicant: 苏州大学
IPC: G06F16/583 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络及二进制编码特征的图像标注方法，包括以下步骤：构建Incepiton V3基础网络模型；截取Incepiton V3网络基础模型最后的池化层，去掉Incepiton V3网络基础模型的Logits和softmax函数，并且使用sigmoid函数作为最后一层的激活函数，获得修改后的第一基础网络模型；在第一基础网络模型上加上了两层全连接层，并且使用sigmoid函数作为最后一层的激活函数，获得多标签分类网络模型；使用多标签分类网络模型对训练集进行训练学习，优化多标签分类网络模型的权重；基于训练好的多标签分类网络模型标记目标图像的特征向量集，获得目标图像的多标签概率输出；结合多标签概率输出，采用TagProp算法对目标图像进行标注。其能够实现图像的多标签标注，成本低，效率高。
-
Patent Agency Ranking
公开(公告)号：CN105354595B
公开(公告)日：2019-09-27
申请号：CN201510728736.5
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒视觉图像分类方法及系统，为了有效实现训练样本内无标签样本的类别预测和待测样本的快速归纳与合理降维，通过将基于弹性回归分析的误差度量集成到训练样本外的标签传播模型，并通过参数权衡归一化流形正则化项、基于软标签l2,1范数正则化的标签拟合项及基于l2,1范数正则化的弹性回归残差项对样本描述及类别鉴定的影响，完成标签传播模型的建立；进而通过对标签传播模型的迭代优化获取用于确定待测样本的类别的投影矩阵。因此，本申请中通过引入基于l2,1范数正则化的回归误差项及软标签l2,1范数正则化，能够在继承标签传播分类方法的优点的同时有效提高了系统的鲁棒性，使待测样本的归纳过程快速且精确。
-
公开(公告)号：CN105760872B
公开(公告)日：2019-06-11
申请号：CN201610076500.2
申请日：2016-02-03
Applicant: 苏州大学
Abstract: 本申请公开了一种基于鲁棒图像特征提取的识别方法及系统，先利用原始训练图像样本构造重构权重系数；为了有效保持图像像素间的拓扑结构和相关性，设计直接作用于二维图像的特征提取系统；为了降低图像样本中噪声或异类数据对性能的影响，对图像样本的邻域重构错误进行L2,1‑范数正则化；为了确保优化得到稀疏判别的显著图像特征，直接对投影矩阵进行L2,1‑范数正则化。最后，利用稀疏投影矩阵，提取相应的稀疏判别特征并输入至最近邻分类器，取与测试图像样本的特征相似性最大的训练图像样本的标签，以完成类别鉴定。本申请通过引入L2,1‑范数正则化技术，有效提升了数据中噪声和异类数据的鲁棒性，系统性能更好。
-
公开(公告)号：CN109858461A
公开(公告)日：2019-06-07
申请号：CN201910129612.3
申请日：2019-02-21
Applicant: 苏州大学
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备及计算机可读存储介质，包括：将待测试图像输入包括多列平行的卷积神经网络的目标多尺度多列卷积神经网络模型中；每列卷积神经网络中包括多个卷积核大小和个数不同的卷积层。利用所述每列卷积神经网络中各个卷积层对待测试图像进行处理，并将所述每列卷积神经网络中预选卷积层输出的特征图进行融合，以便得到所述每列卷积神经网络输出的估计密度图；将所述每列卷积神经网络输出的估计密度图进行融合后，得到待测试图像的目标估计密度图；依据所述目标估计密度图，计算得到待测试图像中的人数。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了密集人群图像预测结果的准确性。
-
公开(公告)号：CN109670552A
公开(公告)日：2019-04-23
申请号：CN201811585699.7
申请日：2018-12-24
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种图像分类方法，该方法在计算众多图像的特征权重矩阵时，仅关注不同图像之间的距离，而不关注图像的类别，因此当众多图像中包括多类别的图像时，该方法仍然适用；并且该方法处理的图像集合中包括有标签图像和无标签图像，因此能够很好地处理有标签图像和无标签图像。所以本发明打破了现有的图像分类方法的局限，提高了图像分类方法的通用性。相应地，本发明公开的一种图像分类装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN109636588A
公开(公告)日：2019-04-16
申请号：CN201811546023.7
申请日：2018-12-17
Applicant: 苏州大学
CPC classification number: G06Q40/025 , G06K9/6256
Abstract: 本发明公开了一种信用评价方法，包括：获取银行用户的用户信息并归一化处理，获得目标用户信息；通过CTSVM算法获得的第一判别函数和第二判别函数分别计算第一信用值和第二信用值，判断第一信用值和第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对银行用户进行标记，并确定银行用户的信用评价为良好。该方法通过利用CTSVM算法获得的第一判别函数和第二判别函数对银行用户信息进行分析，可以降低损失函数对用户信息中的冗余数据的敏感度，即降低损失函数的损失值，从而提高分类效果和信用评价的准确性。相应地，本发明公开的一种信用评价装置、设备及可读存储介质，也同样具有上述技术效果。
-
-
-
-
-
-
-
-
-
Search Results
363
records
(took 0.031 seconds)
