-
公开(公告)号：CN105807923A
公开(公告)日：2016-07-27
申请号：CN201610127516.1
申请日：2016-03-07
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01
Abstract: 本发明提供一种基于超声波的凌空手势识别方法及系统，所述方法包括：利用预先训练好的手掌运动趋势模型，对所采集的经由人手反射回的超声波信号识别手掌运动趋势，得到包含一系列手掌运动趋势的手掌运动趋势时序序列；其中，所述手掌运动趋势模型是根据人手反射回的超声波信号的声学特征训练得到的用于识别手掌运动趋势的模型；以及，利用预先训练好的手势识别模型，对得到的手掌运动趋势时序序列进行手势识别；其中，所述手势识别模型是根据由手掌运动趋势时序序列组成的训练数据集训练得到的用于识别手势的模型。本发明适用于智能移动终端，并且同时能实现手势识别的高精度和高鲁棒性。
-
公开(公告)号：CN118522053A
公开(公告)日：2024-08-20
申请号：CN202410659613.X
申请日：2024-05-27
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V20/40 , G16H50/30 , G16H50/20 , G16H30/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/049
Abstract: 本发明实施例提供一种帕金森病患者面具脸病情的定量评估方法，包括：针对多种面具脸病情等级，获取其中每种等级下的对象的面部表情视频，其包括当对象按预设的多种连续面部表情动作要求做出动作时对该对象采集的多种表情视频；针对每个对象分别检测每种表情视频的人脸关键点信息，根据所述人脸关键点信息提取对应表情视频的脸部五官时序特征，将该对象的所有表情视频的脸部五官时序特征进行融合，得到融合的脸部五官时序特征；构建数据集，其包括多个样本和对应的标签，每个样本为一个对象的融合的脸部五官时序特征，该样本的标签为样本对应对象的面具脸病情等级，利用数据集训练面具脸病情评估模型，通过经训练的模型评估患者的面具脸病情等级。
-
公开(公告)号：CN118452826A
公开(公告)日：2024-08-09
申请号：CN202410602402.2
申请日：2024-05-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种评估帕金森病症状的系统，所述系统包括：第一数据采集模块，其设置有惯性传感器，用于采集对象按照预定的动作要求行走过程中双臂对应的手部数据；第二数据采集模块，其设置有惯性传感器和压力传感器，用于采集对象按照预定的动作要求行走过程中双腿对应的脚部数据；数据处理模块，其用于按照预设的数据处理方式对所述手部数据和脚部数据进行处理，以得到满足帕金森病症状评估模型输入要求的融合特征；帕金森病症状评估模型，其用于根据输入的融合特征进行帕金森病症状评估，得到对象的症状类别。
-
公开(公告)号：CN111967495B
公开(公告)日：2024-06-14
申请号：CN202010639556.0
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/243 , G06F18/214 , G06N5/01 , G06N20/20 , G16H50/70
Abstract: 本发明提供一种分类识别模型构建方法，用于构建用于小样本目标域的分类识别模型，包括如下步骤：S1、获得一个源域模型，其中所述源域模型是利用源域数据集训练集成模型生成的，所述源域模型包括多个个体分类器；S2、基于源域模型中每个个体分类器对源域数据集和目标域数据集的信息增益确定该个体分类器的特征信息增益评估指标；S3、基于每个分类器对应的特征信息增益评估指标采用预设调整策略对每个分类器进行重构，所有重构后的分类器组成目标域分类识别模型。本发明综合考虑了当前源域模型对目标域数据的分割准确度，及当前源域模型是否覆盖目标域中具有重要参考价值的属性特征，能够适应于样本数量小、标注困难的医疗诊断场景。
-
公开(公告)号：CN113076813B
公开(公告)日：2024-04-12
申请号：CN202110272296.2
申请日：2021-03-12
Applicant: 首都医科大学宣武医院 , 中国科学院计算技术研究所
Abstract: 本申请提供一种面具脸特征识别模型训练方法和装置，方法包括：获取样本面部特征视频以及对应的评价标签；样本面部特征视频为用户按照设定规则执行操作而形成的视频；提取样本面部特征视频的图像帧而形成帧序列；按照帧序列，对帧序列中的相邻帧进行差分运算，得到差分图像；提取各个差分图像的特征矩阵；以及，按照帧序列组合各个差分图像的特征矩阵，得到视频特征矩阵；采用视频特征矩阵和对应的评价标签，训练面具脸特征识别模型。相比于现有技术中直接采用利用人脸面部特征进行特征提取，确定面具脸谱特征的方法，本方案能够简化计算，实现面具脸特征识别模型的快速建立，并能够达到较好地准确性。
-
Patent Agency Ranking
公开(公告)号：CN117669696A
公开(公告)日：2024-03-08
申请号：CN202311370744.8
申请日：2023-10-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了糖尿病患者病变评估模型的联邦训练方法，该方法中在服务端和多个客户端对所述初始糖尿病患者病变评估模型进行多轮联邦训练，在每轮联邦训练中，每个客户端基于其对应的局部糖尿病患者眼底图像数据集的噪声率得到局部糖尿病患者病变评估模型中关键参数和非关键参数对应的参数矩阵，更新参数矩阵中的关键参数，服务端基于来自于每个客户端的局部糖尿病患者病变评估模型参数和局部糖尿病患者眼底图像数据集中的数据量，更新上一轮联邦训练后的糖尿病患者病变评估模型参数。该方法提高了模型的鲁棒性和性能，使得该模型能够更好地辅助医生通过糖尿病患者眼底图像更准确的评估糖尿病患者视网膜是否病变。
-
公开(公告)号：CN112766337B
公开(公告)日：2024-01-12
申请号：CN202110028695.4
申请日：2021-01-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: G06F18/24 , G06F18/214 , G06N3/08
Abstract: 本发明提供了一种用于预测众包数据的正确标签的方法和系统，该方法利用了一种神经网络模型，该模型基于每个众包数据的所有初始标签的均值获取对应的众包数据的参考标签，通过训练获得；并利用神经网络模型获得每个众包数据的预测标签，基于每个众包数据的每个初始标签相对于预测标签的可信度迭代校准当前神经网络模型，直至神经网络模型收敛或精度持续下降。本发明中的方法和系统能够减少对深度学习中对众包数据工作者能力的依赖，从而提高深度学习模型的准确度和鲁棒性。(56)对比文件Ryan Drapeau.MicroTalk: UsingArgumentation to Improve CrowdsourcingAccuracy《.Proceedings, The Fourth AAAIConference on Human Computation andCrowdsourcing》.2016,
-
公开(公告)号：CN116570246A
公开(公告)日：2023-08-11
申请号：CN202310730021.8
申请日：2023-06-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种癫痫监测及远程报警系统，所述系统包括医生端；所述医生端被配置为：由所述医生端获取患者癫痫发作对应的报警信息和患者的多模态生理信号，所述报警信息是由患者端根据所述患者的多模态生理信号监测到患者癫痫发作而发出的，并且报警信息包括患者的基本信息和癫痫发作信息；由所述医生端获取第一救护指导并发送给患者端和/或家属端，所述第一救护指导基于所述报警信息和患者的多模态生理信号进行初步分析确定；由所述医生端获取第二救护指导并发送给患者端和/或家属端，所述第二救护指导根据从所述患者的多模态生理信号识别出的患者的癫痫发作状态、置信度和危险等级确定。
-
公开(公告)号：CN110444296B
公开(公告)日：2022-07-29
申请号：CN201910596718.4
申请日：2019-07-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出了一种立体色块障碍测试系统、存储介质、装置及实施方法，其中立体色块障碍测试系统，包括：信息录入单元，用于记录测试对象的信息；测试单元，包括镜像测试模块和任务测试模块，用于所述测试对象对测试任务的练习和测试；数据分析单元，用于接收和分析任务测试数据，获得测试结果；文件存储单元，用于接收和存储所述测试对象的信息、测试数据和测试结果，并将测试结果输出。该装置和实施方法能够为轻度认知功能障碍、老年痴呆症等疾病的诊断、治疗和康复提供了更加简便、精准的单侧手指灵活度测验方法。
-
公开(公告)号：CN113077060A
公开(公告)日：2021-07-06
申请号：CN202110339975.7
申请日：2021-03-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供针对边云协同的联邦学习系统和方法，包括边缘设备和云端服务器。每个边缘设备基于本地数据对全局模型进行训练，对训练后得到的模型参数进行加密并上传至云端服务器；云端服务器对从各个边缘设备接收的模型参数进行聚合，并将聚合后的模型参数返回至各个边缘设备；边缘设备采用来自云端服务器的模型参数更新其本地的全局模型以进行预测。该系统使得模型的鲁棒性、精确性和训练速度大幅提升。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.059 seconds)
