-
-
公开(公告)号：CN119181116A
公开(公告)日：2024-12-24
申请号：CN202310729598.7
申请日：2023-06-19
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V10/774 , G06T3/4053
Abstract: 本发明提出一种基于面部图像的视线方向估计方法，包括：构建并以源域数据训练视线估计模型和人像增强模型；从目标域中选取训练数据，以无监督学习方式训练该视线估计模型；将该目标域的目标图像通过该人像增强模型和该视线估计模型，获得该目标图像的视线方向估计结果。本发明还提出一种基于面部图像的视线方向估计系统，以及一种用于实现基于面部图像的视线方向估计的数据处理装置。
-
公开(公告)号：CN118397440A
公开(公告)日：2024-07-26
申请号：CN202410566933.0
申请日：2024-05-09
Applicant: 中国科学院计算技术研究所
IPC: G06V20/00 , G06V10/774 , G06V10/44 , G06V10/74 , G06V10/762
Abstract: 本发明提供了一种基于无监督域自适应的深度伪造检测方法，包括：通过源域的有标签数据训练一深度伪造检测模型，深度伪造检测模型至少包括有特征提取器；通过特征提取器，提取目标域的无标签数据的特征，并对无标签数据的特征进行聚类得到聚类结果；将目标域的聚类结果与源域的已知深度伪造类别进行匹配，为目标域的数据生成伪标签，伪标签包括已知深度伪造类别伪标签和未知深度伪造类别伪标签。通过源域的有标签数据和目标域的伪标签数据，对深度伪造检测模型进行再训练。本发明还提供一种系统、存储介质及电子设备。借此，本发明能够在不需要目标域标签的情况下，识别出目标域中的已知和未知的深度伪造类别，从而提高了模型的泛化能力和鲁棒性。
-
公开(公告)号：CN107330074B
公开(公告)日：2020-05-26
申请号：CN201710525604.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/58 , G06K9/62
Abstract: 本发明涉及一种基于深度学习和哈希编码的模型训练方法，包括将部分标注的图像数据作为网络模型的训练数据，通过深度网络将所述训练数据表示为类二值哈希编码，其中，所述类二值哈希编码是指取值是连续值的一种模拟二值哈希编码；将获得的类二值哈希编码作为输入，连接到深度网络的一个或多个任务层，同时使用一个或多个任务进行训练；基于类二值哈希编码获得带有所述可供检索的特征信息的用于表示所述训练数据的二值哈希编码。
-
公开(公告)号：CN107330074A
公开(公告)日：2017-11-07
申请号：CN201710525604.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度学习和哈希编码的模型训练方法，包括将部分标注的图像数据作为网络模型的训练数据，通过深度网络将所述训练数据表示为类二值哈希编码，其中，所述类二值哈希编码是指取值是连续值的一种模拟二值哈希编码；将获得的类二值哈希编码作为输入，连接到深度网络的一个或多个任务层，同时使用一个或多个任务进行训练；基于类二值哈希编码获得带有所述可供检索的特征信息的用于表示所述训练数据的二值哈希编码。
-
Patent Agency Ranking
公开(公告)号：CN107229757A
公开(公告)日：2017-10-03
申请号：CN201710530458.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
CPC classification number: G06F16/434 , G06F16/43 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和哈希编码的针对视频数据的网络训练方法，利用深度神经网络提取视频样本的特征矩阵；将所获得的视频样本的特征矩阵作为整体进行建模，获得所述视频样本的高维实值表示；将所获得的高维实值表示利用深度网络进一步表示为二值哈希编码。
-
公开(公告)号：CN103729648B
公开(公告)日：2017-01-04
申请号：CN201410006653.0
申请日：2014-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种领域自适应模式识别方法，该方法通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，然后利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。该方法在源域与目标域的公共子空间中求解所述线性组合系数，保证了源域到目标域转换的可靠性和稳定性；同时，在原始样本空间应用所求得的重构系数进行目标域化，保留了目标域特定的信息，更有利于目标域上识别模型的学习。该方法既能有效利用源域与目标域共性以建立源域到目标域迁移的桥梁，又能充分挖掘目标域的特性，进一步提升目标域上任务的性能。
-
公开(公告)号：CN103729648A
公开(公告)日：2014-04-16
申请号：CN201410006653.0
申请日：2014-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种领域自适应模式识别方法，该方法通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，然后利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。该方法在源域与目标域的公共子空间中求解所述线性组合系数，保证了源域到目标域转换的可靠性和稳定性；同时，在原始样本空间应用所求得的重构系数进行目标域化，保留了目标域特定的信息，更有利于目标域上识别模型的学习。该方法既能有效利用源域与目标域共性以建立源域到目标域迁移的桥梁，又能充分挖掘目标域的特性，进一步提升目标域上任务的性能。
-
公开(公告)号：CN103577815A
公开(公告)日：2014-02-12
申请号：CN201310628537.8
申请日：2013-11-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种人脸对齐方法和系统，所述方法包括：在参考集中找到与输入人脸图像在图像特征上最相似的K个近邻人脸图像样本，其中所述参考集包括已标定面部特征点的多个人脸图像样本；从K个近邻人脸图像样本的面部特征点中得到所述输入人脸图像的面部特征点。所述方法还包括：对所述输入人脸图像的面部特征点和所述输入人脸图像的边界点做分块三角剖分，每块单独计算仿射变换，对齐到指定的脸。采用本发明可以较准确地获得多个面部特征点的位置，能够在保持身份信息的同时尽量去除姿态、表情的不一致对人脸识别的影响，提升人脸识别性能。
-
公开(公告)号：CN103324950A
公开(公告)日：2013-09-25
申请号：CN201210077833.9
申请日：2012-03-22
Applicant: 中国科学院计算技术研究所 , 日电(中国)有限公司
IPC: G06K9/66
Abstract: 本发明公开一种基于在线学习方法的人体重现检测系统，其特征在于，所述方法包括如下步骤：步骤1，在视频帧中检测人体，得到所述视频帧中的人体检测结果集合；步骤2，对所述的人体检测集合中的人体进行跟踪；步骤3，根据所述人体检测集合和人体跟踪的结果，进行学习和更新人体特征模型；步骤4，存储和管理人体特征模型，得到匹配的人体特征模型，并在新的输入视频帧中进行人体重现检测。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.064 seconds)
