-
公开(公告)号：CN106803098A
公开(公告)日：2017-06-06
申请号：CN201611233344.2
申请日：2016-12-28
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于语音、表情与姿态的三模态情感识别方法，该方法首先将训练样本与测试样本的语音、表情、姿态三个模态的情感特征分别进行降维并归一化，然后进行特征融合，利用训练样本的融合特征数据对基于支持向量机的分类器进行训练，最后利用已经训练好的分类器对新输入的测试样本进行情感分类，分为悲伤、高兴、厌恶、恐惧、惊吓、中性六种情感。本发明综合利用了情感表达过程中的各种模态的信息，实现各模态情感信息之间的交叉互补，同时减少了各模态信息的冗余性，能有效地提高情感识别的准确率，为人机交互领域的情感交流系统提供了一种新的方法和途径。
-
公开(公告)号：CN106682616A
公开(公告)日：2017-05-17
申请号：CN201611231363.1
申请日：2016-12-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双通道特征深度学习的新生儿疼痛表情识别方法。该方法首先对新生儿面部图像进行灰度化，提取局部二值模式（Local Binary Pattern，LBP）特征图谱；然后用一个双通道卷积神经网络对并行输入的新生儿面部图像的灰度图及其LBP特征图两个通道的特征进行深度学习；最后采用基于softmax的分类器对两个通道的融合特征进行表情分类，分为平静、哭、轻度疼痛、剧烈疼痛四类表情。该方法结合灰度图像及其LBP特征图谱两个通道的特征信息，能够有效地识别出平静、哭、轻度疼痛、剧烈疼痛等表情，并对新生儿面部图像的光照、噪声与遮挡问题具有很好的鲁棒性，为开发出新生儿疼痛表情识别系统提供了一种新的方法和途径。
-
公开(公告)号：CN101887587B
公开(公告)日：2012-05-23
申请号：CN201010221290.4
申请日：2010-07-07
Applicant: 南京邮电大学
IPC: G06T7/20
Abstract: 本发明公开了视频监控中基于运动目标检测的多目标跟踪方法，该方法首先使用背景去除法检测前景运动目标；然后建立当前帧前景目标团块与前一帧已检测到的目标之间的关联矩阵，并以此来判断目标所处的各种状态(如目标消失、目标保持初始状态、目标重合、目标分离等)，对处于分离状态的目标进行二次跟踪；最后更新目标的位置、面积及核加权颜色直方图等特征，实现对多个目标的跟踪。本发明方法能有效地对被遮挡的目标以及相互重合后再分离的多个目标进行实时、可靠的跟踪，提高视频监控系统的稳定性和鲁棒性。
-
公开(公告)号：CN118245860A
公开(公告)日：2024-06-25
申请号：CN202410172812.8
申请日：2024-02-07
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/2131 , G06F18/2415 , G06N3/047 , G06N3/0442 , G06N3/045 , A61B7/04
Abstract: 本发明公开了一种基于同步挤压短时傅里叶变换和BiGRU的心音分段方法及系统，该方法包括：构建一个基于同步挤压短时傅里叶变换(SSTFT)和BiGRU的心音分段模型，该模型由SSTFT单元、BiGRU网络、Softmax分类器构成；使用心音数据集的样本对心音分段模型进行训练；将待分段的心音信号输入到训练好的心音分段模型进行状态分类，分成第一心音(S1)、第二心音(S2)、S1‑S2间期、S2‑S1间期4种状态类别；修正心音分段模型预测的错误状态类别；该系统包括：模型构建模块、模型训练模块、心音状态分类模块和状态修正模块。本发明对采用SSTFT和BiGRU网络提取的心音上下文时频特征进行状态分类，并根据心音状态之间的约束关系对错误类别进行修正，能够有效提升心音分段的定位精度和准确率。
-
公开(公告)号：CN115659277A
公开(公告)日：2023-01-31
申请号：CN202211299136.8
申请日：2022-10-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多行为特征融合的电商会话推荐方法及系统。该方法包括以下步骤：获取电商数据库中用户对商品的点击、收藏、购买、加入购物车四种会话行为数据；构建一种基于多行为特征融合的电商会话推荐模型，该模型包括行为特征提取模块、商品特征提取模块、商品高阶特征提取模块、会话特征提取模块和商品推荐模块；使用电商数据库中的四种会话行为数据对所述的电商会话推荐模型进行训练；利用训练好的电商会话推荐模型对会话中的用户进行商品推荐，输出推荐结果。本发明利用电商会话推荐模型融合会话中的多行为特征，能有效提升推荐性能。
-
Patent Agency Ranking
公开(公告)号：CN115063866A
公开(公告)日：2022-09-16
申请号：CN202210767298.3
申请日：2022-06-30
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合强化学习与递进学习的表情识别方法，该方法包含：构建包含样本筛选模块与表情分类模块的强化学习模型；将训练集样本划分为I组，使用一组样本对强化学习模型的每一轮训练中，表情分类模块输出预测类别概率，样本筛选模块将样本分为容易、较易、不易分类样本，按照递进学习思想使用容易、较易和不易分类样本对表情分类模块重新训练，根据重新训练前后表情分类模块输出的预测类别概率之差，基于强化学习方法调整样本筛选模块，进入下一轮的模型训练，经过I轮迭代训练得到训练好的表情分类模块；用训练好的表情分类模块对人脸图像进行表情识别。该方法能消除含噪声标签样本对模型训练的不利影响,提升表情识别准确性和鲁棒性。
-
公开(公告)号：CN114998973A
公开(公告)日：2022-09-02
申请号：CN202210767992.5
申请日：2022-06-30
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于域自适应的微表情识别方法，该方法包括以下步骤：将普通表情域作为源域，微表情域作为目标域，对普通表情和微表情图像进行预处理，建立源域和目标域样本集；构建包含特征学习模块、分类器和域判别器的对抗网络；在每个批次对对抗网络的训练中，用源域样本训练特征学习模块、分类器和域判别器，用目标域样本训练特征学习模块和域判别器，通过对抗学习使得源域和目标域样本的特征分布差异最小化，实现域的自适应；利用训练好的特征学习模块和分类器构建微表情识别模型，对输入的图像进行微表情识别。本发明利用现有普通表情样本去辅助微表情识别，以解决微表情训练样本数量不足的问题，提高微表情识别的准确率和鲁棒性。
-
公开(公告)号：CN112801153B
公开(公告)日：2022-08-26
申请号：CN202110067281.2
申请日：2021-01-19
Applicant: 南京邮电大学
IPC: G06V10/764 , G06K9/62 , G06V10/40 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种嵌入局部二值模式(LBP)特征的图的半监督图像分类方法及系统。该方法首先建立包含有标签样本和无标签样本的图像库；然后构建一种卷积神经网络模型，并利用图像库中的有标签样本训练出初始模型；进而将有标签样本与无标签样本一起输入初始模型，提取样本的特征向量，以此特征向量构建一个邻接矩阵Wcnn；接着使用输入样本图像的LBP特征再构建一个邻接矩阵Wlbp；将Wcnn与Wlbp相加得到新的邻接矩阵W，根据W构建一个图，通过标签传播得到无标签样本的伪标签；最后基于初始模型使用图像库中所有样本及其标签训练出最终的模型，用于图像分类。本发明通过引入图像的LBP特征来构建图，使得通过标签传播得到的标签的置信度更高，有利于提高图像分类的准确率。
-
公开(公告)号：CN112800891B
公开(公告)日：2022-08-26
申请号：CN202110060936.3
申请日：2021-01-18
Applicant: 南京邮电大学
IPC: G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种用于微表情识别的鉴别性特征学习方法与系统。首先提取微表情视频序列中的起始帧和峰值帧，并对其进行预处理，进而计算峰值帧与起始帧之间的光流信息，得到光流图；然后从普通表情图像库中选取其表情类别不同于峰值帧的一幅图像，对其进行裁剪，并用裁剪得到的图像块替换峰值帧图像的对应区域，得到合成图像；接着构造基于类激活图注意力机制的双流卷积神经网络模型，将光流图和合成图像分别输入到双流卷积神经网络的两个支路，对模型进行训练；最后用训练好的模型从输入的视频序列中提取鉴别力强的特征，用于微表情分类识别。本发明可以有效防止模型过拟合，并使模型学习到鉴别力强的微表情特征，提高微表情识别的准确率。
-
公开(公告)号：CN111242180B
公开(公告)日：2022-07-29
申请号：CN202010004433.X
申请日：2020-01-03
Applicant: 南京邮电大学
IPC: G06V10/766 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于轻量化卷积神经网络的图像识别方法及系统，包括：加载预训练好的用于图像识别的深度卷积神经网络模型；采用基于核的稀疏化方法，计算出模型中卷积层的裁剪因子，对卷积层进行裁剪，进而计算出未被裁剪的卷积层中各卷积核的裁剪因子，对卷积核进行裁剪；针对裁剪完成后的卷积神经网络模型，以卷积可分离的分组卷积方式代替标准的卷积方式并对卷积核的权重系数矩阵进行量化编码，得到轻量化的卷积神经网络模型；使用图像数据集对轻量化的模型进行训练，将待识别的图像输入训练好的轻量化卷积神经网络模型进行图像识别。本发明公开的轻量化图像识别模型可以加载到计算能力和存储资源有限的终端上，具有较为广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.025 seconds)
