-
公开(公告)号：CN104899578A
公开(公告)日：2015-09-09
申请号：CN201510363785.3
申请日：2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
CPC classification number: G06K9/00288 , G06K9/6274
Abstract: 本发明公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。
-
公开(公告)号：CN104834834A
公开(公告)日：2015-08-12
申请号：CN201510166526.1
申请日：2015-04-09
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本发明的启动子识别系统的构建方法和装置，将包含多条基因序列的数据集划分为具有预设属性的第一数据子集和不具有预设属性的第二数据子集；并分别提取第一、第二数据子集的多种预设特征，所述预设特征包括基因刚性特征；之后，对特征提取所得的多个特征数据集合进行建模，得到构成启动子识别系统所需的各个子分类器模型。可见，本发明在构建人类基因启动子识别系统时，考虑了基因结构特征(如基因刚性特征)，通过提取基因数据的基因刚性特征，并将提取的基因刚性特征作为训练数据进行建模，使最终的识别系统具备了结合基因结构特征识别启动子的能力，提升了系统的识别性能。
-
公开(公告)号：CN104408693A
公开(公告)日：2015-03-11
申请号：CN201410698813.2
申请日：2014-11-27
Applicant: 苏州大学
Abstract: 本发明公开了一种彩色图像重构与识别方法及系统，利用无标签的彩色图像训练样本进行彩色散度矩阵构造，对彩色图像进行二维主成分学习，通过一个特征分解问题得到投影矩阵，完成特征降维，将降维后的数据输入最近邻分类器，再将测试样本嵌入到投影空间进行特征提取，输入至最近邻分类器进行相似性度量，输出测试样本的类别，得到最准确的彩色图像识别结果。通过优化一个无监督的特征问题实现彩色图像特征的直接降维，降低了时间复杂性，使基于彩色图像特征提取的识别过程快速，同时可有效保持图像像素中包含的重要彩色信息和拓扑结构。此外，投影方向可有效用于彩色图像重构，通过选取一定数量的投影向量，可得到清晰的彩色图像重构结果。
-
公开(公告)号：CN110147782B
公开(公告)日：2023-06-13
申请号：CN201910459926.X
申请日：2019-05-29
Applicant: 苏州大学
IPC: G06V40/16 , G06V10/778
Abstract: 本发明公开了一种基于投影字典对学习的人脸识别方法，包括：获取目标人脸图像；利用稀疏投影矩阵提取目标人脸图像中的目标特征；将目标特征输入识别分类器，输出目标人脸图像的识别结果；其中，稀疏投影矩阵和识别分类器利用基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练而得，稀疏投影矩阵采用了核范式约束和L1‑范式约束。其中，基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练稀疏投影矩阵和识别分类器，能够使稀疏投影矩阵提取到显著的图像特征，并降低数据维度，从而提高人脸识别的效率和准确率。本发明公开的一种基于投影字典对学习的人脸识别装置、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：CN108830302B
公开(公告)日：2022-06-07
申请号：CN201810523533.6
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本申请公开了一种图像分类方法，包括：对标准TWSVM算法进行预处理，得到预处理TWSVM算法；根据获取的训练数据集执行二叉决策树构造操作，根据预处理TWSVM算法和构造得到的二叉决策树中的非叶子结点进行训练处理，得到每个非叶子结点的决策函数；通过二叉决策树和决策函数对待测样本进行分类预测处理，得到分类结果。通过二叉决策树为基础拓展TWSVM算法，提高TWSVM算法处理多分类问题的效率，并且通过核聚类构造的二叉决策树提高了面对非线性问题时的准确率本申请还公开了一种图像分类的训练方法、分类预测方法、图像分类系统、图像分类装置以及计算机可读存储介质，具有以上有益效果。
-
Patent Agency Ranking
公开(公告)号：CN113902949A
公开(公告)日：2022-01-07
申请号：CN202111187944.0
申请日：2021-10-12
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/20 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种图像识别方法、装置、电子设备及可读存储介质。其中，方法包括根据已知标签信息的第一类图像数据和无标签信息的第二类图像数据，生成用于训练图像识别模型的原始图像数据；利用预先构建的多层耦合分解结构对原始图像数据进行深度分解，得到深度特征信息；利用各已知标签信息构建约束信息，基于该约束信息和深度特征信息，通过最小化标签重构误差得到用于标签预测的标签投影矩阵；利用标签投影矩阵对第二类图像数据进行标签预测，并更新约束信息和原始图像数据，利用该原始图像数据对训练好的图像识别模型进行更新或者是进行图像识别模型的训练，提升模型性能，从而可以有效提高图像识别准确度。
-
公开(公告)号：CN113902924A
公开(公告)日：2022-01-07
申请号：CN202111186597.X
申请日：2021-10-12
Applicant: 苏州大学
IPC: G06V10/44 , G06V10/30 , G06V10/25 , G06V10/764
Abstract: 本申请公开了一种图像识别方法、装置、电子设备及可读存储介质。其中，方法包括对原始图像数据进行噪音去除处理，得到干净的图像数据空间。在图像数据空间中进行深度概念分解学习，通过多层线性变换得到深度图像特征；通过最小化自表示重构权值矩阵误差项对深度图像特征进行处理，得到保留局部流形信息的目标图像特征。基于该目标图像特征进行图像识别，得到图像识别结果，可有效提升图像识别精准度。
-
公开(公告)号：CN107958229B
公开(公告)日：2021-12-24
申请号：CN201711395361.0
申请日：2017-12-21
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种基于近邻保持低秩表示的人脸识别方法、装置、设备及计算机存储介质。其中，方法包括将相似性自适应保持和低秩表示集成为统一学习框架，得到表示系数矩阵和用于提取特征、基于核范式和L2，1‑范式约束下的稀疏投影矩阵；利用稀疏投影矩阵分别提取训练样本集和测试样本集的相似性自适应保持的显著特征，生成嵌入显著特征的人脸特征训练样本集和人脸特征测试样本集；利用人脸特征训练样本集将表示系数矩阵和显著特征的重构误差最小化项进行集成优化；将人脸特征测试样本集输入人脸特征训练样本集构造的最近邻分类器，根据相似性进行识别，得到识别结果。本申请提供的技术方案提升了人脸图像特征提取和识别能力。
-
公开(公告)号：CN108509833B
公开(公告)日：2021-11-05
申请号：CN201711393942.0
申请日：2017-12-21
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种基于结构化分析字典的人脸识别方法、装置、设备及计算机存储介质。其中，方法包括将人脸训练样本集和人脸测试样本集输入人脸识别模型中，并对人脸识别模型进行参数初始化，人脸识别模型包括多个子分类器，每个子分类器对应人脸训练样本集中的一个类别；对人脸训练样本集中包含的每一类别的数据集进行结构化字典学习，得到各类别数据集的子字典和相对应的子稀疏编码；对各类别数据集的子稀疏编码进行近似分析，得到各子稀疏编码的子投影；根据各子投影及人脸训练样本集训练人脸识别模型中的各子分类器；利用人脸识别模型中的各子分类器对人脸测试样本集进行分类识别。本申请的技术方案有效的提升了人脸识别的效率和准确度。
-
公开(公告)号：CN107958241B
公开(公告)日：2021-09-21
申请号：CN201810007877.1
申请日：2018-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种单样本人脸识别方法、装置、设备及计算机可读存储介质，包括对待识别图像进行预处理，得到行列一致的待识别单样本；采用预先计算出的SVD投影矩阵和LU投影矩阵分别对待识别单样本进行投影，得到第一判别特征和第二判别特征；利用第一判别特征、第二判别特征、第一计算关系式、预先依据原始训练样本集计算出的SVD权重、LU权重、与原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出待识别单样本到各个原始单样本的距离；采用最近邻分类器从各个距离中确定出待识别单样本距离最近的原始单样本，并以确定出待识别单样本的类别。扩展了数据的求解范围，提高了识别率和识别性能。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.025 seconds)
