-
公开(公告)号：CN103400143A
公开(公告)日：2013-11-20
申请号：CN201310293779.6
申请日：2013-07-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于多视角的数据子空间聚类方法，其包括：提取多视角数据库中的多视角特征；对于所述多视角数据库，选择特定的线性重构表示方法，并确定所述线性重构表示方法相对应的正则化约束方式；确定所述多视角特征中每个视角特征的重构误差权重；根据所选定的重构表示方法和所获得的不同视角特征的重构误差权重，学习得到对所述多视角数据库中所有样本进行重构的线性表示矩阵；所述线性表示矩阵用于表示数据库中样本之间的关系，元素值表示其所在行对应的样本重构其所在列对应样本的重构系数；将所述线性表示矩阵进行相应处理得到度量所述多视角数据库中样本相似性的亲和矩阵；利用谱聚类算法对所述亲和矩阵进行分割得到多视角数据子空间。
-
公开(公告)号：CN103258217A
公开(公告)日：2013-08-21
申请号：CN201310180039.1
申请日：2013-05-15
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明公开一种基于增量学习的行人检测方法，可以用于大数据背景下的行人检测等领域。此方法包括：步骤1、利用训练集中的图像样本训练分类器，得到初始的分类器；步骤2、利用新的训练集进行分类器的增量学习，得到更新后的分类器；步骤3、利用更新后的分类器对待测图像进行检测，得到行人检测结果。该方法能够在极短时间内，占用少量内存，利用大数据背景中陆续收集到的多个大型训练集有效地学习并更新分类器。相对于常规方法，该方法速度快、占用内存小、使用方便，并可以学习到与常规方法非常接近的分类效果。
-
公开(公告)号：CN103077404A
公开(公告)日：2013-05-01
申请号：CN201210593857.X
申请日：2012-12-31
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于马尔可夫随机场的局部增量式可视化聚类方法，主要包括迭代和处理两个过程，其中：对完全未知的目标数据计算其相异度矩阵，将该矩阵作为迭代过程的输入，得到k阶邻域系统和忠实度矩阵；将迭代过程的输出作为处理过程的输入，得到重排序图像和聚类置信度等信息。该方法根据马尔可夫随机场的性质，采用k阶邻域系统计算全局概率测度；根据k阶邻域系统，通过降维来降低计算复杂度；根据忠实度矩阵，选择最佳划分类别，并且进一步给出聚类结果的置信度。该方法为聚类提供先验信息，直观地了解数据结构和数据类别的分布情况；同时，还能一次即可给出聚类结果和聚类评估；并给出数据隐含复杂结构和聚类置信度。
-
公开(公告)号：CN102902981A
公开(公告)日：2013-01-30
申请号：CN201210340160.1
申请日：2012-09-13
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于慢特征分析的暴力视频检测方法，包括以下步骤：对已经标好类的视频进行密集轨迹提取，基于轨迹用慢特征分析方法学习出慢特征函数，通过慢特征函数得到视频段的特征表示，最后对提取的特征进行训练并建模；对新来视频进行特征提取，将提取的特征输入到训练得到的模型，得到视频的类别(暴力视频或非暴力视频)。该方法通过密集轨迹提取构建了有效的特征向量，并通过慢特征分析方法学习出了非常具有区分力的视频特征表示。近几年随着社交网站的发展，大量的视频被上传到互联网供用户下载，其中不乏含有暴力内容的视频，这些内容会对青少年产生不良影响，基于慢特征分析的暴力视频检测方法能有效检测出这些不良内容，对建设健康的互联网环境具有重要作用。
-
公开(公告)号：CN112487217B
公开(公告)日：2025-01-17
申请号：CN201910868454.3
申请日：2019-09-12
Applicant: 腾讯科技(深圳)有限公司 , 中国科学院自动化研究所
IPC: G06F16/43 , G06N3/045 , G06N3/0475 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/0985
Abstract: 本申请实施例公开了跨模态检索方法，包括：获取第一模态数据和待检索的第二模态数据；将第一模态数据和第二模态数据输入训练好的跨模态检索网络；通过跨模态检索网络提取第一模态数据的第一特征和第二模态数据的第二特征，根据第一特征和第二特征的匹配度输出检索结果；检索结果用于表征从第一模态数据中检索出的与第二模态数据匹配的数据；其中，跨模态检索网络包括利用神经网络基于数据集中的原始数据和生成数据进行训练而来的网络；生成数据包括由生成式对抗网络中训练好的生成器基于原始数据生成的数据；生成器与生成式对抗网络中的判别器同时进行训练，用于将原始数据中属于第二模态的数据生成属于第一模态的数据。
-
Patent Agency Ranking
公开(公告)号：CN116704611B
公开(公告)日：2024-12-10
申请号：CN202310711767.4
申请日：2023-06-15
Applicant: 山东大学深圳研究院 , 山东大学 , 中国科学院自动化研究所 , 山东建筑大学 , 山东科技大学 , 银河水滴科技(北京)有限公司 , 泰华智慧产业集团股份有限公司
Abstract: 本发明涉及一种基于运动特征混合和细粒度多阶段特征提取的跨视角步态识别方法，包括：骨干网络构建：提取基础步态的浅层、中层、深层特征；运动特征混合模块构建：融合相邻帧之间的步态信息，提取时序信息；细粒度多阶段特征提取模块构建：对特征进行水平划分提取初步的空间特征。并引入一个分支进行进一步水平划分，加入空间注意力机制，提取更加细粒度的特征；整体框架训练；跨视角步态识别。本发明能够有效利用步态轮廓序列中的帧级时间信息，以及细粒度的空间信息，在特征提取方面更加有效。
-
公开(公告)号：CN118230805A
公开(公告)日：2024-06-21
申请号：CN202410178684.8
申请日：2024-02-11
Applicant: 中国科学院自动化研究所
Abstract: 本申请实施例提供一种文本引导分子生成方法、装置及存储介质，所述方法包括：确定分子描述语言的语言表征向量；将所述语言表征向量输入至训练后的第一扩散语言模型中，获取所述训练后的第一扩散语言模型输出的初始分子；将所述初始分子输入至训练后的第二扩散语言模型中，获取所述训练后的第二扩散语言模型输出的目标分子。本申请实施例提供的文本引导分子生成方法、装置及存储介质，通过第一扩散语言模型和第二扩散语言模型这两阶段的扩散过程分别捕捉文本的语义描述和修正生成分子的语法错误，从而生成目标分子，能够提高生成分子的准确率。
-
公开(公告)号：CN118230340A
公开(公告)日：2024-06-21
申请号：CN202410178548.9
申请日：2024-02-09
Applicant: 中国科学院自动化研究所
Abstract: 本申请实施例提供一种用于混合表格文本证据的事实验证方法、装置及存储介质，所述方法包括：获取证据数据，所述证据数据包括表格证据数据和文本证据数据；基于预训练语言模型和关系图网络模型获取目标图节点表示矩阵；基于所述证据数据和注意力机制对所述目标图节点表示矩阵进行聚合，获取事实验证结果。本申请实施例提供的用于混合表格文本证据的事实验证方法、装置及存储介质，通过运用图神经网络方法结合预训练语言模型挖掘证据和断言以及证据和证据之间的关联，利用证据级别的信息聚合和注意力机制辅助模型区分有效和无效证据，可以提高模型基于证据进行事实验证的准确性。
-
公开(公告)号：CN118135659A
公开(公告)日：2024-06-04
申请号：CN202410326441.4
申请日：2024-03-21
Applicant: 山东大学 , 中国科学院自动化研究所 , 山东科技大学 , 银河水滴科技(江苏)有限公司 , 泰华智慧产业集团股份有限公司
Abstract: 本发明涉及一种基于多尺度骨架时空特征提取的跨视角步态识别方法，属于深度学习和模式识别技术领域，包括骨架数据预处理、全局空间特征提取网络构建、局部空间特征提取网络构建、多尺度时间特征提取网络构建、整体框架训练及跨视角步态识别。构建全局空间特征提取网络提取全局空间特征，构建基于超图表示的局部空间特征提取网络，充分建模关节‑部位、部位‑部位级局部空间关系。为了高效地提取多尺度时间特征，构建了多尺度时间特征提取网络。为了提高整个框架结构的判别能力，联合三元组损失和交叉熵损失对整个模型进行训练。最终利用训练好的模型进行跨视角步态识别。
-
公开(公告)号：CN114724174A
公开(公告)日：2022-07-08
申请号：CN202210161681.4
申请日：2022-02-22
Applicant: 中国科学院自动化研究所
IPC: G06V40/10 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于增量学习的行人属性识别模型训练方法及装置，方法包括：获取用于增量学习的行人属性识别数据集，确定任务学习顺序；使用初始任务中的训练样本训练初始行人属性识别模型；对训练数据缓存池中代表性样本以及模型缓存池中的缓存模型进行更新；重复执行下述步骤，直至数据集中全部任务学习完成，得到行人属性识别模型；根据模型缓存池中缓存模型，确定预测模型及待训练模型；基于预测模型对当前任务的所有训练样本进行预测，得到更新后的当前任务；根据代表性样本和更新后当前任务中的训练样本，训练待训练模型，得到第一目标模型。本发明有效提高了行人属性识别模型在增量学习过程中对已有属性识别准确率，缓解遗忘灾难问题。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.113 seconds)
