公开(公告)号：CN1971621A

公开(公告)日：2007-05-30

申请号：CN200610114495.6

申请日：2006-11-10

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  刘军发

IPC: G06T13/00 ,  G10L21/06 ,  G10L13/00 ,  G10L15/00

Abstract: 本发明涉及一种语音和文本联合驱动的卡通人脸动画生成方法，包括建立语音视位映射库、文本分析、语音切分及语音合并、视位参数拼接步骤；本发明的优点在于：能够自定义音节－视位映射，从而实现各种具有夸张表情效果的唇型和脸形，最终合成卡通人脸动画；不需要大规模数据库进行训练；能够在文本的指导下，进行语音切分，提取音节时长信息，从而合成具有唇型和表情同步的人脸动画。

公开(公告)号：CN119760515A

公开(公告)日：2025-04-04

申请号：CN202411678654.X

申请日：2024-11-22

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  李嘉豪 ,  邢云冰

IPC: G06F18/2411 ,  G06N3/0455 ,  G06F18/214

Abstract: 本发明提供了一种多元时间序列的无监督异常感知系统，用于检测多元时间序列是否存在异常，所述系统包括：数据采集模块，用于采集原始的多元时间序列；异常感知模型，用于对原始的多元时间序列进行编解码处理以获取重构后的多元时间序列；异常评估模块，用于基于原始的多元时间序列和重构的多元时间序列按照预设的评估方式计算原始的多元时间序列的异常程度量化分数，并基于异常程度量化分数按照预设的评估规则来评估原始的多元时间序列是否存在异常。本发明通过轻量级架构设计，大幅降低了参数量和计算复杂度，适用于资源受限的环境；还通过记忆槽中存储的正常多元时间序列的特征表示来有效地识别异常数据模式，提高了异常检测的精确度和鲁棒性。

公开(公告)号：CN119150092A

公开(公告)日：2024-12-17

申请号：CN202411171767.0

申请日：2024-08-26

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  孙睿哲 ,  杨晓东 ,  于汉超

IPC: G06F18/241 ,  G06F18/23 ,  G06F18/214 ,  G06N3/0895 ,  G06N3/098 ,  G16H50/70

Abstract: 本发明提供了一种医疗数据分类模型的联邦构建方法，用于联合多个有标签客户端和多个无标签客户端构建医疗数据分类模型，其中，有标签客户端指示该客户端上的数据集包括多个医疗数据及其对应的疾病标签，无标签客户端指示该客户端上的数据集仅包括多个医疗数据，所述方法包括：联邦客户端聚类步骤用于将数据分布相似的各个客户端聚类到一个子联邦集合中；联邦半监督自训练步骤用于对每个子联邦集合中的客户端进行排序，并以排序结果对无标签客户端进行打标签处理以使每个无标签客户端的所有医疗数据均被赋予目标伪标签；联邦客户端训练步骤用于基于所有有标签客户端和所有被赋予目标伪标签的无标签客户端执行多轮联邦训练得到医疗数据分类模型。

公开(公告)号：CN118212674A

公开(公告)日：2024-06-18

申请号：CN202410302591.1

申请日：2024-03-18

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  陈灵星 ,  谷洋 ,  郭易 ,  蒋冬梅 ,  王耀威 ,  陈健祺 ,  朱颖婷 ,  卓业鸿

IPC: G06V40/16 ,  G06V10/774

Abstract: 本发明提供一种基于面部表情的视力筛查模型构建方法，视力筛查模型用于基于人脸图像判定受试者视力是否异常，包括：S1、构建初始模型，所述初始模型包括特征提取器、残差计算器、注意力模块和异常检测模块；S2、构建数据集，其包括多个受试者的人脸图像，并将受试者是否近视作为图像标签，从每个受试者的多个正常图像中随机选择一个作为该受试者的参考图像；S3、基于数据集构建第一训练集和第二训练集，所述第一训练集是以所有正常图像为训练图像与所有参考图像共同构成的集合，所述第二训练集是以所有正常图像和所有异常图像为训练图像并与所有参考图像共同构成的集合；S4、采用所述第一训练集和第二训练集依次对所述初始模型进行训练。

公开(公告)号：CN118172823A

公开(公告)日：2024-06-11

申请号：CN202410197852.8

申请日：2024-02-22

Applicant: 爱尔眼科医院集团股份有限公司长沙爱尔眼科医院 ,  中国科学院计算技术研究所

Inventor： 曾庆延 ,  陈益强 ,  高林 ,  向斌 ,  张凌霄 ,  戴伟伟 ,  李绍伟

IPC: G06V40/18 ,  G06V10/764 ,  G06V10/75 ,  G06V10/82

Abstract: 本申请公开了一种真菌性角膜炎检测系统、方法、设备及介质，包括：图像采集模块，获取被检测者的目标角膜图像；单张图像检测模块，将目标角膜图像分为待测真菌性角膜炎图像和待测非真菌性角膜炎图像；图像序列构建模块，构建每张待测真菌性角膜炎图像的待检测图像序列；待检测图像序列包括待测真菌性角膜炎图像和待测真菌性角膜炎图像前后邻近的目标数量张目标角膜图像；图像序列检测模块，将待检测图像序列分为真菌性角膜炎图像序列和非真菌性角膜炎图像序列；真菌性角膜炎确定模块，确定待检测图像序列中真菌性角膜炎图像序列的目标占比，目标占比高于预设占比时将被检测者确定为真菌性角膜炎患者。能够提高真菌性角膜炎的检测准确率。

公开(公告)号：CN117909744A

公开(公告)日：2024-04-19

申请号：CN202410207285.X

申请日：2024-02-26

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  高佳圆 ,  张迎伟

IPC: G06F18/214 ,  G06F18/23213 ,  G06F40/30 ,  G06N3/04 ,  G06N3/088

Abstract: 本发明提供了一种用于训练人类活动识别模型的方法和系统，所述方法包括：获取数据集，所述数据集包括多个传感器数据样本，所述多个传感器数据样本通过聚类算法对原始未标注数据集进行聚类选取得到；获取每个所述传感器数据样本的文本提示，并利用大语言模型根据所述文本提示，生成指示对应传感器数据样本所属活动类别的标签，并将所述标签标注在对应的传感器数据样本上，以得到训练集；根据类均衡算法对所述训练集进行类别均衡，并利用类别均衡后的训练集对人类活动识别模型进行训练。

公开(公告)号：CN117746184A

公开(公告)日：2024-03-22

申请号：CN202311795114.5

申请日：2023-12-25

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  郭帅 ,  马媛 ,  杨昭华 ,  翁伟宁 ,  刘俊 ,  陈益强

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/096

Abstract: 本发明提供了一种图像分类模型的增量训练方法，所述方法包括：S1、采用上一次增量训练得到的图像分类模型作为当前轮初始图像分类模型；所述图像分类模型包括特征提取器和分类器，所述特征提取器用于提取图像数据的特征向量，所述分类器用于根据特征向量进行图像分类；S2、采用新训练集和旧训练集训练所述步骤S1中得到的初始图像分类模型至收敛，在训练过程中采用预设的总损失函数更新模型参数，所述总损失包括交叉熵损失和对比损失，所述对比损失是基于新训练集和旧训练集中的所有正对和负对计算。本发明的技术方案通过在训练中采用了包括基于图像的特征向量和类的特征向量的构建的正对和负对的对比损失，从而缓解了增量学习中的灾难性遗忘问题。

公开(公告)号：CN117421590A

公开(公告)日：2024-01-19

申请号：CN202311235562.X

申请日：2023-09-25

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  曾碧霄 ,  杨晓东 ,  于汉超 ,  张迎伟

IPC: G06F18/214 ,  G06N20/00

Abstract: 一种联邦学习客户端的数据质量评估方法，包括：步骤S1：根据多个客户端当前轮训练更新后的本地模型参数和对应的样本数据量获得更新后的全局模型参数；步骤S2：根据当前轮更新前与更新后的客户端的本地模型参数计算各个客户端的本地参数梯度，步骤S3：根据更新前与更新后的全局模型参数计算服务端的全局参数梯度；步骤S4：计算服务端的全局参数梯度与各个客户端的本地参数梯度之间的动土距离，根据动土距离确定各个客户端的数据质量。

公开(公告)号：CN117292428A

公开(公告)日：2023-12-26

申请号：CN202311078758.2

申请日：2023-08-25

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  马媛 ,  谷洋 ,  郭帅 ,  文世杰

IPC: G06V40/18 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/094

Abstract: 本发明提供了一种基于非对称的双分类器模型的领域自适应方法，该方法包括：获取训练集，其包括多个源域样本、多个目标域样本、用于指示每个源域样本所属眼底类别的标签，源域样本和目标域样本均为眼底图像；获取双分类器模型，其包括：基于正向分布补偿值和反向分布补偿值，利用所述训练集对特征提取器和两个分类器进行多次对抗训练，得到经训练的双分类模型。

公开(公告)号：CN117150292A

公开(公告)日：2023-12-01

申请号：CN202311074976.9

申请日：2023-08-24

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  杨威文 ,  张迎伟

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/241 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明提供了一种基于增量学习对手势识别模型训练的方法，所述方法包括：获取经训练的旧手势识别模型，其包括用于从肌电信号数据提取手势特征的特征提取器；获取初始的新手势识别模型，其包括用于提取手势特征的特征提取器和用于根据手势特征进行手势识别的分类器；获取多个旧用户中每个旧用户的样本池中的训练样本以及新用户的训练样本，每个训练样本包括肌电信号数据和用于指示该肌电信号数据所属手势类别的标签；基于经训练的旧手势识别模型分别提取训练集中的各个训练样本中肌电信号数据的旧手势特征；以所述初始的新手势识别模型为基础，利用训练集对其进行多次迭代训练，最后一次训练完成得到经增量学习的新手势识别模型。