-
公开(公告)号：CN111539912A
公开(公告)日：2020-08-14
申请号：CN202010209865.4
申请日：2020-03-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于人脸结构定位的健康指标评估方法、设备和存储介质。该方法包括：采集有效人脸图像；确定所述有效人脸图像中目标人脸的姿态角；如果所述目标人脸的姿态角在预设的姿态角范围之内，则在所述有效人脸图像中，通过对所述目标人脸进行标记点标记的方式，提取所述目标人脸的人脸结构信息；根据所述目标人脸的人脸结构信息，确定所述目标人脸对应的健康指标。本发明实施例无需借助专业医生和医疗器械，利用图像处理技术可以解决借助仪器进行健康全面评估成本高、过程繁琐、需要专业人员全面参与等问题。而且本发明实施例利用人脸图像处理进行健康指标评估，可以保证评估结果的真实性。
-
公开(公告)号：CN111126494A
公开(公告)日：2020-05-08
申请号：CN201911360305.2
申请日：2019-12-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及深度学习与图像分类领域，具体涉及一种基于各向异性卷积的图像分类方法及系统，目的在于解决当图像分辨率低、物体尺度和形态多变等情况下难以保证物体分类识别的精度的问题。本发明的图像分类方法包括：步骤A1，根据设定的标准图像大小，将训练图像与待分类图像都进行预处理；步骤A2，利用利用损失函数与预处理后的训练样本对神经网络进行训练优化，其中，神经网络包括各向异性卷积层；步骤A3，利用训练好的神经网络对预处理后的待分类图像进行特征提取与图像分类。本发明的神经网络能快速提取判别性特征因子，准确锁定图像中的物体轮廓，较好应对小图像、多形变等分类难题，从而充分挖掘了图像的空间信息，提高了物体分类的准确度。
-
公开(公告)号：CN111091910A
公开(公告)日：2020-05-01
申请号：CN201911300342.4
申请日：2019-12-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人工智能领域，具体涉及一种基于画钟测试的智能评估系统，旨在解决不同医生给出的评分结果存在差距的问题。本发明的系统包括圆度检测模块、完整性检测模块、正确性检测模块和评分模块。其中，圆度检测模块配置为检测待评估图像中的钟表轮廓、画出钟表轮廓的最小外接圆，并计算轮廓所围面积和最小外接圆面积的比率；完整性检测模块配置为检测待评估图像中数字、时针和分针是否存在，并获取相应的坐标值；正确性检测模块配置为根据坐标值分别检测数字位置、时针和分针的指向是否正确；评分模块配置为根据上述检测结果进行评分。本发明解决了患者不方便前往医院参与测试的问题，并有效避免了因医生的不同而导致评分结果存在差异的问题。
-
公开(公告)号：CN111063429A
公开(公告)日：2020-04-24
申请号：CN201911025465.1
申请日：2019-10-25
Applicant: 中国科学院自动化研究所
IPC: G16H50/20 , G06F16/332 , G06F16/36 , G06F16/35
Abstract: 本发明公开了一种医疗咨询方法、装置、设备和计算机可读存储介质。该方法包括：接收来自终端的咨询信息；咨询信息包括：用户基本信息、主诉内容信息和/或主诉时间信息；如果未查询到与主诉内容信息匹配的问答对，则确定主诉内容信息对应的意图类别；根据主诉内容信息对应的意图类别，确定与咨询信息对应的回复信息并向终端发送。本发明能够将用户的主诉内容信息结合主诉时间信息以及用户基本信息，为用户提供医疗咨询服务，使得向用户发送的回复信息考虑的内容更加全面，更加贴合用户的真实情况，准确性高；而且本发明还可以根据用户的咨询意图返回用户所需的回复信息，避免用户在海量数据中人工筛选所需的信息，使得回复信息更具有针对性。
-
公开(公告)号：CN110782019A
公开(公告)日：2020-02-11
申请号：CN201911029615.6
申请日：2019-10-28
Applicant: 中国科学院自动化研究所
IPC: G06N3/04
Abstract: 本发明属于人工智能领域，具体涉及一种基于分解和剪枝的卷积神经网络压缩方法、系统、装置，旨在解决采用低秩近似分解或结构化稀疏剪枝进行卷积神经网络压缩，导致压缩力度较小的问题。本系统方法包括将每个待压缩的卷积层后面添加一层系数矩阵表示层；通过低秩近似分解算法对系数矩阵表示层进行稀疏处理，并根据系数矩阵表示层稀疏的位置对对应的卷积层的滤波器进行剪枝处理；采用结构化稀疏剪枝方法对分解后的系数矩阵表示层进行稀疏处理，并根据系数矩阵表示层稀疏的位置对其滤波器进行剪枝处理；对稀疏剪枝处理后的卷积神经网络进行训练。本发明通过将低秩近似分解和结构化稀疏剪枝两种方法融合，解决了单一方法引起的缺陷，提高了压缩力度。
-
Patent Agency Ranking
公开(公告)号：CN110717317A
公开(公告)日：2020-01-21
申请号：CN201910867119.1
申请日：2019-09-12
Applicant: 中国科学院自动化研究所
IPC: G06F40/169 , G06F40/289 , G06Q10/10
Abstract: 本发明属于文本标注领域，具体涉及一种在线人工中文文本标注系统，旨在解决现有人工中文文本标注系统无法实现多人协作标注的问题。本发明系统包括：服务器、第一、二客户端；第一、二客户端分别与服务器相连；服务器包括数据库；第一客户端包括管理模块；第二客户端包括标注、重分词、切换模块；管理模块配置为拆分标注文本，并上传数据库；数据库配置为根据分配指令将标注项目与标注用户关联；标注模块配置为对标注项目中的语句进行标注；重分词模块配置为依据输入指令对标注项目的语句进行重新分词；切换模块配置为对标注、重分词模块工作状态的切换。本发明实现了多人协作标注，并提高了文本标注的准确率和效率。
-
公开(公告)号：CN110706253A
公开(公告)日：2020-01-17
申请号：CN201910884524.4
申请日：2019-09-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉跟踪技术领域，具体涉及一种基于表观特征和深度特征的目标跟踪方法、系统、装置，旨在解决现有目标跟踪方法忽略目标场景的深度信息导致跟踪精度低的问题。本系统方法包括根据t-1帧的目标位置和预设的目标尺寸，获取待追踪目标在第t帧图像的目标区域和搜索区域；通过表观特征、深度特征提取网络分别提取目标区域、搜索区域的表观特征、深度特征；基于预设权重，分别对目标区域、搜索区域的表观特征、深度特征进行加权平均，得到各自的融合特征；根据目标区域和搜索区域的融合特征，通过相关滤波器得到目标的响应图；将响应图的峰值对应的位置作为第t帧的目标位置。本发明提取目标场景的深度信息，提高了目标跟踪的精度。
-
公开(公告)号：CN110215216A
公开(公告)日：2019-09-10
申请号：CN201910500528.8
申请日：2019-06-11
Applicant: 中国科学院自动化研究所
IPC: A61B5/11
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于骨骼关节点分区域分层次的行为识别方法、系统、装置，旨在为了解决有效提高行为识别准确率同时减少网络层数的问题。本发明方法包括：获取输入视频的各帧图像，从各帧图像中分别提取骨骼关节点；对每一帧图像，将其中所提取的所述骨骼关节点划分至所划分的各人体区域，并通过图卷积操作获取对应的特征表示，得到第一层特征表示集；对每一帧图像，按照所述各人体区域，基于所述第一层特征表示，通过池化、图卷积方法逐层减少关节点数量，直至通过多层聚合得到一个特征向量，并将该特征向量输入到两个全连接层得到行为类别。本发明提高了行为识别的准确率，加快了训练速度与检测速度。
-
公开(公告)号：CN103942191B
公开(公告)日：2018-04-27
申请号：CN201410171360.8
申请日：2014-04-25
Applicant: 中国科学院自动化研究所
IPC: G06F17/27
Abstract: 本发明公开了一种基于内容的恐怖文本识别方法，该方法包括：首先，对需要识别的文本进行预处理，以消除错误数据和冗余数据对识别结果的消极影响；其次，构建基于内容的文本分类器模型，该模型能够分别利用文本标题分类器和文本内容分类器对文本标题和文本内容进行独立识别，然后将两种识别结果进行决策融合，最终得出识别结果；最后，将格式化后的待识别文本数据作为基于文本分类器模型的输入，该模型的输出即为文本的识别结果。该方法在实验数据库上能够取得良好的实验效果，其识别结果具有较高的可靠性和稳定性。
-
公开(公告)号：CN107563410A
公开(公告)日：2018-01-09
申请号：CN201710662859.2
申请日：2017-08-04
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明涉及计算机数据处理领域，提出了一种基于局部类别一致聚类和多任务学习的分类和设备，旨在解决数据分类中支持向量机因运算量大而使得分类慢的问题。该方法的一具体实施方式包括：使用K-均值对待分类数据进行聚类，在每个聚类上训练一个线性支持向量机以初始化模型的参数；然后，使用局部一致聚类方法将待处理数据划分为多个聚类，在每个聚类上训练一个线性支持向量机；将聚类和训练支持向量机融合到一个产生式图模型中；使用多任务学习方法同时学习上述支持向量机；利用期望最大化算法求解初始分类模型的参数，由上述参数得到分类模型，利用分类模型对待分类数据进行分类。该实施方式提高大规模的待分类数据的分类速度。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.04 seconds)
