公开(公告)号：CN110704612A

公开(公告)日：2020-01-17

申请号：CN201910732451.7

申请日：2019-08-09

Applicant: 国家计算机网络与信息安全管理中心 ,  中国科学院计算技术研究所

Inventor： 井雅琪 ,  李扬曦 ,  刘权 ,  段东圣 ,  张皓彭 ,  杨亚茹 ,  沈华伟 ,  佟玲玲 ,  任博雅 ,  胡燕林 ,  段运强 ,  时磊

IPC: G06F16/35 ,  G06F16/31 ,  G06F40/216 ,  G06F40/30 ,  G06Q50/00

Abstract: 本发明提出了一种社交群体发现方法、装置和存储介质，用以提高社交群体发现精度和准确度。所述社交群体发现方法，包括：利用预先设定的种子用户和约束条件，从通信数据源中查找候选用户，所述候选用户包括与所述种子用户通信的第一用户和/或满足所述约束条件的第二用户；从所述候选用户的通信数据中提取与所述种子用户关联的关联特征信息；根据提取的关联特征信息，确定每一候选用户对应的置信度；确定对应的置信度大于预设阈值的候选用户为目标用户；根据目标用户之间的通信联系建立初始群体网络；利用群体发现算法从所述初始群体网络中发现社交群体子网络。

公开(公告)号：CN110674673A

公开(公告)日：2020-01-10

申请号：CN201910697979.5

申请日：2019-07-31

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 段运强 ,  井雅琪 ,  原春锋 ,  时磊 ,  李扬曦 ,  胡燕林 ,  郭承禹 ,  张翠 ,  佟玲玲 ,  段东圣 ,  任博雅 ,  谢程利 ,  刘雨帆 ,  张子琦 ,  胡卫明

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种视频关键帧抽取方法、装置和存储介质，用以减少视频处理过程中的冗余信息，提高视频处理速度。所述视频关键帧抽取方法，包括：从待分析视频中提取I帧；针对提取的每一I帧，利用深度哈希网络确定其对应的深度哈希码，所述深度哈希网络为利用预先生成的图像样本对进行训练得到的；根据各I帧对应的深度哈希码，分别确定两两I帧深度哈希码之间的汉明距离；根据两两I帧深度哈希码之间的汉明距离，对提取的I帧进行聚类；针对每一聚类，分别确定该聚类中包含的每一I帧的信息熵；从每一聚类中，提取信息熵最大的I帧组成所述待分析视频的关键帧。

公开(公告)号：CN110674390A

公开(公告)日：2020-01-10

申请号：CN201910747703.3

申请日：2019-08-14

Applicant: 国家计算机网络与信息安全管理中心 ,  中国科学院计算技术研究所

Inventor： 井雅琪 ,  李扬曦 ,  任博雅 ,  杨亚茹 ,  沈华伟 ,  佟玲玲 ,  时磊 ,  王永庆 ,  段运强 ,  段东圣

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种基于置信度的群体发现方法及装置，所述方法包括：步骤1，设置群体的约束条件，基于所述约束条件生成群体的候选用户集及候选网络；步骤2，基于所述候选用户集及所述候选网络综合得到每个候选用户属于该群体的置信度；步骤3，根据所述候选用户的置信度，与预先设置的置信度阈值进行比较，发现新种子用户和新候选用户；步骤4，获取新种子用户，重复执行步骤1-4直到达到预先设置的迭代次数。

公开(公告)号：CN109359301A

公开(公告)日：2019-02-19

申请号：CN201811219240.5

申请日：2018-10-19

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 李扬曦 ,  杜翠兰 ,  佟玲玲 ,  段东圣 ,  井雅琪 ,  翟羽佳 ,  段运强 ,  任博雅 ,  程光

IPC: G06F17/27 ,  G06F16/35 ,  G06F16/958

Abstract: 本发明公开了一种网页内容的多维度标注方法及装置，该方法包括：将待标注的网页内容文本转换为词向量；根据词向量，进行卷积神经网络分类，并将分类结果作为第一类维度标注结果；对待标注的网页内容进行第二类维度实体识别，得到第二类维度实体词；构建第二类维度规则知识库；将第二类维度实体词与第二类维度规则知识库进行匹配，得到第二类维度标注结果。本发明从网页的内容出发，利用有监督的深度学习分类方法卷积神经网络对第一类维度进行标注，解决了传统基于词频统计分类方法分类准确率低的问题；利用命名实体识别和规则知识库对第二类维度进行标注，丰富了网页的标注内容，提升了用户体验。

公开(公告)号：CN110222611A

公开(公告)日：2019-09-10

申请号：CN201910446596.0

申请日：2019-05-27

Applicant: 中国科学院自动化研究所

Inventor： 原春锋 ,  吕红杰 ,  李兵 ,  段运强 ,  胡卫明 ,  刘雨帆

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明属于计算机视觉及深度学习领域，具体涉及了一种基于图卷积网络的人体骨架行为识别方法、系统、装置，旨在解决基于图卷积神经网络的人体骨架行为识别结果精度不高的问题。本发明方法包括：获取骨架视频帧并归一化；构建每一帧图对应的人体关节自然连接图；学习非自然连接边，获得人体关节连接图；为人体关节连接图各条边分配权重值；进行图卷积操作，获得骨架序列的空间信息；在时间维度上进行卷积操作，获得骨架序列的行为类别。本发明自然连接边能够学习到基本的人体行为特征，同时非自然连接边可以学习到附加的行为特征，通过自然连接边和非自然连接边共同构成一张图，可以更加充分的表征人体运动信息，提高识别性能。

公开(公告)号：CN110222611B

公开(公告)日：2021-03-02

申请号：CN201910446596.0

申请日：2019-05-27

Applicant: 中国科学院自动化研究所

Inventor： 原春锋 ,  吕红杰 ,  李兵 ,  段运强 ,  胡卫明 ,  刘雨帆

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明属于计算机视觉及深度学习领域，具体涉及了一种基于图卷积网络的人体骨架行为识别方法、系统、装置，旨在解决基于图卷积神经网络的人体骨架行为识别结果精度不高的问题。本发明方法包括：获取骨架视频帧并归一化；构建每一帧图对应的人体关节自然连接图；学习非自然连接边，获得人体关节连接图；为人体关节连接图各条边分配权重值；进行图卷积操作，获得骨架序列的空间信息；在时间维度上进行卷积操作，获得骨架序列的行为类别。本发明自然连接边能够学习到基本的人体行为特征，同时非自然连接边可以学习到附加的行为特征，通过自然连接边和非自然连接边共同构成一张图，可以更加充分的表征人体运动信息，提高识别性能。