-
公开(公告)号：CN113222020A
公开(公告)日：2021-08-06
申请号：CN202110521364.4
申请日：2021-05-13
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于数据转换和知识蒸馏的域增量学习方法，该方法用旧模型识别新数据，将其划分成公有数据和私有数据两部分，然后采用迁移学习将私有数据转换成公有数据，最后对公有数据和私有数据采用不同的损失优化训练模型。本发明所述的一种基于数据转换和知识蒸馏的域增量学习方法，通过对于旧模型无法正确识别的私有数据，采用交叉熵损失计算，能够学习新的知识；通过对旧模型可以正确识别的公有数据和转换数据，采用蒸馏损失计算，用旧模型指导新模型的学习，能够对旧知识进行记忆；通过两种损失优化训练模型，能够实现新旧任务的性能平衡；本方法无需存储旧数据，减小了数据储存的开销。
-
公开(公告)号：CN113205058A
公开(公告)日：2021-08-03
申请号：CN202110536364.1
申请日：2021-05-18
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种防止非活体攻击的人脸识别方法，包括以下步骤：步骤一：训练2D人脸识别模型和3D人脸识别模型；步骤二：对人脸进行录入；步骤三：对人脸进行识别，在对人脸进行识别时，通过测温热成像模块判定检测人脸是真实人脸还是立体模型人脸，并结合2D与3D人脸识别模型进行联合判断。本发明所述的一种防止非活体攻击的人脸识别方法，区别于传统的2D人脸识别，新加入的3D人脸识别模型可基于深度信息提取不同人脸的曲面特征，可在2D人脸识别基础上对抗照片、视频等平面攻击，且该3D人脸识别模型区别于一般的3D防伪或人脸验证模型，可以独立识别不同人脸，具备人脸识别功能。
-
公开(公告)号：CN112308865A
公开(公告)日：2021-02-02
申请号：CN202011182532.3
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种融合UNet模型与解剖学特征的乳腺钼靶图像分割方法，包括如下步骤：S1、生成掩码图；S2、训练UNet模型；S3、预分割；S4、预分割胸肌区域后处理；S5、预分割乳头区域后处理。本发明融合了语义分割模型UNet和解剖学特征，引入了损失函数Lovasz‑Softmax Loss，并根据解剖学特征对UNet模型的预分割结果进行后处理，得到适应于各种复杂乳腺情况的乳腺钼靶胸肌、乳头定位算法，解决了现实复杂情况下乳腺钼靶图的胸肌区域和乳头区域定位的稳定性问题。
-
公开(公告)号：CN112184743A
公开(公告)日：2021-01-05
申请号：CN202011182514.5
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种乳腺钼靶图像中胸肌和乳头区域的分割预标注方法，包括如下步骤：S1、提取乳腺主体图；S2、定位斜侧位胸肌分割线；S3、定位双视图的乳头区域；S4、生成胸肌和乳头的区块标注信息；S5、检验修正。本发明在原始乳腺钼靶图像的基础上，快速大批量地自动生成乳腺钼靶图像中胸肌区域和乳头区域的高质量预标注分割信息，解决了目前存在的标注效率低下、分割标准差异大的问题，降低了对后续人工的要求，使得标注效率大幅度提高，从而产生适合于语义分割神经网络的高质量的训练数据集。
-
公开(公告)号：CN112184174A
公开(公告)日：2021-01-05
申请号：CN202011086939.6
申请日：2020-10-12
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Inventor： 余孟达
Abstract: 本发明公开了一种自动生成方舱类建筑物施工方案的方法，包括如下步骤：S1、根据作业面的数目K，运用K均值聚类算法均分平面内方舱，使得每个作业面内施工舱体数目大致相同；S2、根据步骤S1得到的最终的聚类中心点用泰森多边形算法确定定位舱的位置；S3、从定位舱出发，用递归算法对施工顺序进行编排，并估算施工时间。本发明实现了对现有方舱类建筑物施工方案的自动生成，提升了方舱类建筑物快速规划的能力，解决了当前方舱类建筑物施工方案快速部署能力不足的问题，有效节省了大量的人力和时间成本，同时提升了方舱类建筑施工方案设计编排的智能化。
-
Patent Agency Ranking
公开(公告)号：CN112183481A
公开(公告)日：2021-01-05
申请号：CN202011182517.9
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06K9/00
Abstract: 本发明公开了一种基于结构光摄像头的3D人脸识别方法，其包括以下步骤：以下步骤：通过图像采集装置分别采集待识别个体的3D人脸图像；利用PCL点云库对3D人脸图像进行点云处理，分别得到高精度伪RGB图和低精度伪RGB图；构建人脸识别模型并输入高精度伪RGB图、低精度伪RGB图，提取特征向量Ai作为对比基准和特征向量Bi，通过计算特征向量Bi与特征向量Ai的相似度，判断相似度最高的特征向量Bi与特征向量Ai之间的距离是否大于预定阈值，是则识别成功，否则识别失败；本发明3D人脸图像通过点云处理后在人脸识别模型进行处理分析，充分利用低精度点云与高精度点云之间的特征关联，有效提高了在结构光摄像头进行人脸识别的准确率。
-
公开(公告)号：CN112085747A
公开(公告)日：2020-12-15
申请号：CN202010937149.8
申请日：2020-09-08
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于局部关系指导的图像分割方法，包括如下步骤：S1、在卷积神经网络模型中设计两个分支，第一分支为异同判断模块，第二分支保留原有的分割模块；S2、异同判断模块输出得到待分割图像的局部关系图r，并通过已有分割标注信息的变换进行监督；S3、分割模块输出初步分割结果S4、将局部关系图r与初步分割结果融合，通过定义的引导公式进行引导，调整初步分割结果生成最终分割结果p。本发明将像素局部关系信息作用到初步分割结果中，使得像素点的输出能显式利用周围像素点的分类信息和周围像素点与中心像素点的关系信息，克服了现有技术无法有效利用边界信息的缺陷，提高图像分割的准确性，同时有效降低了学习的难度。
-
公开(公告)号：CN112085746A
公开(公告)日：2020-12-15
申请号：CN202010937140.7
申请日：2020-09-08
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。
-
公开(公告)号：CN112085746B
公开(公告)日：2024-02-02
申请号：CN202010937140.7
申请日：2020-09-08
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06T7/11 , G06T7/12 , G06N3/0464
Abstract: 本发明公开了一种基于增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。
-
公开(公告)号：CN113255353A
公开(公告)日：2021-08-13
申请号：CN202110598353.6
申请日：2021-05-31
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F40/295 , G06F40/237 , G06F40/284 , G06F16/951 , G06F16/35 , G06N3/04
Abstract: 本发明公开了一种实体标准化方法，包括以下步骤：步骤一：建立标准实体词的知识库；步骤二：通过构建好的标准实体词的知识库，构建模型所需的训练数据；步骤三：利用构建好的训练数据分别训练实体分类模型以及实体匹配模型；步骤四：将待识别的实体输入候选实体生成模块，生成候选实体集合；步骤五：将候选实体集合中标准实体进行排序。本发明所述的一种实体标准化方法，相比于其他方法，不使用实体词的上下文信息，即能达到实体标准化的结果；通过添加实体的类型信息，作为实体匹配模型的一部分输入，就能有效的提高实体标准化的准确率，能较好的实现实体标准化任务。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.06 seconds)
