公开(公告)号：CN119487525A

公开(公告)日：2025-02-18

申请号：CN202380051924.1

申请日：2023-06-02

Applicant: 三菱电机株式会社

Inventor： S·洛希特 ,  S·M·艾哈迈德 ,  彭冠铨 ,  M·琼斯

IPC: G06N3/0464 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/09

Abstract: 提供了一种用于使一个或更多个源模型网络适应于一个或更多个目标模型网络的跨模态知识迁移系统。所述系统被配置为执行以下步骤：通过所述一个或更多个源模型网络的源特征编码器提供TI配对数据集；通过所述一个或更多个源模型网络的BN层从TI配对数据提取TI源特征和TI源矩；通过所述一个或更多个目标模型网络提供TI配对数据集和未标记TR数据集，以提取TI目标特征和TR目标矩；通过将所提取的TI目标特征和TR目标矩与所述TI源特征和TI源矩进行匹配来联合训练所述一个或更多个目标模型网络的所有特征编码器以及混合权值；以及通过组合所训练的一个或更多个目标模型网络来形成最终目标模型网络。

公开(公告)号：CN107408211A

公开(公告)日：2017-11-28

申请号：CN201680018011.X

申请日：2016-03-24

Applicant: 三菱电机株式会社

Inventor： M·琼斯 ,  T·马克斯 ,  E·艾哈迈德

IPC: G06K9/62 ,  G06K9/66

Abstract: 一种方法通过应用卷积神经网络(CNN)来再识别一对图像中的物体。网络中的各个层对之前层的输出起作用。所述层包括用于确定特征图的第一卷积层和第一最大池化层、产生邻域差异图的交叉输入邻域差异层、产生分块汇总特征图的分块汇总层、产生表示分块汇总特征图中的高阶关系的特征向量的第一完全连接层、产生表示肯定对和否定对类的两个分数的第二完全连接层以及产生肯定对和否定对概率的柔性最大值传输函数层。然后，输出肯定对概率，以用信号通知两个图像是否表示同一物体。

公开(公告)号：CN118103879A

公开(公告)日：2024-05-28

申请号：CN202280067040.0

申请日：2022-07-08

Applicant: 三菱电机株式会社

Inventor： M·琼斯

IPC: G06V10/50 ,  G06T7/20 ,  G06V10/75 ,  G06V20/40 ,  G06V20/52

Abstract: 公开了一种用于检测工厂自动化场景的视频中的异常的系统。该系统可以接受视频；接受从训练视频的时空区域导出的一组训练特征向量，其中，时空区域与一个或多个训练特征向量相关联；将视频分割成多个视频卷序列；生成所述视频卷中的各个视频卷的二值差分图像序列；对所述视频卷中的各个视频卷的各个二值差分图像中的像素的预定模式中的各个预定模式的出现进行计数，以生成包括输入运动特征向量的输入特征向量，该输入运动特征向量限定对所述视频卷中的各个视频卷的预定模式的计数的时间变化；基于所生成的输入特征向量和所述一组训练特征向量来生成一组距离；以及基于所生成的一组距离来检测异常。

公开(公告)号：CN110998594A

公开(公告)日：2020-04-10

申请号：CN201880048903.3

申请日：2018-06-18

Applicant: 三菱电机株式会社

Inventor： M·琼斯 ,  T·马克斯 ,  K·库尔卡尼

IPC: G06K9/00 ,  G06K9/46

Abstract: 一种从场景的视频检测该场景中的对象的动作的方法和系统。视频是被分割成组块的视频序列，并且各个组块包括连续视频帧。该方法包括以下元素。获取场景的视频，其中，视频包括图像序列。跟踪视频中的对象，并且对于视频的各个对象和各个组块，还包括：从视频序列的视频帧确定轮廓图像序列以表示围绕对象定位的边界框内的运动数据。使用边界框来为各个组块中的一个或更多个图像生成裁剪轮廓图像和裁剪图像。将裁剪轮廓图像和裁剪图像传递给循环神经网络RNN，该RNN输出各个关注动作的相对得分。

公开(公告)号：CN110998594B

公开(公告)日：2024-04-09

申请号：CN201880048903.3

申请日：2018-06-18

Applicant: 三菱电机株式会社

Inventor： M·琼斯 ,  T·马克斯 ,  K·库尔卡尼

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V20/40 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/26

Abstract: 一种从场景的视频检测该场景中的对象的动作的方法和系统。视频是被分割成组块的视频序列，并且各个组块包括连续视频帧。该方法包括以下元素。获取场景的视频，其中，视频包括图像序列。跟踪视频中的对象，并且对于视频的各个对象和各个组块，还包括：从视频序列的视频帧确定轮廓图像序列以表示围绕对象定位的边界框内的运动数据。使用边界框来为各个组块中的一个或更多个图像生成裁剪轮廓图像和裁剪图像。将裁剪轮廓图像和裁剪图像传递给循环神经网络RNN，该RNN输出各个关注动作的相对得分。

公开(公告)号：CN107408211B

公开(公告)日：2020-08-07

申请号：CN201680018011.X

申请日：2016-03-24

Applicant: 三菱电机株式会社

Inventor： M·琼斯 ,  T·马克斯 ,  E·艾哈迈德

IPC: G06K9/62 ,  G06K9/66

Abstract: 一种方法通过应用卷积神经网络(CNN)来再识别一对图像中的物体。网络中的各个层对之前层的输出起作用。所述层包括用于确定特征图的第一卷积层和第一最大池化层、产生邻域差异图的交叉输入邻域差异层、产生分块汇总特征图的分块汇总层、产生表示分块汇总特征图中的高阶关系的特征向量的第一完全连接层、产生表示肯定对和否定对类的两个分数的第二完全连接层以及产生肯定对和否定对概率的柔性最大值传输函数层。然后，输出肯定对概率，以用信号通知两个图像是否表示同一物体。