-
公开(公告)号：CN108038476B
公开(公告)日：2019-10-11
申请号：CN201810004825.9
申请日：2018-01-03
Applicant: 东北大学
Abstract: 本发明提供一种基于边缘检测与SIFT的人脸表情识别特征提取方法，包括：获得包含人脸的图像；将图像划分为背景类和对象类，进行边缘检测后得到关于人脸信息的子图像，即对象类子图像；提取对象类子图像中的特征点，生成对象类子图像中关于表情信息的SIFT描述子。本发明在特征提取过程中去除掉背景对重要信息造成的等影响，对图像进行特征点提取得到的SIFT描述子，对于噪声、光照、部分遮挡以及仿射变换等的稳定性极高，提取到的图像中的SIFT描述子完成图像的匹配，同时利用PCA进行降维，加快了提取特征与匹配的时间，提高了匹配的效率以及准确率，非常适用于图像的识别、图像人脸识别与图像比对等方面。
-
公开(公告)号：CN116467452A
公开(公告)日：2023-07-21
申请号：CN202310461067.4
申请日：2023-04-26
Applicant: 东北大学
IPC: G06F16/35 , G06Q30/015 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种基于多任务学习混合神经网络的中文投诉分类方法，涉及文本分类技术领域。本发明首先使用知识集成增强表示模型(ERNIE)对诉求文本进行预训练，然后利用CNN和BiLSTM混合神经网络代替单一神经网络，弥补单一神经网络的不足，增强模型竞争优势，再将多任务学习方式与深度学习模型相结合，多个任务间共享学习信息，以便更迅速地到达优化目标，从而提高学习性能。
-
公开(公告)号：CN108038476A
公开(公告)日：2018-05-15
申请号：CN201810004825.9
申请日：2018-01-03
Applicant: 东北大学
Abstract: 本发明提供一种基于边缘检测与SIFT的人脸表情识别特征提取方法，包括：获得包含人脸的图像；将图像划分为背景类和对象类，进行边缘检测后得到关于人脸信息的子图像，即对象类子图像；提取对象类子图像中的特征点，生成对象类子图像中关于表情信息的SIFT描述子。本发明在特征提取过程中去除掉背景对重要信息造成的等影响，对图像进行特征点提取得到的SIFT描述子，对于噪声、光照、部分遮挡以及仿射变换等的稳定性极高，提取到的图像中的SIFT描述子完成图像的匹配，同时利用PCA进行降维，加快了提取特征与匹配的时间，提高了匹配的效率以及准确率，非常适用于图像的识别、图像人脸识别与图像比对等方面。
-
-
Search Results
3
records
(took 0.017 seconds)
