-
公开(公告)号：CN110210372A
公开(公告)日：2019-09-06
申请号：CN201910454937.9
申请日：2019-05-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉及模式识别领域，具体涉及了一种基于注意增强图卷积网络的骨架行为识别方法、系统，旨在解决如何有效学习人体骨架数据的时空特征并提升行为识别准确率的问题。本发明方法包括：获取人体骨架序列作为待识别骨架序列；通过训练好的骨架行为识别网络，获取预设行为的概率；选择概率最高的预设行为作为所述待识别骨架序列的预测行为。本发明不仅可以获取具有判别性的空间结构特征和时间动态特征，还可以获取时空之间的关系特征，利用注意机制自适应选择重要的信息，强化关键部位的信息，获取更加鲁棒的表示。
-
Patent Agency Ranking
公开(公告)号：CN109191366A
公开(公告)日：2019-01-11
申请号：CN201810764054.3
申请日：2018-07-12
Applicant: 中国科学院自动化研究所
IPC: G06T3/00
Abstract: 本发明属于图像合成技术领域，具体提供一种基于人体姿态的多视角人体图像合成方法及装置。旨在解决现有技术无法有效地进行人的多视角图像合成以及保持人的特征不发生明显变化的问题。本发明提供了一种基于人体姿态的多视角人体图像合成方法，包括基于姿态转换模型并根据原始人体姿态和目标视角，对原始人体姿态进行姿态转换；基于前景转换模型并根据原始前景图像、原始人体姿态和目标视角人体姿态，对原始前景图像进行前景转换；基于多视角合成模型并根据原始图像和目标前景图像，对原始图像进行多视角合成，得到多视角人体合成图像。本发明提供的方法具有保持合成图像中人的特征，以及合成高质量的合成图像的有益效果。
-
公开(公告)号：CN109191366B
公开(公告)日：2020-12-01
申请号：CN201810764054.3
申请日：2018-07-12
Applicant: 中国科学院自动化研究所
IPC: G06T3/00
Abstract: 本发明属于图像合成技术领域，具体提供一种基于人体姿态的多视角人体图像合成方法及装置。旨在解决现有技术无法有效地进行人的多视角图像合成以及保持人的特征不发生明显变化的问题。本发明提供了一种基于人体姿态的多视角人体图像合成方法，包括基于姿态转换模型并根据原始人体姿态和目标视角，对原始人体姿态进行姿态转换；基于前景转换模型并根据原始前景图像、原始人体姿态和目标视角人体姿态，对原始前景图像进行前景转换；基于多视角合成模型并根据原始图像和目标前景图像，对原始图像进行多视角合成，得到多视角人体合成图像。本发明提供的方法具有保持合成图像中人的特征，以及合成高质量的合成图像的有益效果。
-
公开(公告)号：CN111881957B
公开(公告)日：2022-09-23
申请号：CN202010683490.5
申请日：2020-07-15
Applicant: 中国科学院自动化研究所 , 国网江西省电力有限公司
IPC: G06V10/774 , G06V10/776 , G06N3/04
Abstract: 本发明属于领域，具体涉及了一种基于信息导向注意力网络的图像识别方法，旨在解决的问题。本发明包括：获取输入图像，通过信息导向的注意力网络计算输入图像的特征向量，计算特征向量和信息导向的注意力网络中的原型表征之间的距离，选取特征向量距离最近的类别得到图像的分类结果。本发明解决了现有的图像识别技术中训练神经网络严重依赖数据规模的缺陷，通过将标注数据和未标注数据组织在一起并对他们之间的关系进行建模，可以抽取更具代表性的特征，解决了现有图像识别技术所用人工神经网络需要大量有标注的训练数据才能满足使用性能需求的缺陷。
-
公开(公告)号：CN111881957A
公开(公告)日：2020-11-03
申请号：CN202010683490.5
申请日：2020-07-15
Applicant: 中国科学院自动化研究所 , 国网江西省电力有限公司
Abstract: 本发明属于领域，具体涉及了一种基于信息导向注意力网络的图像识别方法，旨在解决的问题。本发明包括：获取输入图像，通过信息导向的注意力网络计算输入图像的特征向量，计算特征向量和信息导向的注意力网络中的原型表征之间的距离，选取特征向量距离最近的类别得到图像的分类结果。本发明解决了现有的图像识别技术中训练神经网络严重依赖数据规模的缺陷，通过将标注数据和未标注数据组织在一起并对他们之间的关系进行建模，可以抽取更具代表性的特征，解决了现有图像识别技术所用人工神经网络需要大量有标注的训练数据才能满足使用性能需求的缺陷。
-
公开(公告)号：CN111881954A
公开(公告)日：2020-11-03
申请号：CN202010679785.5
申请日：2020-07-15
Applicant: 中国科学院自动化研究所 , 国网江西省电力有限公司
Abstract: 本发明属于计算机视觉、模式识别和神经网络技术领域，具体涉及一种基于渐进式簇净化网络的转导推理小样本分类方法、系统、装置，旨在解决现有基于小样本学习的分类方法忽略了测试样本的作用，导致分类精度、鲁棒性较差的问题。本系统方法包括：获取第一数据集、第二数据集；提取第一数据集、第二数据集中图像的特征，对第二数据集不同类别的图像特征求均值，作为各类别的特征初始值；通过分类模型对第一数据集中的图像分类；第一数据集中重分类的各图像的正得分；第一数据集中重分类的各图像的负得分；通过预设的第一方法对特征初始值进行更新；循环判断。本发明提高了分类的精度、鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
