-
公开(公告)号：CN118537637A
公开(公告)日：2024-08-23
申请号：CN202410609169.0
申请日：2024-05-16
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/44 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种图像分类模型训练方法，其包括：步骤S1、数据获取步骤：获取多个图像数据集，每个图像数据集与其他图像数据集属于不同的领域，每个图像数据集中包括多个不同类别的图像样本及其对应的类别标签和域标签，其中，类别标签指示图像样本对应的类别，域标签指示图像样本所属的图像数据集，且每个图像数据集拥有相同的类别标签集合；步骤S2、模型训练步骤：步骤S21、构建初始图像分类模型，其包括共享特征提取器、一个一类分支网络和多个二类分支网络；步骤S22、采用所述多个图像数据集对初始图像分类模型进行多次训练直至模型收敛。本发明提出的训练方法使模型具备了提取跨域不变特征和域正交不变特征的能力，使模型提高了分类准确率。
-
公开(公告)号：CN117761654A
公开(公告)日：2024-03-26
申请号：CN202311788337.9
申请日：2023-12-25
Applicant: 中国科学院计算技术研究所
IPC: G01S7/41 , G06V40/20 , G06V10/34 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G01S13/86
Abstract: 本发明提供一种神经网络模型，根据雷达人体活动数据识别人体活动，包括：特征变换网络，用于根据所述雷达人体活动数据生成多视角融合特征图；特征提取网络，用于从多视角融合特征图中提取人体姿态特征；姿态回归网络，用于根据人体姿态特征识别出人体姿态类别。本发明利用深度摄像机提供的人体深度图和关键骨骼点图作为网络的中间层监督和底层监督，提高了人体姿态识别准确率，该系统可应用于跌倒检测、灾害救援等实际场景中。
-
公开(公告)号：CN113177455B
公开(公告)日：2023-01-24
申请号：CN202110442262.3
申请日：2021-04-23
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: G06V40/20 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G16H50/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种训练运动强度识别系统的方法，包括：A1、构建运动强度识别系统，其包括依次连接的数据预处理模块、并行卷积处理流、双线性池化模块和多任务学习模块，所述并行卷积处理流包括两条并行的卷积处理流；A2、通过数据预处理模块对经标注了标签的运动数据进行预处理，得到运动信息和对应的标签组成的训练集，其中，运动数据由惯性传感器采集得到，为运动数据标注的标签包括多种不同的运动强度标签和多种不同的运动行为标签；A3、用所述训练集训练所述运动强度识别系统；本发明从通道和空间两个维度对卷积层提取的特征进行优化，关注重要的特征，抑制不必要的特征，有助于提升运动强度的识别精度。
-
公开(公告)号：CN112861879B
公开(公告)日：2022-11-01
申请号：CN202110203086.8
申请日：2021-02-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/77 , G06N20/00
Abstract: 本发明提出一种基于双重迁移的认知障碍辅助决策支持方法和系统，包括本发明提出的方法将样本损失加权选择与特征适配相融合，从双重层面进行迁移，通过对源域样本损失加权，增强与目标域知识关联度高的源域样本作用，同时削弱无关样本的作用；同时，通过对源域与目标域特征空间的适配，拉近领域间分布差异。最终构建在目标域上性能良好的分类模型，判断有无认知障碍。
-
公开(公告)号：CN113057585B
公开(公告)日：2022-08-30
申请号：CN202110274276.9
申请日：2021-03-15
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00
Abstract: 本发明提供一种认知障碍检测模型及其训练方法，所述认知障碍检测模型包括多模态信息表征模块、多模态信息融合模块、无监督深度聚类模块。所述多模态信息表征模块包括眼底图像数据表征网络、多模态生理信号数据表征网络。所述多模态信息融合模块与所述多模态信息表征模块相连接，用于将所述眼底图像数据的特征与多模态生理信号的特征进行融合，得到融合后的特征；所述无监督深度聚类模块与所述多模态信息融合模块相连接，用于根据所述融合后的特征基于无监督聚类模型进行认知障碍检测。
-
Patent Agency Ranking
公开(公告)号：CN113128669A
公开(公告)日：2021-07-16
申请号：CN202110374736.5
申请日：2021-04-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种半监督学习方法，该方法包括：利用有标签数据对神经网络模型进行初始训练；获得待标定的无标签数据的增强数据；利用初始训练好的神经网络模型标定待标定的无标签数据及其增强数据的伪标签；利用有标签数据以及待标定的伪标签数据重新训练神经网络模型；其中，用于半监督学习的神经网络模型包括：输入层，用于接收输入数据；第一隐藏层，用于提取输入数据的低层语义信息；语义层，用于基于低层语义信息确定输入数据的低层语义标签；第二隐藏层，用于基于输入数据及其低层语义标签提取输入数据的高层语义信息；以及输出层，用于基于输入数据的高层语义信息确定其高层语义标签，并作为最终标签输出。
-
公开(公告)号：CN109063722B
公开(公告)日：2021-06-29
申请号：CN201810588551.2
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于机会感知的行为识别方法，包括：模型建立步骤，通过可穿戴传感器采集用户行为的初始数据，对该初始数据进行处理以构建用于识别该用户行为的感知模型；数据感知步骤，通过该可穿戴传感器采集该用户行为的增量数据；数据选择步骤，对该增量数据进行筛选，以从中获取机会数据；机会计算步骤，以该机会数据对该感知模型进行更新。
-
公开(公告)号：CN112966644A
公开(公告)日：2021-06-15
申请号：CN202110311898.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于手势检测和手势识别的多模态多任务模型及其训练方法，所述模型包括模态特征提取模块、多模态融合模块、模型多任务分类模块。本发明利用多模态通道注意力机制融合挑选与任务相关的多模态特征信息，利用软注意力值，动态调节多任务损失函数中不同任务的权重值，以使模型实时调整多个任务在训练网络中的重要性，使得模型可以同时能够获得多个任务较好的结果。
-
公开(公告)号：CN112884076A
公开(公告)日：2021-06-01
申请号：CN202110312274.4
申请日：2021-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于条件式生成对抗网络的传感器数据生成模型及方法，所述模型包括：生成器以及判别器，其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块。通过本发明可以解决传感器数据采集耗时、标注成本高等问题，且可以通过类别条件控制合成满足专业人士的指定要求的逼真的多轴向时序传感器数据。
-
公开(公告)号：CN112861879A
公开(公告)日：2021-05-28
申请号：CN202110203086.8
申请日：2021-02-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于双重迁移的认知障碍辅助决策支持方法和系统，包括本发明提出的方法将样本损失加权选择与特征适配相融合，从双重层面进行迁移，通过对源域样本损失加权，增强与目标域知识关联度高的源域样本作用，同时削弱无关样本的作用；同时，通过对源域与目标域特征空间的适配，拉近领域间分布差异。最终构建在目标域上性能良好的分类模型，判断有无认知障碍。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.036 seconds)
