-
公开(公告)号：CN112132133A
公开(公告)日：2020-12-25
申请号：CN202010545903.3
申请日：2020-06-16
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种标识图像数据增强方法及真伪智能鉴定方法。本发明的目的是提供一种标识图像数据增强方法及真伪智能鉴定方法，解决现有图像分类算法遇到小样本问题时的解决方案。本发明的技术方案是：一种标识图像数据增强方法，其特征在于：获取显示有标识的真图；获取真图中标识的关键特征数据；基于关键特征数据建立伪图数据规则；根据数据规则生成伪图。本发明适用于计算机视觉技术领域。
-
公开(公告)号：CN104881668B
公开(公告)日：2018-08-10
申请号：CN201510241287.1
申请日：2015-05-13
Applicant: 中国科学院计算技术研究所
IPC: G06K9/46
Abstract: 本发明公开了一种基于代表性局部模式的图像指纹提取方法及系统，涉及图像处理领域，该方法包括将库图像进行图像攻击模拟处理，生成新库图像，并提取所述库图像与所述新库图像的关键点，根据所述关键点，获取局部区块，并根据所述局部区块，生成局部模式并建立局部模式库，从所述局部模式库中获取代表性局部模式；根据所述代表性局部模式，建立所述库图像与所述新库图像的图像指纹，并将所述图像指纹存入图像指纹库；获取新图像，提取所述新图像的新图像指纹，将所述新图像指纹与所述图像指纹库中的图像指纹进行比对，查找库图像中与所述新图像向对应的图像。本发明占用内存少，可以使用优化的机器指令进行加速匹配，适于大规模的图像拷贝检测。
-
公开(公告)号：CN106384127A
公开(公告)日：2017-02-08
申请号：CN201610811522.9
申请日：2016-09-08
Applicant: 中国科学院计算技术研究所
CPC classification number: G06K9/4604 , G06K9/6201 , G06K9/6228 , G06K9/6256
Abstract: 本发明提供了确定局部特征点的二进制描述子的方法，该方法根据预先训练的结果从特征点周围区域中提取最具有区分力的比较点对及比较属性，并可综合使用比较点对的多种属性来提取二进制描述子，具有更强的描述能力和区分能力，计算效率高，描述能力强，非常适合应用于大规模图像实时检索。
-
公开(公告)号：CN100573523C
公开(公告)日：2009-12-23
申请号：CN200610171520.4
申请日：2006-12-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于显著区域的图像查询方法，包括以下步骤：(1)将图像进行网格划分；(2)对网格进行模糊聚类，将图像分割成若干关注区域；(3)基于关注区域计算显著度；(4)将所有格点按照显著度进行排序得到显著区域；(5)进行图像查询。本发明的优点在于：简化计算，更符合视觉感知，提高检索效率和精度。
-
公开(公告)号：CN101211355A
公开(公告)日：2008-07-02
申请号：CN200610171519.1
申请日：2006-12-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于聚类的图像查询方法，包括以下步骤：(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征；(2)对描述图像内容的高维特征进行降维，得到特征子集；(3)对特征子集构成的数据集进行聚类；(4)对聚类得到的每个类分别建立索引；(5)使用索引进行图像查询。本发明的优点在于：根据图像的注意力区域对图像进行简单有效的划分，优化了索引树结构，使检索更为准确和高效。
-
Patent Agency Ranking
公开(公告)号：CN112699726B
公开(公告)日：2023-04-07
申请号：CN202011251301.3
申请日：2020-11-11
Applicant: 中国科学院计算技术研究所数字经济产业研究院 , 杭州中科睿鉴科技有限公司
IPC: G06V20/20 , G06V10/74 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种图像增强方法、真伪商品鉴别方法及设备。本发明的目的是提供一种图像增强方法、真伪商品鉴别方法及设备，以避免数据集有偏导致分类模型过拟合到无关因子。本发明的技术方案是：一种图像增强方法，其特征在于：S01、对于具体的图像分类任务分析其中分类无关的有偏因子，控制有偏因子对应的属性为唯一变量，摄取图像作为源域数据集；S02、通过GAN网络结构训练有偏因子对应属性迁移模型，学习一个生成器G，x’＝G(x,a)；S03、在目标数据集上，应用经训练的生成器G扩充样本，对于目标数据集上的每一个样本，通过遍历有偏因子对应属性所有的取值a，得到无偏的生成样本。本发明适用于计算机视觉领域。
-
公开(公告)号：CN110222719B
公开(公告)日：2021-09-24
申请号：CN201910388158.3
申请日：2019-05-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于多帧音视频融合网络的人物识别方法及系统，其特征在于，包括：视觉特征融合步骤，解码待人物识别的视频，得到该视频的连续K帧，提取该连续K帧中每一帧的人脸特征，对所有该人脸特征进行加权融合得到多帧视觉特征，K为正整数；声纹特征融合步骤，提取该连续K帧中每一帧的声纹特征，使用时间递归神经网络融合所有该声纹特征，得到多帧声纹特征；音视频特征融合步骤，使用全连接层对该多帧视觉特征和该多帧声纹特征进行融合，并用分类损失约束融合过程，得到多帧音视频融合特征，根据该多帧音视频融合特征进行人物识别。
-
公开(公告)号：CN102609441B
公开(公告)日：2014-06-25
申请号：CN201110443604.X
申请日：2011-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供了基于分布熵的局部敏感哈希高维索引方法。该方法首先生成局部敏感哈希函数候选集合。接着，根据训练数据集，计算局部敏感哈希函数候选集合中每个哈希函数的分布熵值，并从中选取分布熵值最高的L个哈希函数作为局部敏感哈希函数集合。然后，基于该局部敏感哈希函数集合，将待索引数据集存储到哈希表中。还可以采用基于三角不等式过滤和欧氏距离排序的查询算法查询上述哈希表，得到与查询数据相似的结果集。该方法通过选择分布熵值高的哈希函数，更好地适应了数据的分布，从而优化了哈希表索引结构，减小了索引的内存消耗，同时使得查询更加准确和高效。
-
公开(公告)号：CN101211355B
公开(公告)日：2010-05-19
申请号：CN200610171519.1
申请日：2006-12-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于聚类的图像查询方法，包括以下步骤：(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征；(2)对描述图像内容的高维特征进行降维，得到特征子集；(3)对特征子集构成的数据集进行聚类；(4)对聚类得到的每个类分别建立索引；(5)使用索引进行图像查询。本发明的优点在于：根据图像的注意力区域对图像进行简单有效的划分，优化了索引树结构，使检索更为准确和高效。
-
公开(公告)号：CN113313202A
公开(公告)日：2021-08-27
申请号：CN202110686059.0
申请日：2021-06-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于渐进式未知域扩展的单域泛化网络，包括样本生成器G、分类模型M以及循环生成器Gcyc，其中样本生成器G用于将样本泛化到多个领域，分类模型M用于对输入分类，并用于验证样本生成器G生成样本的有效性与安全性，循环生成器Gcyc用于验证样本生成器G生成样本的安全性，其中经过样本生成器G泛化后的样本作为分类模型M的训练样本对分类模型M进行训练，以及作为循环生成器Gcyc的输入，由循环生成器Gcyc进行验证。本发明在分布外样本分类、分布外图像分割任务中有效的提升了分类正确率，并且可以推广至其他有限有偏样本的分类任务中。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.031 seconds)
