一种基于组稀疏优化的聚类方法

    公开(公告)号:CN112508049B

    公开(公告)日:2023-11-17

    申请号:CN202011211533.6

    申请日:2020-11-03

    Abstract: 本发明提供的一种基于组稀疏优化的类聚方法,首先是数据的处理,其目的在于获得数据集样本间的相似度矩阵目标矩阵、误差最小项和稀疏约束项;第二,构建基于组稀疏约束的优化模型,其目的在于利用更为强力的组稀疏约束来抑制噪声影响;之后,本发明提供一种基于交替方向乘子(Alternating Direction Method of Multipliers)的优化算法来快速求解所构建的优化模型;最后,本发明提供一种快速的优化聚类算法,其目的是合并冗余的聚类结果,进一步提升性能。本发明的方法约束每个样本只能由一个样本近似表示,从而可以有效的提升算法鲁棒性;另一方面,所得到的目标矩阵无需再进行谱聚类分析,从而达到端到端的聚类效果。

    视觉词典构建及应用方法和装置

    公开(公告)号:CN104978395B

    公开(公告)日:2019-05-21

    申请号:CN201510267106.2

    申请日:2015-05-22

    Abstract: 本发明实施例提供了一种视觉词典的构建及应用方法和装置。包括:确定训练图像数据集,提取所述训练图像数据集中全部训练图像的局部描述符,得到第一局部描述符集;根据设定的分解方式将所述第一局部描述符集分解成若干第一子局部描述符集;对每个所述第一子局部描述符集分别进行聚类,分别得到每个所述第一子局部描述符集对应的第一视觉子词集,由所有所述第一视觉子词集构成视觉词典。通过本发明实施例,在构建视觉词典的过程中,提高了为实现图像检索所需要的运算时间以及内存占用。

    一种基于组稀疏优化的聚类方法

    公开(公告)号:CN112508049A

    公开(公告)日:2021-03-16

    申请号:CN202011211533.6

    申请日:2020-11-03

    Abstract: 本发明提供的一种基于组稀疏优化的类聚方法,首先是数据的处理,其目的在于获得数据集样本间的相似度矩阵目标矩阵、误差最小项和稀疏约束项;第二,构建基于组稀疏约束的优化模型,其目的在于利用更为强力的组稀疏约束来抑制噪声影响;之后,本发明提供一种基于交替方向乘子(Alternating Direction Method of Multipliers)的优化算法来快速求解所构建的优化模型;最后,本发明提供一种快速的优化聚类算法,其目的是合并冗余的聚类结果,进一步提升性能。本发明的方法约束每个样本只能由一个样本近似表示,从而可以有效的提升算法鲁棒性;另一方面,所得到的目标矩阵无需再进行谱聚类分析,从而达到端到端的聚类效果。

    一种彩色引导的深度图超分辨率重建方法

    公开(公告)号:CN115115511B

    公开(公告)日:2025-04-18

    申请号:CN202210640004.0

    申请日:2022-06-08

    Abstract: 本发明涉及一种彩色引导的深度图超分辨率重建方法,方法包括以下步骤:1、通过特征提取模块从LR深度图和HR彩色图提取多层次的彩色特征和深度特征;2、在基于注意力的特征投影模块、低层细节嵌入模块和高层语义引导模块的协同下,实现彩色引导的深度特征学习和细节恢复;最终得到精度准确、细节丰富的超分辨率重建深度图。本发明从低层和高层特征两方面实现了彩色信息对深度超分辨率的分治引导,抑制无价值冗余,提高重建性能。实例表明,本发明的方法在许多具有挑战性的场景中实现了出色的视觉效果,在物体边界以及微小物体的细节处都有较高的准确性。

    一种基于属性修改的对抗人脸图像生成方法

    公开(公告)号:CN118780973A

    公开(公告)日:2024-10-15

    申请号:CN202410854979.2

    申请日:2024-06-28

    Abstract: 本发明提供了一种基于属性修改的对抗人脸图像生成方法。该方法包括:通过生成器从目标图像中提取目标人脸的特征值,将特征值进行模糊操作后换入到源图像中,得到换脸后的对抗人脸图像;通过对抗妆容迁移生成网络结构对所述对抗人脸图像进行妆容转移处理,得到所述目标图像的最终对抗人脸图像。本发明方法生成的对抗图像能够在确保攻击能力的情况下,生成比较多视觉上难以察觉的攻击。同时,大量的定量实验表明,在黑盒设置下,本发明可以显著降低未经授权的人脸识别网络的识别准确率,进而保护个人隐私。

    基于双曲空间传播的图解耦节点表征学习方法及系统

    公开(公告)号:CN118333089A

    公开(公告)日:2024-07-12

    申请号:CN202410394066.7

    申请日:2024-04-02

    Abstract: 本发明提供一种基于双曲空间传播的图解耦节点表征学习方法及系统,属于图表示学习技术领域,获取各节点的初步表征,映射至多个曲率不同的双曲空间,得到一组数据表征,分别对应各双曲空间;将多组数据表征与图的原始拓扑结构相结合,通过双曲空间下的固有距离于各个双曲空间中构建各异的传播矩阵,捕获多种潜在因子对表征学习的影响;将每个空间内的节点表征传播视为一个个独立的专家模块,计算各模块重要性,使用混合专家结构,聚合生成最终适用于下游任务的节点表征。本发明基于双曲空间与图数据的适配性,通过多个双曲空间挖掘图中隐因子的影响,完成特征解耦,最终通过混合专家架构生成最终的节点表示,解决了图网络中特征传播非参数化问题。

    基于边框分级筛选的弱监督目标检测方法

    公开(公告)号:CN112949630B

    公开(公告)日:2024-03-19

    申请号:CN202110224888.7

    申请日:2021-03-01

    Abstract: 本发明提供了一种基于边框分级筛选的弱监督目标检测方法,包括:对训练集中所有图片中分别加入两种不同的噪声;采用弱监督目标检测算法进行检测生成检测框,并采用NMS方法将检测框的得分高于第一阈值的检测框作为初筛后的检测框;计算出每个初筛后的检测框的稳定度,利用NMS方法将所有检测框中稳定度大于第二阈值的检测框作为稳定框;计算所有检测框的评分和等级,利用NMS方法对所有初筛后的检测框进行筛选,将评分大于第三阈值的检测框作为二筛后的检测框;计算可靠性,用脚本对二筛后的检测框的信息制作成像素级标签;采用改进的基于Faster R‑CNN人工神经网络对像素级标签训练来定位识别检测,本方法可以减少检测时间。

    一种基于深度数据的闸机通行系统

    公开(公告)号:CN114596657B

    公开(公告)日:2023-07-25

    申请号:CN202210125630.6

    申请日:2022-02-10

    Abstract: 本发明公开了一种基于深度数据的闸机通行系统,包括:数据采集模块、数据对齐模块、行人定位模块、身高检测模块、距离检测模块、数据储存模块;其中,数据采集模块用于数据深度采集,数据对齐模块是将RGB颜色图和深度数据的对齐,行人定位模块将深度相机采集到的彩色照片通过YOLOv3目标检测算法进行识别,框出行人并保存框的位置信息;身高检测模块用于采集行人的身高数据;距离检测模块用于计算行人间的距离;数据储存模块将所有采集和检测数据直接存储到数据库系统中,进行留存和后期取证使用。利用本系统可以计算身高以区分成人与儿童,同时测量前后行人间距,识别连续通行者,实现更为智能化的闸机通行检测。

Patent Agency Ranking