-
公开(公告)号：CN109190750A
公开(公告)日：2019-01-11
申请号：CN201810737975.0
申请日：2018-07-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明涉及深度学习技术领域，具体提供了一种基于对抗生成网络的小样本生成方法及装置，旨在解决如何在少量样本数据的情况下利用生成对抗网络生成样本数据的技术问题。为此目的，本发明提供的基于对抗生成网络的小样本生成方法能够基于对抗生成网络并根据随机噪声和标签信息，生成小样本类型对应的样本。在此过程中，本发明采用迁移学习和批量训练的方法对对抗生成网络进行网络训练，使生成对抗网络可以有效迁移应用于少量样本的对抗生成网络样本生成任务中。
-
公开(公告)号：CN109190750B
公开(公告)日：2021-06-08
申请号：CN201810737975.0
申请日：2018-07-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明涉及深度学习技术领域，具体提供了一种基于对抗生成网络的小样本生成方法及装置，旨在解决如何在少量样本数据的情况下利用生成对抗网络生成样本数据的技术问题。为此目的，本发明提供的基于对抗生成网络的小样本生成方法能够基于对抗生成网络并根据随机噪声和标签信息，生成小样本类型对应的样本。在此过程中，本发明采用迁移学习和批量训练的方法对对抗生成网络进行网络训练，使生成对抗网络可以有效迁移应用于少量样本的对抗生成网络样本生成任务中。
-
公开(公告)号：CN119360893B
公开(公告)日：2025-05-06
申请号：CN202411523922.0
申请日：2024-10-29
Applicant: 中国科学院自动化研究所 , 人民中科(北京)智能技术有限公司
Abstract: 本公开关于声音分类方法、装置、电子设备、存储介质和计算机程序产品，包括：提取待分类的声音信号的音频特征；将音频特征输入脉冲残差模块，获得第一脉冲残差特征；将第一脉冲残差特征输入至少一个脉冲残差模块，获得第二脉冲残差特征；将第二脉冲残差特征以及经过下采样后的第一脉冲残差特征输入注意力特征融合模块，获得第一注意力融合特征；基于第一注意力融合特征，对待分类的声音信号进行分类。本公开可以充分利用脉冲神经网络(SNN)和残差神经网络的优势，可以实现高效、准确的进行声音分类，并可以显著降低系统功耗。
-
公开(公告)号：CN119578470A
公开(公告)日：2025-03-07
申请号：CN202510138089.6
申请日：2025-02-07
Applicant: 中国科学院自动化研究所
Abstract: 提供基于时间自擦除的神经网络的训练方法和设备。所述训练方法包括：针对每个时间步长，通过将训练样本输入卷积层，生成与所述时间步长对应的第一特征图；针对除了第一个时间步长之外的每个时间步长，通过将应用了随着每个时间步长而变化的擦除掩码的第一特征图输入池化层，生成第二特征图；通过将第二特征图输入第一全连接层，生成第一预测图；基于第一预测图和真实标签，生成损失；通过基于损失调整所述神经网络的参数，得到训练后的神经网络。因此，提高了整体的预测准确性，提高了计算效率，并且降低了计算开销。
-
公开(公告)号：CN111126494B
公开(公告)日：2023-09-26
申请号：CN201911360305.2
申请日：2019-12-25
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及深度学习与图像分类领域，具体涉及一种基于各向异性卷积的图像分类方法及系统，目的在于解决当图像分辨率低、物体尺度和形态多变等情况下难以保证物体分类识别的精度的问题。本发明的图像分类方法包括：步骤A1，根据设定的标准图像大小，将训练图像与待分类图像都进行预处理；步骤A2，利用利用损失函数与预处理后的训练样本对神经网络进行训练优化，其中，神经网络包括各向异性卷积层；步骤A3，利用训练好的神经网络对预处理后的待分类图像进行特征提取与图像分类。本发明的神经网络能快速提取判别性特征因子，准确锁定图像中的物体轮廓，较好应对小图像、多形变等分类难题，从而充分挖掘了图像的空间信息，提高了物体分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112203089B
公开(公告)日：2021-02-23
申请号：CN202011396914.6
申请日：2020-12-03
Applicant: 中国科学院自动化研究所
IPC: H04N19/115 , H04N19/146 , H04N19/91
Abstract: 本发明属于数字图像处理技术领域，具体涉及了一种基于稀疏编码的码率控制的图像压缩方法、系统及装置，旨在解决现有遥感图像压缩码率不易控制且码率分配不合理，导致遥感图像压缩效率低，压缩后图像重建质量低的问题。本发明包括：将待编码图像划分为设定大小，并进行编码参数设定；提取图像块均值并进行量化和熵编码；每次更新图像实际编码码率后，与设定目标码率进行比较，并根据比较结果确定下一步操作；每次迭代编码时，选取复杂度较高的图像块进行稀疏编码，其数量由当前图像实际编码码率、设定目标码率和系数共同决定；在设定的编码码率下完成图像编码。本发明编码码率精准可控，分配合理并能动态调整，可以实现图像的高效、高质量压缩。
-
公开(公告)号：CN111626373A
公开(公告)日：2020-09-04
申请号：CN202010484081.2
申请日：2020-06-01
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于机器学习领域，具体涉及一种多尺度加宽残差网络、小目标识别检测网络及其优化方法，本发明多尺度加宽残差网络包括串行连接的多尺度加宽卷积层、多尺度加宽残差网络单元结构；所述多尺度加宽卷积层，包括并行设置的多个不同尺度的卷积核，其输出为所述多个不同尺度的卷积核提取特征的合并；所述多尺度加宽残差网络单元结构，包括多个串联设置的所述多尺度加宽卷积层，设定两个所述多尺度加宽卷积层之间跃层连接，以直接将两层输出特征取大融合。基于本发明得到的特征进行小目标识别检测，可以提高小目标物体识别的准确度。
-
公开(公告)号：CN119991739A
公开(公告)日：2025-05-13
申请号：CN202510464889.7
申请日：2025-04-14
Applicant: 中国科学院自动化研究所
IPC: G06T7/246 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 本公开提供了一种跨视角多目标跟踪方法、装置、电子设备和存储介质，该方法包括：在跟踪过程中的每个时刻，执行以下步骤：对不同视角的视频的当前帧分别进行目标检测处理，得到每个视角的每个目标的目标信息；使用单视角特征提取网络，从目标信息中提取单视角特征；使用跨视角特征提取网络，从目标信息中提取跨视角特征；构建无向图，其中，无向图中的节点包括当前时刻检测到的每个视角的每个目标的目标节点，以及当前已确定的每个目标轨迹的轨迹节点；根据每个节点的属性，将无向图中对应于同一目标的节点分割至同一子图；基于每个子图中的各个节点的属性，确定子图对应的目标轨迹以及目标轨迹的属性。
-
公开(公告)号：CN119314081A
公开(公告)日：2025-01-14
申请号：CN202411355315.8
申请日：2024-09-26
Applicant: 中国科学院自动化研究所
IPC: G06V20/40 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049
Abstract: 本公开提供了一种视频分类方法、装置、电子设备、存储介质和程序产品，视频分类方法包括：获取目标视频帧序列；对目标视频帧序列进行树状取样，得到两层结构的视频帧序列和关键帧；基于卷积神经网络模型对视频帧序列进行特征提取处理，得到时序特征；基于脉冲神经网络模型对关键帧进行特征提取处理，得到脉冲特征；对时序特征和脉冲特征进行融合处理，得到视频融合特征；根据视频融合特征进行分类处理，得到目标视频帧序列的类别信息。该方法能够提升视频的特征表达力，从而提升了视频分类的准确性，能够更好地完成视频分类任务。
-
公开(公告)号：CN118072079B
公开(公告)日：2024-12-06
申请号：CN202410123207.1
申请日：2024-01-29
Applicant: 中国科学院自动化研究所 , 人民中科(北京)智能技术有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于脉冲神经网络的小目标物体识别方法及装置，该方法包括：获取待测物体图像；基于双流融合模型对待测物体图像进行分类识别，得到分类识别结果；双流融合模型基于脉冲神经网络和残差网络构建得到，双流融合模型通过以样本物体图像为训练样本，以融合特征为训练特征训练得到；融合特征基于脉冲神经网络输出特征和残差网络输出特征确定，脉冲神经网络和残差网络分别包括多个依次排列的残差块，脉冲神经网络的当前残差块输入的特征为脉冲神经网络的上一个残差块输出的特征和残差网络中与上一个残差块对应的残差块输出的特征之和。本发明所述方法能够提取更丰富的图像特征信息，可提升小目标物体的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.096 seconds)
