-
公开(公告)号：CN106018515A
公开(公告)日：2016-10-12
申请号：CN201610403910.3
申请日：2016-06-08
申请人： 北京科技大学
IPC分类号： G01N27/27
CPC分类号： G01N27/27
摘要： 本发明提供一种基于流形学习的电子舌信号特征提取方法,所述方法包括：利用电子舌对茶叶样品进行检测，得到传感器响应时序信号；根据所述响应时序信号采用主成分残差和马氏距离法对异常样本进行分析和剔除；对流形学习算法的参数进行优化,以龙井茶品质等级正确识别率为依据选择流形学习算法的参数；采用流形学习算法对传感器响应信号进行非线性特征提取,得到表征茶叶样品的滋味信息的特征；将茶叶样品的滋味特征输入分类器,进行龙井茶品质等级判定。能够对茶叶样品进行异常值剔除，利用优化参数后的流形学习算法可以更好的表征不同等级茶叶样品的非线性特征，提升经过非线性映射后的样本在高维特征空间中的信号差异性。
-
公开(公告)号：CN113822183B
公开(公告)日：2024-02-27
申请号：CN202111052158.X
申请日：2021-09-08
申请人： 北京科技大学
IPC分类号： G06V40/16 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/80
摘要： 本发明公开了一种基于AU‑EMO关联与图神经网络的零样本表情识别方法及系统，该方法包括：获取提取表情图像视觉特征的视觉特征提取器；生成具有内在AU关联的AU语义特征；建立表情类别的语义特征向量；同时建模各表情类别间的转移关系，并衡量这些转移关系的权重；将二者结合，构建AU‑EMO关联图谱；通过图卷积神经网络在AU‑EMO关联图谱上进行消息传播，生成分类器权重；针对待预测表情类别的表情图像，通过视觉特征提取器提取视觉特征，并以内积的形式与分类器权重融合，预测图像所属表情类别。本发明在不增加标注训练图片的情况下可以推广判别任意一种表情类别，降低了使用成本。
-
公开(公告)号：CN113221708B
公开(公告)日：2023-11-10
申请号：CN202110484143.4
申请日：2021-04-30
申请人： 北京科技大学
IPC分类号： G06V10/774 , G06V10/778 , G06V10/82 , G06V40/16 , G06N3/048 , G06N3/0499 , G06N3/08
摘要： 本公开涉及一种面部运动单元检测模型训练方法及装置，该装置包括：获取训练样本集，将训练样本集中的人脸图像划分为预设数量的批次；根据训练样本集进行预设次数的训练过程，每一次训练过程均包括对所有批次的人脸图像进行预设处理；每一个批次的预设处理过程包括：提取当前批次中每张人脸图像的各个面部运动单元的特征向量；构建多个关系单元，通过每一个关系单元学习对应的两个面部运动单元之间的相关性；按照预设比例丢弃至少一个关系单元；根据各张人脸图像中剩余的各个关系单元所学习的相关性，进行面部运动单元检测模型的训练。本申请丢弃部分关系单元，在学习AU关系的同时，抑制了AU之间的复杂的共适应关系，使模型学习到更加鲁棒的特征。
-
公开(公告)号：CN113822183A
公开(公告)日：2021-12-21
申请号：CN202111052158.X
申请日：2021-09-08
申请人： 北京科技大学
摘要： 本发明公开了一种基于AU‑EMO关联与图神经网络的零样本表情识别方法及系统，该方法包括：获取提取表情图像视觉特征的视觉特征提取器；生成具有内在AU关联的AU语义特征；建立表情类别的语义特征向量；同时建模各表情类别间的转移关系，并衡量这些转移关系的权重；将二者结合，构建AU‑EMO关联图谱；通过图卷积神经网络在AU‑EMO关联图谱上进行消息传播，生成分类器权重；针对待预测表情类别的表情图像，通过视觉特征提取器提取视觉特征，并以内积的形式与分类器权重融合，预测图像所属表情类别。本发明在不增加标注训练图片的情况下可以推广判别任意一种表情类别，降低了使用成本。
-
公开(公告)号：CN111783543A
公开(公告)日：2020-10-16
申请号：CN202010489364.6
申请日：2020-06-02
申请人： 北京科技大学
摘要： 本发明提供一种基于多任务学习的面部活动单元检测方法，包括：辅助任务学习：将全局平均池化层之前的AlexNet网络作为共享结构提取共享的面部全局特征，并将提取的共享的面部全局特征分别送入与任务相关的独立网络结构中得到辅助任务的输出；所述辅助任务的输出包括标志点检测、性别识别、头部姿势估计和表情识别的输出；主任务学习：将面部裁剪为上半脸和下半脸，分别输入修改后的Resnet50网络中学习与活动单元相关的特征，将辅助任务学习步骤提取的共享的面部全局特征融入并加入注意力机制；特征组合：将辅助任务的输出组合起来作为关系信息来修正活动单元相关特征的输出。本发明涉及人机交互及模式识别技术领域。
-
公开(公告)号：CN107341807B
公开(公告)日：2020-05-12
申请号：CN201710424427.8
申请日：2017-06-07
申请人： 北京科技大学
摘要： 本发明提供一种提取烟叶颜色数字化表达特征值的方法，通过对烤烟叶片数字化图像的研究，分析出如何提取烟叶颜色特征值，来有效的代表整片烟叶的颜色。所述方法包括：首先采用定制扫描仪对烟叶样品进行数字化图像采集，严格控制采集环境、扫描设备参数设定等；其次，进行烟叶数字图像预处理，利用中值滤波对烟叶图像进行平滑处理去除噪声，并利用基于颜色空间单通道的阈值分割法进行背景分割；再次，分别采用平均值法、比例阈值直方图法、谱图估计法提取烟叶图像的颜色空间特征值，对三种方法结果进行综合平均得到最终的烟叶图像颜色空间代表值。
-
公开(公告)号：CN110717418A
公开(公告)日：2020-01-21
申请号：CN201910911259.4
申请日：2019-09-25
申请人： 北京科技大学
摘要： 本发明提供一种喜好情感自动识别方法及系统，能够提高感官喜好度测量的快捷性和便捷性，且提高喜好情感的识别效果。方法包括：获取被测试者在不同风味刺激下的面部表情视频和被测试者对风味的感官喜好度；利用面部特征点，使面部表情视频中的面部表情图像对齐；将对齐后的面部表情图像中的面部区域划分成多个区域块，分别对每个区域块提取稠密光流，并基于提取的稠密光流进行主方向优化，得到每个区域块的光流主方向；根据得到的每个区域块的光流主方向，确定用于情感等级分类的区域块组合；根据确定的区域块组合中的光流主方向及被测试者对风味的感官喜好度，训练用于识别感官喜好度的分类器。本发明涉及感官分析、消费行为分析、人工智能领域。
-
公开(公告)号：CN109840512A
公开(公告)日：2019-06-04
申请号：CN201910149751.2
申请日：2019-02-28
申请人： 北京科技大学
摘要： 本发明提供一种面部动作单元识别方法及识别装置，能够利用进化算法实现网络参数的调优。所述方法包括：获取AU图像样本，其中，AU表示面部动作单元；根据获取的图像样本，构建三维深度卷积神经网络；根据获取的图像样本，利用进化算法对构建的三维深度卷积神经网络进行优化训练，得到进化卷积网络模型，其中，所述进化卷积网络模型用于检测AU是否存在。本发明涉及图像处理与模式识别领域。
-
公开(公告)号：CN107679526A
公开(公告)日：2018-02-09
申请号：CN201711120931.5
申请日：2017-11-14
申请人： 北京科技大学
摘要： 本发明提供一种人脸微表情识别方法，能够提高微表情的识别准确率。所述方法包括：从宏观表情数据库中获取第一训练集对3D卷积神经网络进行预训练，并保存预训练得到的网络模型；从微表情数据库中获取第二训练集，对预训练得到的网络模型进行调整，并从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中训练；输入待测图像，从3D卷积神经网络的最后一层全连接层提取特征向量，输入到线性SVM分类器中进行分类。本发明涉及图像处理与模式识别技术领域。
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.029 秒)
