-
公开(公告)号：CN107408211B
公开(公告)日：2020-08-07
申请号：CN201680018011.X
申请日：2016-03-24
申请人： 三菱电机株式会社
摘要： 一种方法通过应用卷积神经网络(CNN)来再识别一对图像中的物体。网络中的各个层对之前层的输出起作用。所述层包括用于确定特征图的第一卷积层和第一最大池化层、产生邻域差异图的交叉输入邻域差异层、产生分块汇总特征图的分块汇总层、产生表示分块汇总特征图中的高阶关系的特征向量的第一完全连接层、产生表示肯定对和否定对类的两个分数的第二完全连接层以及产生肯定对和否定对概率的柔性最大值传输函数层。然后，输出肯定对概率，以用信号通知两个图像是否表示同一物体。
-
公开(公告)号：CN107085705B
公开(公告)日：2020-08-04
申请号：CN201710190338.1
申请日：2017-03-28
申请人： 中国林业科学研究院资源信息研究所
摘要： 一种高效特征选择的森林参数遥感估测方法，所述高效特征选择是指为最近邻法k‑NN(k‑nearest neighbor)在森林参数遥感估测的应用中提高获得最优特征组合的效率，其特征在于，包括以下步骤，从森林资源样地调查数据(样地数为n)和遥感影像(影像包含m个特征)中提取训练数据F，以留一法交叉验证相应的k最近邻法即k‑NN估测模型反演的森林参数的均方根误差RMSE最小为原则，通过依次迭代选取遥感特征获得最优特征子集Fs，通过最优特征子集Fs优化区域森林参数的k‑NN估测模型以实现森林参数遥感估测。
-
公开(公告)号：CN105612514B
公开(公告)日：2020-07-21
申请号：CN201480054360.8
申请日：2014-02-11
申请人： 脸谱公司
发明人： 卢博米尔·布德夫 , 巴拉马诺哈尔·帕卢里
IPC分类号： G06F16/2457 , G06K9/00 , G06K9/66 , G06K9/62 , G06F16/583 , G06K9/46 , G06K9/72 , G06Q50/00 , G06F16/58
摘要： 接收图像样本集。样本集中的每个图像可与一个或多个社交线索相关。基于与图像相关的一个或多个社交线索，对样本集中的每个图像与图像类别的关联性评分。基于该评分，从样本集确定用来训练分类器的图像训练集。在实施方式中，确定图像评估集与图像类别相关联的程度。所述该确定可包括对图像评估集的最高评分子集排序。
-
公开(公告)号：CN107122809B
公开(公告)日：2020-04-28
申请号：CN201710271606.2
申请日：2017-04-24
申请人： 北京工业大学
IPC分类号： G06K9/66 , G06K9/46 , G06N3/08 , G06F16/583
摘要： 本发明公开了基于图像自编码的神经网络特征学习方法，属于特征学习和图像检索技术领域。首先通过多标签图像数据集的分割标签构造训练图像集对应的分割训练图像集，然后初始化卷积神经网络和自编码神经网络的权重，使用随机梯度下降法训练自编码神经网络，提取每张训练样本对应的分割图像的隐含变量并进行归一化。随后，使用该隐含变量作为训练集原始图像对应的训练目标，训练卷积神经网络，并提取测试集合图像库中的每幅图像对应的特征向量，通过计算查询图像和图像库中每幅图像的特征向量间的欧式距离，并将距离按从小到大的顺序排列，得到相似图像检索结果。本发明使训练出的神经网络提取的特征在多标签检索任务上取得了更加优秀的检索效果。
-
公开(公告)号：CN111033524A
公开(公告)日：2020-04-17
申请号：CN201880052812.7
申请日：2018-09-18
申请人： 奇跃公司
摘要： 本文公开了一种可穿戴显示系统，其用于捕获用户的眼睛的再训练眼睛图像以再训练用于眼睛跟踪的神经网络。当用户界面(UI)事件相对于在显示器的显示位置处显示的UI设备发生时，该系统使用图像捕获设备来捕获再训练眼睛图像。该系统可以生成包括再训练眼睛图像和再训练眼睛图像中(例如，与UI设备的显示位置有关的)用户的眼睛的眼睛姿势的再训练集，并获得使用再训练集再训练的再训练神经网络。
-
公开(公告)号：CN107944366B
公开(公告)日：2020-04-17
申请号：CN201711137439.9
申请日：2017-11-16
申请人： 山东财经大学
摘要： 本发明公开了一种基于属性学习的手指静脉识别方法及装置，该方法包括：获取手指静脉图像库，进行数据增广形成训练集；针对手指静脉的特点设计可解释性属性，在训练集中分别针对每个可解释性属性建立其对应的属性学习模型用于获取可解释性属性的值；为了进一步提高特征的区分性，提出了基于区分性辅助branch的卷积神经网络作为区分性属性的学习模型，并设计新的Inter‑intra损失函数，增强区分性属性学习模型的区分性；获取待识别图像，根据全部属性学习模型确定待识别图像的属性特征，进行手指静脉识别。相比较传统的特征，本发明提出的方法提高现有特征的可解释性，识别精度以及识别效率。
-
公开(公告)号：CN110929811A
公开(公告)日：2020-03-27
申请号：CN201911001708.8
申请日：2019-10-21
申请人： 北京理工大学
摘要： 本发明涉及一种获取全波形激光雷达高分辨率数据的深度学习方法。属于深度学习，雷达数据处理领域。通过搭建数据处理平台，构建深度学习网络构架模型，训练深度学习网络构架模型，根据损失函数Loss以及PSNR，调整深度学习网络构架模型中的参数，保存训练效果最好的深度学习网络构架模型，用此模型处理全波形激光雷达数据，使全波形雷达数据的时空分辨率得到多倍提升，解决在全波型激光雷达硬件扫描设备局限性的约束下，分辨率受限的问题，处理新的全波形激光雷达数据时，只需调用保存的深度学习网络构架模型，适应对于采集设备体积，便携性要求高的场合。
-
公开(公告)号：CN110909566A
公开(公告)日：2020-03-24
申请号：CN201811076138.4
申请日：2018-09-14
申请人： 奇酷互联网络科技(深圳)有限公司
发明人： 艾浩峰
摘要： 本申请揭示了一种健康分析方法、移动终端和计算机可读存储介质，其中方法包括：获取用户的面部图像；对所述面部图像进行处理，得到身体指定部位的表征生理信息；根据所述表征生理信息得到所述用户的身体健康情况信息。本申请在获取用户的面部图像后，通过对获取的用户的面部图像进行处理，来得到身体指定部位的表征生理信息,再对该表征生理信息进行解析后能得到与该面部图像相对应的用户的身体健康情况信息。根据所获取的用户的面部图像，来智能化地向用户提供对应的身体健康情况信息，有效地提高了用户体验。
-
公开(公告)号：CN110826530A
公开(公告)日：2020-02-21
申请号：CN201911172163.7
申请日：2014-11-15
申请人： 北京旷视科技有限公司
摘要： 公开的面部检测系统(和方法)基于卷积神经网络(CNN)的结构。一个方面涉及一种用于自动地训练用于面部检测的CNN的方法。通过从面部图像获取附加的面部图像来执行训练，使得平衡数量的面部图像和非面部图像被用于训练。还通过根据自动停止准则自适应地改变阶段的训练的数量来执行训练。另一个方面涉及一种用于通过集成不同的尺度(即，不同的图像程度)的数据以便更好地使用每个尺度的数据来执行图像检测的系统。系统可以包括使用在本文公开的方法自动地训练的CNN。
-
公开(公告)号：CN106408037B
公开(公告)日：2020-02-18
申请号：CN201510457979.X
申请日：2015-07-30
申请人： 阿里巴巴集团控股有限公司
IPC分类号： G06K9/66
摘要： 本申请提出一种图像识别方法及装置，其中，该图像识别方法包括以下步骤：提取图像的多维度局部特征，并提取图像的深度学习特征；将多维度局部特征和深度学习特征进行拼接，并通过度量学习对拼接后的特征进行学习以得到度量学习特征；根据度量学习特征对图像进行识别。本申请实施例的图像识别方法，能够大大提高图像识别的精度。
-
-
-
-
-
-
-
-
-
搜索结果
3038 条记录 (耗时 0.026 秒)
