-
公开(公告)号：CN113191359A
公开(公告)日：2021-07-30
申请号：CN202110734232.X
申请日：2021-06-30
Abstract: 本发明公开了基于支持与查询样本的小样本目标检测方法与系统，包括，支持样本和查询样本特征提取、基于查询样本引导的支持样本加权、支持样本引导的查询特征增强、候选框的打分和筛选、混合损失函数计算，将小样本学习机制引入到深度目标检测框架，建立了一套准确率高的小样本目标检测系统。本发明的方法框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的小样本目标检测的结果上，都超过了现有方法。本发明能够为目标检测技术在军事和工业应用领域，提供基础框架和算法的支持，也能很容易地扩展到其他小样本学习任务上。
-
公开(公告)号：CN108846413B
公开(公告)日：2021-07-23
申请号：CN201810486290.3
申请日：2018-05-21
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于机器学习技术领域，具体为一种基于全局语义一致网络的零样本学习方法。本发明将全体类的语义信息作为全连接层权重加入到深度学习框架，并采用两个全连接对应积乘积的非线性自加权结构和交叉熵损失函数，建立全局语义一致网络GSC‑Net，通过GSC‑Net实现端到端的零样本学习。本发明方法框架简单、使用方便、可扩展性强、可解释性强，并在三个主流视觉属性数据集的零样本分类和泛化零样本分类两大任务的结果上，都远远超过了现有方法。本发明能够为计算机视觉、自然语言处理和推荐系统等涉及到零样本学习的领域，提供基础框架和算法的支持，也能很容易地扩展到开放集识别、增量学习和在线学习等问题。
-
公开(公告)号：CN112584146A
公开(公告)日：2021-03-30
申请号：CN201910944335.1
申请日：2019-09-30
Applicant: 复旦大学 , 上海哔哩哔哩科技有限公司
IPC: H04N19/132 , H04N19/176 , H04N19/42
Abstract: 本申请实施例提供了一种帧间相似度评估方法，该方法包括：获取帧序列中的第一帧和第二帧；提取所述第一帧的多个特征信息和所述第二帧的多个特征信息；对所述第一帧的多个特征信息和所述第二帧的多个特征信息进行分块，得到对应于所述第一帧的多个第一块和对应于所述第二帧的多个第二块；获取各个第一块关联的若干个第二块；根据各个第一块关联的若干个第二块，将所述第一帧的每个特征信息分别与所述第二帧的部分特征信息进行相似度计算，以获取所述第一帧和所述第二帧之间的帧间相似度。本申请实施例可以有效地降低帧间相似度的计算资源。
-
公开(公告)号：CN107547525B
公开(公告)日：2020-07-07
申请号：CN201710689147.X
申请日：2017-08-14
Applicant: 复旦大学
IPC: H04L29/06 , G06F21/62 , G06F16/2457
Abstract: 本发明属于大数据技术领域，具体为一种大数据查询处理的隐私保护方法。本发明方法基于半可信模型，分为初始化和查询处理两大部分。本发明能够同时保护数据隐私、查询隐私和存储隐私，具体包括数据拥有者的数据隐私和存储隐私、数据使用者（即查询者）的查询隐私和服务提供者的存储隐私，突破了现有隐私保护技术仅能保护其中一种或两种隐私的局限性，适用于不同应用领域的开放互联信息网络环境下的分布式大数据查询处理。本发明能够为医疗、金融、生物信息和交通等领域的大数据分布式数据共享提供隐私保护机制，将有助于打破现有云计算及大数据的发展瓶颈，推进整个社会信息化服务的变革。
-
公开(公告)号：CN109558424A
公开(公告)日：2019-04-02
申请号：CN201811304324.9
申请日：2018-11-03
Applicant: 复旦大学
IPC: G06F16/2455 , G06K9/62
CPC classification number: G06K9/6268 , G06K9/6218
Abstract: 本发明属于数据挖掘技术领域，具体是一种高效的流数据模式挖掘方法。本发明采用最小化验证误差模型来作为聚类划分标准，分两步找出流数据中的隐藏模型。第一步为序列聚类，即：基于增强动态规划方法，找出将数据流划分为多个连续数据段的最优划分；第二步为迭代聚类，即：基于期望最大化方法的工作原理和最优划分的数据段特征，对数据段进行迭代聚类，进而找出流数据中的隐藏模型。实验结果表明，本发明能够对流数据进行有效划分与聚类，错误率较低，且运行时间与数据集大小和数据段多少呈线性相关，效率较高。
-
Patent Agency Ranking
公开(公告)号：CN109543727A
公开(公告)日：2019-03-29
申请号：CN201811317051.1
申请日：2018-11-07
Applicant: 复旦大学
Abstract: 本发明属于机器学习技术领域，具体为一种基于竞争重构学习的半监督异常检测方法。本发明设计两个解码器对样本数据进行竞争重构，它们共享一个编码器以使得数据映射到同一个子空间中，在正样本的标签信息的辅助下，正样本解码器会对正样本有更小的重构误差，而负样本（异常数据）解码器对负样本的重构误差会更小。本发明方法框架简单、使用方便、可扩展性强、可解释性强，在七个主流异常检测数据集进行了实验，达到或超过现有最好方法的水平。本发明能够为计算机视觉、数据挖掘等领域，提供基础框架和算法的支持。
-
公开(公告)号：CN108846413A
公开(公告)日：2018-11-20
申请号：CN201810486290.3
申请日：2018-05-21
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于机器学习技术领域，具体为一种基于全局语义一致网络的零样本学习方法。本发明将全体类的语义信息作为全连接层权重加入到深度学习框架，并采用两个全连接对应积乘积的非线性自加权结构和交叉熵损失函数，建立全局语义一致网络GSC-Net，通过GSC-Net实现端到端的零样本学习。本发明方法框架简单、使用方便、可扩展性强、可解释性强，并在三个主流视觉属性数据集的零样本分类和泛化零样本分类两大任务的结果上，都远远超过了现有方法。本发明能够为计算机视觉、自然语言处理和推荐系统等涉及到零样本学习的领域，提供基础框架和算法的支持，也能很容易地扩展到开放集识别、增量学习和在线学习等问题。
-
公开(公告)号：CN107547525A
公开(公告)日：2018-01-05
申请号：CN201710689147.X
申请日：2017-08-14
Applicant: 复旦大学
Abstract: 本发明属于大数据技术领域，具体为一种大数据查询处理的隐私保护方法。本发明方法基于半可信模型，分为初始化和查询处理两大部分。本发明能够同时保护数据隐私、查询隐私和存储隐私，具体包括数据拥有者的数据隐私和存储隐私、数据使用者（即查询者）的查询隐私和服务提供者的存储隐私，突破了现有隐私保护技术仅能保护其中一种或两种隐私的局限性，适用于不同应用领域的开放互联信息网络环境下的分布式大数据查询处理。本发明能够为医疗、金融、生物信息和交通等领域的大数据分布式数据共享提供隐私保护机制，将有助于打破现有云计算及大数据的发展瓶颈，推进整个社会信息化服务的变革。
-
公开(公告)号：CN102073719A
公开(公告)日：2011-05-25
申请号：CN201110003475.2
申请日：2011-01-10
IPC: G06F17/30
Abstract: 本发明属于信息技术中的空间信息存储与查询技术领域，是一种基于区间编码的GML文档索引方法，将GML文档树中结点按前序遍历中第一次和最后一次被访问时的次序进行编码。对元素、属性、文本结点以B+-树方式来组织索引，以提高值查询和结构查询的查询速度；对几何体结点按R-树方式组织索引，以便提高空间查询和分析效率。查询语言采用基于XQuery的GML查询语言GQL，并对三种查询（非空间查询、空间查询及混合查询）进行了分析与比较。实验证明，所提出的GML文档编码方案和索引机制是可行的，能够有效地处理在GML文档上进行的值查询和空间分析操作。
-
公开(公告)号：CN101847998A
公开(公告)日：2010-09-29
申请号：CN201010148380.5
申请日：2010-04-15
Abstract: 本发明属于信息技术中的空间信息获取与处理技术领域，具体是一种GML流压缩方法—GSPress。它在只扫描GML文档一次且不利用GML文件的模式或DTD的情况下，将GML文档的结构和数据分离后分别进行压缩。对于GML文档中的结构部分采用自适应LZ77方法进行压缩；对于文档中的坐标数据则利用增量压缩的方法进行处理。实验结果表明，GSPress可以在压缩性能和压缩效率两个方面上取得较好的权衡，是一种高效的GML流压缩算法。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.021 seconds)
