-
公开(公告)号：CN116737983A
公开(公告)日：2023-09-12
申请号：CN202310528506.9
申请日：2023-05-11
Applicant: 中国科学院信息工程研究所 , 郑州信大先进技术研究院
IPC: G06F16/587 , G06F16/58 , G06F16/583 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多模态信息综合检索的街景图像定位方法及系统，通过建立多模态信息数据库，使用视觉特征提取模型和场景文字识别模型建立多模态信息数据库；通过融合特征检索，把全局特征与局部特征相融合进行初步召回检索；通过几何验证重排，使用基于局部特征的几何验证算法对初步召回检索结果重排，得到精细化检索结果；通过场景文字检索，计算查询图片与数据库图片的场景文字集合重叠度，并以此分数为依据排序得到最终检索结果。本发明考虑了多模态信息的综合检索方案，可以大大提高实际应用中的图像定位准确率，并且一定程度解决了单模态信息在某些场景完全定位失败的问题。
-
公开(公告)号：CN114067381A
公开(公告)日：2022-02-18
申请号：CN202110473432.4
申请日：2021-04-29
Applicant: 中国科学院信息工程研究所 , 深圳市大数据研究院
Abstract: 本发明公开了一种基于多特征融合的深度伪造识别方法和装置。主要步骤包括：(1)对视频进行分段提帧并进行人脸对齐预处理；(2)采用RGB输入流和可学习SRM输入流共同对视频帧进行处理；(3)RGB输入流对视频帧进行特征提取并进行帧间融合；(4)可学习SRM输入流去除经典SRM算法的不可导部分，将超参数q替换成30个5*5的可学习矩阵并初始化；(5)将经典SRM算法中的30个预设参数的SRM滤波器转换为可学习的SRM卷积核并插入到(3)中的识别网络，构成可学习SRM网络；最后对RGB流和可学习SRM流的输出进行融合，得到最终识别结果。本发明可以有效提高在低清晰度视频上的深度伪造识别效果。
-
公开(公告)号：CN112668401A
公开(公告)日：2021-04-16
申请号：CN202011447934.1
申请日：2020-12-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于特征解耦合的人脸隐私保护方法和装置。该方法包括：1)数据预处理，预先训练身份特征提取器EI和外貌特征提取器EA。2)训练人脸伪装生成模型执行相同人脸生成任务。3)训练人脸伪装生成模型执行不同人脸生成任务。4)完成模型训练后，采用已训练的EI、EA和G网络对输入人脸图像进行伪装人脸图像生成。其中步骤1)使用分类损失对EI和EA进行预训练。步骤2)使用人脸重建损失进行模型训练。步骤3)分别设计了外貌特征和身份特征的L2范数损失函数，以约束模型特征提取的准确性以及生成结果的可控性。本发明能够实现保持人脸身份匹配的同时显著改变人脸的外观特征，并通过实验数据证明了隐私保护的有效性。
-
公开(公告)号：CN109214275A
公开(公告)日：2019-01-15
申请号：CN201810794432.2
申请日：2018-07-19
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于深度学习的低俗图片识别方法，该方法对上下半身检测网络进行训练，对上下半身低俗分类网络进行训练，训练采用困难样本挖掘，使得网络训练过程中对困难样本侧重训练，提高检测精度；对图片进行低俗级联检测，检测过程中上下半身检测得分阈值采用动态调整，检测获得的上下半身区域缩放后输入至上下半身低俗分类网络，进行低俗识别。本发明在图片低俗识别中具有极佳的精度，在正负样本比例悬殊的情况下，仍能保持极低的误报率，具备良好实用性。
-
公开(公告)号：CN114723130A
公开(公告)日：2022-07-08
申请号：CN202210350684.2
申请日：2022-04-02
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种一种基于时空交互特征的工业设备剩余使用寿命预测方法，属于数字化与智能制造系统的故障诊断领域，本方法的步骤包括：数据获取，即通过智能传感器获取产品加工过程中的时序数据；数据转换，即把固定窗口大小的时序数据转换成与之相应的时空图；特征提取，即通过卷积操作得到时空交互特征；故障诊断，即通过残差网络预测设备的剩余使用寿命。本发明通过真实的加工场景，在准确率、精确率、召回率以及F值评估指标上取得了优越的效果，并且具有良好的泛化性和实时检测能力。
-
Patent Agency Ranking
公开(公告)号：CN113269229A
公开(公告)日：2021-08-17
申请号：CN202110436714.7
申请日：2021-04-22
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62
Abstract: 本发明公开了一种面向深度学习分类模型泛化能力增强的训练方法，其步骤包括：1)根据目标分类任务所定义的特征从训练数据中选取千百量级的样本数据进行初始的类别划分，得到初始训练集；2)利用初始训练集对分类模型进行训练，将困难样本的类别更改为模型所判定的类别；3)利用更新后的训练集重新训练模型；4)重复步骤2～3)多次，当识别正确率达到设定条件后，进行步骤5)；5)利用分类模型对训练数据进行分类识别标注；6)选取一部分标注样本，如果所选样本的类别标注错误，则对其类别标注更正并放入初始训练集中；7)利用更新后的初始训练集重新训练分类模型；8)重复步骤5～7)多次，当识别正确率达到设定条件后停止训练。
-
公开(公告)号：CN112668401B
公开(公告)日：2023-01-17
申请号：CN202011447934.1
申请日：2020-12-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于特征解耦合的人脸隐私保护方法和装置。该方法包括：1)数据预处理，预先训练身份特征提取器EI和外貌特征提取器EA。2)训练人脸伪装生成模型执行相同人脸生成任务。3)训练人脸伪装生成模型执行不同人脸生成任务。4)完成模型训练后，采用已训练的EI、EA和G网络对输入人脸图像进行伪装人脸图像生成。其中步骤1)使用分类损失对EI和EA进行预训练。步骤2)使用人脸重建损失进行模型训练。步骤3)分别设计了外貌特征和身份特征的L2范数损失函数，以约束模型特征提取的准确性以及生成结果的可控性。本发明能够实现保持人脸身份匹配的同时显著改变人脸的外观特征，并通过实验数据证明了隐私保护的有效性。
-
公开(公告)号：CN115115868A
公开(公告)日：2022-09-27
申请号：CN202210386333.7
申请日：2022-04-13
Applicant: 之江实验室 , 中国科学院信息工程研究所
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于三元组的多模态协同场景识别方法，涉及深度学习下的计算机视觉与自然语言处理领域，针对单模态识别方法在复杂场景中体现出的局限性，提出为每个样本匹配一个由图像、文本型摘要和实例信息三种模态的标注数据构成的三元组，分别进行三个分支的神经网络学习训练，通过综合考量多种模态下的特征信息，在不引入额外数据收集成本的情况下提升场景识别的准确率。
-
公开(公告)号：CN114791537A
公开(公告)日：2022-07-26
申请号：CN202210306412.2
申请日：2022-03-25
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于属性自适应的工业设备剩余使用寿命预测方法及系统，属于数字化与智能制造系统的故障诊断领域，首先通过传感器采集工业设备的用电数据；然后根据三相电路知识去除冗余属性；接下来通过属性自适应网络为重要属性分配更高权重；最后将带权时序数据送到长短期记忆回归网络进行处理，再通过全连接网络预测剩余使用寿命。
-
公开(公告)号：CN109214275B
公开(公告)日：2022-04-15
申请号：CN201810794432.2
申请日：2018-07-19
Applicant: 中国科学院信息工程研究所
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开一种基于深度学习的低俗图片识别方法，该方法对上下半身检测网络进行训练，对上下半身低俗分类网络进行训练，训练采用困难样本挖掘，使得网络训练过程中对困难样本侧重训练，提高检测精度；对图片进行低俗级联检测，检测过程中上下半身检测得分阈值采用动态调整，检测获得的上下半身区域缩放后输入至上下半身低俗分类网络，进行低俗识别。本发明在图片低俗识别中具有极佳的精度，在正负样本比例悬殊的情况下，仍能保持极低的误报率，具备良好实用性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.054 seconds)
