-
公开(公告)号：CN101377776B
公开(公告)日：2010-06-30
申请号：CN200710121079.3
申请日：2007-08-29
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/30
摘要： 本发明基于移动虚拟分类面的交互式图像检索方法，采用移动虚拟分类面选取图像的数据点；对图像数据点进行逐一标注；利用前一个标注的图像数据点选取下一个图像数据点；利用标注的图像数据点查找访问图像，完成交互式图像检索。在图像检索的相关反馈过程中，主动学习常常被用来减轻人工标注的数据量，其主要思想是每次仅仅选取信息量最大的数据进行标注。传统的成批标注的方法忽略了数据点之间的关系，因此不够高效。本发明提出移动虚拟分类面选点策略，利用前一个标注的数据去为下一个数据的选取提供指导，从而在不增加标注数据量的条件下提高了所标注数据总的信息量。移动虚拟分类面选点策略使主动学习算法性能得到了显著提高。
-
公开(公告)号：CN115909441A
公开(公告)日：2023-04-04
申请号：CN202211387574.X
申请日：2022-11-07
申请人： 中国科学院自动化研究所
IPC分类号： G06V40/16 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/0499
摘要： 本发明提供一种人脸识别模型建立方法、人脸识别方法和电子设备。该方法包括：构建初始学生网络模型；将训练图像集进行分组后，逐组输入所述初始学生网络模型和预训练的教师网络模型，输出得到多组相互对应的学生网络特征向量集合和教师网络特征向量集合；针对每个学生网络特征向量和每个教师网络特征向量，分别计算与各类别特征向量之间的余弦相似度，对余弦相似度进行分组；分别根据对应的余弦相似度的分组结果对初始损失函数进行解耦和筛选，根据的筛选结果对初始学生网络的参数进行优化，完成一次优化迭代过程；重复上述步骤，直至得到收敛的学生网络模型，作为人脸识别模型。该方法降低了知识蒸馏的难度，且得到的人脸识别模型性能较好。
-
公开(公告)号：CN116978132A
公开(公告)日：2023-10-31
申请号：CN202310892852.5
申请日：2023-07-19
申请人： 中国科学院自动化研究所
摘要： 本发明提供一种活体检测方法、装置、电子设备和存储介质，其中方法包括：基于训练好的第一扩散模型为目标图像添加噪声后，基于训练好的第二扩散模型为添加噪声的目标图像去除噪声，获取目标图像对应的还原图像；将目标图像减去还原图像，得到目标图像的图像噪声；将目标图像和图像噪声输入训练好的双分支深度检测模型，根据双分支深度检测模型输出的深度图，确定目标图像是否为真实人脸图像；其中，第一扩散模型基于真实人脸图像数据集和欺诈人脸图像数据集训练得到；第二扩散模型基于真实人脸图像数据集训练得到；双分支深度检测模型基于真实人脸图像数据集和欺诈人脸图像数据集训练得到。从而提高了活体检测的泛化性能和稳定性。
-
公开(公告)号：CN115775404A
公开(公告)日：2023-03-10
申请号：CN202211468699.5
申请日：2022-11-22
申请人： 中国科学院自动化研究所
IPC分类号： G06V40/16
摘要： 本发明实施例提供了一种人脸识别模型的训练方法、装置、设备和存储介质，该方法包括：获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；针对遮挡人脸图像进行划分，得到多个图像块，多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；对每个图像块进行特征提取，得到每个图像块的第一图像特征，并基于第一图像特征，通过自注意力机制进行关系抽取，得到遮挡人脸图像的目标图像特征，其中，遮挡区域对应的图像块和非遮挡区域对应的图像块之间的注意力值为0；基于目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，人脸识别模型用于对目标遮挡人脸图像进行识别。本发明可以提高遮挡人脸识别的准确度。
-
公开(公告)号：CN101377776A
公开(公告)日：2009-03-04
申请号：CN200710121079.3
申请日：2007-08-29
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/30
摘要： 本发明基于移动虚拟分类面的交互式图像检索方法，采用移动虚拟分类面选取图像的数据点；对图像数据点进行逐一标注；利用前一个标注的图像数据点选取下一个图像数据点；利用标注的图像数据点查找访问图像，完成交互式图像检索。在图像检索的相关反馈过程中，主动学习常常被用来减轻人工标注的数据量，其主要思想是每次仅仅选取信息量最大的数据进行标注。传统的成批标注的方法忽略了数据点之间的关系，因此不够高效。本发明提出移动虚拟分类面选点策略，利用前一个标注的数据去为下一个数据的选取提供指导，从而在不增加标注数据量的条件下提高了所标注数据总的信息量。移动虚拟分类面选点策略使主动学习算法性能得到了显著提高。
-
公开(公告)号：CN116108195A
公开(公告)日：2023-05-12
申请号：CN202211551913.3
申请日：2022-12-05
申请人： 中国科学院自动化研究所
摘要： 本申请公开了一种基于时序元学习的动态知识图谱预测方法和装置，其中方法包括：获取多个历史时刻对应的知识图谱；将所述多个历史时刻对应的知识图谱输入至知识图谱预测模型，得到所述知识图谱预测模型输出的当前时刻对应的知识图谱的预测结果；所述知识图谱预测模型是基于多个在时序上相互关联的元学习任务对基模型进行训练后得到的；各个元学习任务中的支持集和查询集是基于相邻历史时刻对应的知识图谱确定的。本申请提供的方法和装置，提高了知识图谱预测模型对于动态知识图谱中时序元知识的学习能力，提高了知识图谱预测模型对于未知实体或者未知关系的预测能力，提高了动态知识图谱用于事件预测的准确性。
-
公开(公告)号：CN101777059B
公开(公告)日：2011-12-07
申请号：CN200910242751.3
申请日：2009-12-16
申请人： 中国科学院自动化研究所
摘要： 本发明是一种提取地标性场景摘要的方法，该方法包括步骤如下：对每一幅地标性场景图像，提取颜色矩、小波纹理作为地标性场景图像的全局特征，提取SIFT描述子作为地标性场景图像的局部特征；利用全局特征对地标性场景图像库，根据图像的二维特征进行初始聚类；利用局部特征对初始聚类结果，从每一类中选取距离聚类中心最近的若干幅代表性图像，并对代表性图像进行两两匹配进行基于显著性几何验证；几何验证之后，从每一个聚类集合中提取标志性图像；利用类间几何验证对选出地标性场景图像中用户感兴趣的区域的标志性图像进行几何匹配筛选，将相同或相近视角的标志性图像聚为一类，从而实现相似类的融合，提取出地标性场景摘要。
-
公开(公告)号：CN101777059A
公开(公告)日：2010-07-14
申请号：CN200910242751.3
申请日：2009-12-16
申请人： 中国科学院自动化研究所
摘要： 本发明是一种提取地标性场景摘要的方法，该方法包括步骤如下：对每一幅地标性场景图像，提取颜色矩、小波纹理作为地标性场景图像的全局特征，提取SIFT描述子作为地标性场景图像的局部特征；利用全局特征对地标性场景图像库，根据图像的二维特征进行初始聚类；利用局部特征对初始聚类结果，从每一类中选取距离聚类中心最近的若干幅代表性图像，并对代表性图像进行两两匹配进行基于显著性几何验证；几何验证之后，从每一个聚类集合中提取标志性图像；利用类间几何验证对选出地标性场景图像中用户感兴趣的区域的标志性图像进行几何匹配筛选，将相同或相近视角的标志性图像聚为一类，从而实现相似类的融合，提取出地标性场景摘要。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.214 秒)
