-
公开(公告)号：CN118430064A
公开(公告)日：2024-08-02
申请号：CN202410560062.1
申请日：2024-05-08
Applicant: 中国科学院计算技术研究所 , 中国残疾人辅助器具中心
IPC: G06V40/20 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/088
Abstract: 本发明提供了一种面向数字人手势动作的异常状态检测方法，包括：获取按照本发明实施方法得到的经训练的重构模型，训练时所采用的训练样本均是数字人的没有发生手部穿模情况的手势动作状态；获取需要检测的数字人的合成手势动作序列，将其中的每帧合成的手势动作状态输入所述经训练的重构模型，得到重构的手势动作状态，其中，所述手势动作状态包括数字人的多个关节在一个时间点的空间位置；根据每帧合成的手势动作状态与其对应的重构的手势动作状态的距离和预设的检查阈值，确定每帧合成的手势动作状态是否异常，其中，当所述距离大于所述预设的检测阈值时，判断对应帧的合成的手势动作状态为异常。
-
公开(公告)号：CN116844231A
公开(公告)日：2023-10-03
申请号：CN202310803770.9
申请日：2023-06-30
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/088
Abstract: 本发明提出一种基于运动重定向的手语动作迁移方法、装置，方法包括：构建编码器模型，配置为运动编码器、静态编码器和潜层编码器；运动编码器输入为骨架原始手语动画数据，输出为编码后的骨架动作信息；静态编码器输入为骨架空间静态数据，输出为编码后的骨架结构信息；潜层编码器将骨架动作信息与骨架结构信息解耦，提取手语抽象动作；构建解码器模型配置为将手语抽象动作和骨架结构信息重定向，生成骨架重构手语动画数据；构建鉴别器模型置为输入为骨架原始手语动画数据、骨架重构手语动画数据、骨架空间静态数据，输出鉴别结果；以及构建目标损失函数。其使用循环生成对抗网络进行无监督训练，解决了成对训练数据获取困难的问题。
-
Patent Agency Ranking
公开(公告)号：CN114613009A
公开(公告)日：2022-06-10
申请号：CN202210252263.6
申请日：2022-03-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种行为识别模型构建方法及相应行为识别方法和系统。本发明方法对于训练样本数据中的每个类别，形成以其作为正类别、其余类别作为反类别的一个超球面，通过训练得到的多个超球面对整个特征空间进行划分。本发明方法构建的行为识别模型具有对新增行为类别的检测能力，不仅具有和传统SVM相当的查全率而且还具有较高的查准率，即判断新增类别的精度较高。相比于CNN方法，本发明方法构建的行为识别模型架构更简单，实现复杂度低，识别精度高。
-
公开(公告)号：CN118135651A
公开(公告)日：2024-06-04
申请号：CN202410212853.5
申请日：2024-02-27
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V20/64 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明提供了一种面向三维数字人的碰撞检测模型的训练方法，包括：获取采用树形卷积结构构建的碰撞检测模型，并且所述树形卷积结构依赖三维数字人的节点的拓扑层次，其中，所述节点对应三维数字人的活动关节；获取根据所述三维数字人的姿态数据和蒙皮数据构建的训练集，其包括：多个3D姿态样本和每个3D姿态样本对应的碰撞状态标签，3D姿态样本包括三维数字人的各个节点的姿态数据；利用所述训练集和预设的损失函数，训练碰撞检测模型，根据3D姿态样本检测碰撞状态，得到经训练的碰撞检测模型；构建的碰撞检测模型更符合三维数字人的数据的层次结构，更贴近姿态数据的分布规律，可以辅助高效检测碰撞状态，提升检测的效率和准确性。
-
公开(公告)号：CN119760515A
公开(公告)日：2025-04-04
申请号：CN202411678654.X
申请日：2024-11-22
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2411 , G06N3/0455 , G06F18/214
Abstract: 本发明提供了一种多元时间序列的无监督异常感知系统，用于检测多元时间序列是否存在异常，所述系统包括：数据采集模块，用于采集原始的多元时间序列；异常感知模型，用于对原始的多元时间序列进行编解码处理以获取重构后的多元时间序列；异常评估模块，用于基于原始的多元时间序列和重构的多元时间序列按照预设的评估方式计算原始的多元时间序列的异常程度量化分数，并基于异常程度量化分数按照预设的评估规则来评估原始的多元时间序列是否存在异常。本发明通过轻量级架构设计，大幅降低了参数量和计算复杂度，适用于资源受限的环境；还通过记忆槽中存储的正常多元时间序列的特征表示来有效地识别异常数据模式，提高了异常检测的精确度和鲁棒性。
-
公开(公告)号：CN116485922A
公开(公告)日：2023-07-25
申请号：CN202310460937.6
申请日：2023-04-26
Applicant: 中国科学院计算技术研究所
IPC: G06T9/00 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明提供一种应用于图像处理的自编码器，所述自编码器包括编码模块、存储模块和解码模块，其中：所述编码模块用于对输入图像进行编码以获得输入图像的特征并传递给存储模块；所述存储模块用于存储多个已知正常图像类别的特征，以及基于其存储的特征与所述输入图像的特征作比对，以获取与所述输入图像的特征相似的正常图像类别的特征并传递给解码模块；所述解码模块用于对所述存储模块传递的特征进行解码以获得所述输入图像的重构图像，并输出所述重构图像与输入图像的差异度。本发明引入了存储模块，控制了自编码器的泛化性，解决了现有技术中采用非高斯分布的训练集对自编码器进行训练后无法很好地检测正常图像和异常图像的问题。
-
公开(公告)号：CN118503704A
公开(公告)日：2024-08-16
申请号：CN202410642613.9
申请日：2024-05-23
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/213 , G06F18/22 , G06N3/08 , G06N3/0442
Abstract: 本发明提供了一种异常检测模型构建方法，所述方法包括：步骤S1、获取一个或多个数据集，其中，每个数据集中均包括多个正常数据样本，且每个数据集与其他数据集之间没有交集；步骤S2、构建初始异常检测模型，其包括特征提取模块、循环记忆模块和特征还原模块，其中，特征提取模块用于提取正常数据样本的原始特征，循环记忆模块用于基于自身存储的记忆数据对原始特征进行相似度计算以获取正常数据样本的目标相似性特征，特征还原模块用于基于目标相似性特征进行特征还原以重构正常数据样本；步骤S3、采用所述步骤S1获取的一个或多个数据集训练初始异常检测模型直至模型收敛。本发明引入循环记忆模块，解决了数据场景封闭性假设的限制。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
