-
公开(公告)号：CN112085384A
公开(公告)日：2020-12-15
申请号：CN202010937135.6
申请日：2020-09-08
申请人： 华侨大学 , 深圳市检验检疫科学研究院
摘要： 本发明给出了一种基于模糊推理与LSTM结合的邮寄物风险评价方法与系统，包括利用层次分析法，确定邮寄物风险的风险评估指标和风险评估指标权重系数，再对邮寄物的申报数据和查验数据进行预处理，得到原始数据样本，基于模糊推理理论，对原始数据样本进行模糊归一化，构建可用于深度学习训练的风险等级样本数据，基于风险源指标体系表，对风险等级样本数据利用LSTM深度神经网络进行建模，对风险源进行智能综合评价及预测。本发明构建了分析所需的原始数据样本以及完善的数据分析体系，并将原始数据样本中的语言变量转化为数字变量，最后利用改进的LSTM深度神经网络对数据进行训练，得到相比于现有技术更加稳定的邮寄物风险源评价模型。
-
公开(公告)号：CN106778655B
公开(公告)日：2020-05-05
申请号：CN201611224676.4
申请日：2016-12-27
申请人： 华侨大学
摘要： 本发明涉及一种基于人体骨架的入口尾随进入检测方法，在入口前预设预警区域，行人进入预警区域后，通过摄像头实时检测行人的人体骨架；在预警区域内对受测行人规划尾随警戒区域，检测尾随警戒区域内的其他行人；如果其他行人的人体骨架满足报警规则，则发生报警。本发明实现了视频监控中行人尾随进入事件的智能监控，有效地对行人尾随进入这一高层次语义事件进行识别。同时为了提高行人检测的准确率和降低误检率，通过人体骨架交互的判断，对同行人进行识别，剔除因为同行事件引起的误警，进而实现对入口处，行人尾随进入的检测。本发明所述的方法实时性好，成本低，计算量少。而且采用低成本的深度摄像头，利于实施与推广。
-
公开(公告)号：CN106095829A
公开(公告)日：2016-11-09
申请号：CN201610381864.1
申请日：2016-06-01
申请人： 华侨大学
IPC分类号： G06F17/30
CPC分类号： G06F16/43
摘要： 本发明涉及基于深度学习与一致性表达空间学习的跨媒体检索方法，针对图像与文本两种模态的跨媒体信息，从特征的选择及高度异构的两个特征空间的相似性估算这两个方法上入手，提出一个能教大幅度提高多媒体检索准确率的跨媒体检索方法。本发明所述的方法是一种针对图像与文本两种模态的多媒体信息相互检索方法，实现跨媒体检索准确率的较大幅度提高。本发明提出的模型中，采用经调整过的向量内积作为相似度度量算法，不仅考虑了两种不同模态特征向量的方向，而且在中心化后消除了指标量纲的影响，将向量中的每个元素减去元素的平均值，再计算去均值后的两个向量的相关性；能计算得到更为准确的相似度。
-
公开(公告)号：CN106709921B
公开(公告)日：2020-06-09
申请号：CN201611242922.9
申请日：2016-12-29
申请人： 华侨大学
IPC分类号： G06T7/11
摘要： 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。
-
公开(公告)号：CN106682233B
公开(公告)日：2020-03-10
申请号：CN201710029935.6
申请日：2017-01-16
申请人： 华侨大学
IPC分类号： G06F16/583 , G06K9/62 , G06K9/54
摘要： 本发明的一种基于深度学习与局部特征融合的哈希图像检索方法，所述方法包括五个部分:(1)图像的预处理；(2)用卷积神经网络对含有分类标签的图像进行训练；(3)用二值化方式生成图像的哈希码并提取1024维浮点型局部聚合向量；(4)用哈希码进行粗检索；(5)用局部聚合向量进行精检索。本发明的一种基于深度学习与局部特征融合的哈希图像检索方法提取两种特征后用近似最近邻搜索策略来进行图像检索，检索精确度高、检索速度快。
-
公开(公告)号：CN106095829B
公开(公告)日：2019-08-06
申请号：CN201610381864.1
申请日：2016-06-01
申请人： 华侨大学
IPC分类号： G06F16/43
摘要： 本发明涉及基于深度学习与一致性表达空间学习的跨媒体检索方法，针对图像与文本两种模态的跨媒体信息，从特征的选择及高度异构的两个特征空间的相似性估算这两个方法上入手，提出一个能教大幅度提高多媒体检索准确率的跨媒体检索方法。本发明所述的方法是一种针对图像与文本两种模态的多媒体信息相互检索方法，实现跨媒体检索准确率的较大幅度提高。本发明提出的模型中，采用经调整过的向量内积作为相似度度量算法，不仅考虑了两种不同模态特征向量的方向，而且在中心化后消除了指标量纲的影响，将向量中的每个元素减去元素的平均值，再计算去均值后的两个向量的相关性；能计算得到更为准确的相似度。
-
公开(公告)号：CN106682233A
公开(公告)日：2017-05-17
申请号：CN201710029935.6
申请日：2017-01-16
申请人： 华侨大学
摘要： 本发明的一种基于深度学习与局部特征融合的哈希图像检索方法，所述方法包括五个部分:(1)图像的预处理；(2)用卷积神经网络对含有分类标签的图像进行训练；(3)用二值化方式生成图像的哈希码并提取1024维浮点型局部聚合向量；(4)用哈希码进行粗检索；(5)用局部聚合向量进行精检索。本发明的一种基于深度学习与局部特征融合的哈希图像检索方法提取两种特征后用近似最近邻搜索策略来进行图像检索，检索精确度高、检索速度快。
-
公开(公告)号：CN106156374A
公开(公告)日：2016-11-23
申请号：CN201610820534.8
申请日：2016-09-13
申请人： 华侨大学
CPC分类号： G06F16/583 , G06K9/6218
摘要： 本发明公开了一种基于视觉词典优化和查询扩展的图像检索方法，包括：提取训练图像的SIFT特征，并利用基于密度的聚类方法对SIFT特征进行聚类，生成视觉词典组；通过卡方模型分析视觉单词与目标类别的相关性大小，同时结合视觉单词词频滤除一定数量的视觉停用词；将SIFT特征与优化后的视觉词典进行映射匹配，得到视觉词汇直方图；将查询图像的视觉词汇直方图与训练图像的视觉词汇直方图进行相似性匹配，根据初次匹配结果并结合查询扩展策略进行二次或多次检索，得到最终检索结果。本发明提供一种提高图像检索准确率为目的的基于视觉词典优化和查询扩展的图像检索方法。
-
公开(公告)号：CN106023236B
公开(公告)日：2019-06-04
申请号：CN201610431135.2
申请日：2016-06-16
申请人： 华侨大学
IPC分类号： G06T7/10
摘要： 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.04 秒)
