-
公开(公告)号：CN118072109A
公开(公告)日：2024-05-24
申请号：CN202410431556.X
申请日：2024-04-11
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/092 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强和对比学习的图像识别方法及系统，涉及图像识别技术领域，包括以下步骤：接收原始EEG数据，对原始EEG数据进行预处理，得到纯净的EEG数据，对纯净的EEG数据进行分段切片划分，得到EEG数据集；将EEG数据集输入至预先建立的VAE‑GAN的数据增强模型内，输出得到EEG人工样本；将纯净的EEG数据和EEG人工样本输入至预先建立的基于CRL和多任务自编码器的特征学习模型内，输出得到学习特征，将学习特征输入至Softmax分类器内得到分类识别结果。
-
-
Patent Agency Ranking
公开(公告)号：CN105184285A
公开(公告)日：2015-12-23
申请号：CN201510685005.7
申请日：2015-10-20
Applicant: 南京信息工程大学
IPC: G06K9/00
CPC classification number: G06K9/00302 , G06K9/00268 , G06K9/00288
Abstract: 本发明公开了直推式迁移组稀疏判别分析的跨姿态彩色图像表情识别(TTGSLDA)方法，本发明的训练和测试人脸图像在两种不同的面部视角下拍摄得到，通过从目标人脸姿态中选择一组辅助的未标记的人脸图像，把其整合到源人脸姿态中已标记的训练图像集中，辅助图像的标签为直推式线性判别分析(TTLDA)方法要优化的参数。在学习得到辅助图像集的类别标签后，基于此参数训练一个支持向量机(SVM)来完成测试人脸图像的分类。为充分利用彩色图像的面部信息以提高表情识别的准确性，采用彩色尺度不变特征变换(SIFT)来表示人脸图像的特征。本发明具有识别率更高、鲁棒性更好的表情识别效果。
-
公开(公告)号：CN105069406A
公开(公告)日：2015-11-18
申请号：CN201510439601.7
申请日：2015-07-23
Applicant: 南京信息工程大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00228
Abstract: 本发明公开了基于优化的核Fukunaga-Koontz变换的人脸识别方法，包括从训练样本中提取图像特征、选择高斯核函数并优化参数、对样本数据降维、计算各类样本的自相关矩阵和白化矩阵、确定人脸类别等步骤。本发明对KFKT方法进行核优化，从而改善其识别性能。
-
公开(公告)号：CN102779271B
公开(公告)日：2015-06-17
申请号：CN201210218216.6
申请日：2012-06-28
Applicant: 南京信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了基于谱稀疏典型相关分析的表情语义稀疏量化方法，属于图像处理的技术领域。本发明通过在典型相关分析中引入表情图像特征矩阵的谱分解表示方法，将典型相关分析与表情图像特征矩阵的谱稀疏选择相结合；通过采用方向交错优化法确定最佳投影参数以及最佳变换矩阵；在提取待测人脸图像表情语义特征向量时，通过在最小二乘回归方法中增加L1范式的稀疏惩罚项，实现对待测表情图像的表情语义信息的稀疏量化评估。本发明具有识别率更高、鲁棒性更好的表情识别效果。
-
公开(公告)号：CN105205452A
公开(公告)日：2015-12-30
申请号：CN201510532043.9
申请日：2015-08-26
Applicant: 南京信息工程大学
IPC: G06K9/00
CPC classification number: G06K9/00302 , G06K9/00268 , G06K9/00288
Abstract: 本发明公开了基于彩色局部特征的彩色图像表情识别方法，首先提取训练图像的彩色局部特征，再利用组稀疏最小均方回归方法建立彩色局部特征矢量和相应的类别标签特征矢量之间的关系模型，最后利用此模型进行表情的识别。本发明通过提取彩色局部特征来识别表情，并解决了识别过程中有效融合不同颜色成分图像相应的面部特征以及区分不同人脸区域重要性的问题。
-
公开(公告)号：CN102779271A
公开(公告)日：2012-11-14
申请号：CN201210218216.6
申请日：2012-06-28
Applicant: 南京信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了基于谱稀疏典型相关分析的表情语义稀疏量化方法，属于图像处理的技术领域。本发明通过在典型相关分析中引入表情图像特征矩阵的谱分解表示方法，将典型相关分析与表情图像特征矩阵的谱稀疏选择相结合；通过采用方向交错优化法确定最佳投影参数以及最佳变换矩阵；在提取待测人脸图像表情语义特征向量时，通过在最小二乘回归方法中增加L1范式的稀疏惩罚项，实现对待测表情图像的表情语义信息的稀疏量化评估。本发明具有识别率更高、鲁棒性更好的表情识别效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
