专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果47个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于多任务学习的面部活动单元检测方法-CN202010489364.6有效
  • 支瑞聪;周才霞 - 北京科技大学
  • 2020-06-02 - 2023-10-27 - G06V40/16
  • 本发明提供一种基于多任务学习的面部活动单元检测方法,包括:辅助任务学习:将全局平均池化层之前的AlexNet网络作为共享结构提取共享的面部全局特征,并将提取的共享的面部全局特征分别送入与任务相关的独立网络结构中得到辅助任务的输出;所述辅助任务的输出包括标志点检测、性别识别、头部姿势估计和表情识别的输出;主任务学习:将面部裁剪为上半脸和下半脸,分别输入修改后的Resnet50网络中学习与活动单元相关的特征,将辅助任务学习步骤提取的共享的面部全局特征融入并加入注意力机制;特征组合:将辅助任务的输出组合起来作为关系信息来修正活动单元相关特征的输出。本发明涉及人机交互及模式识别技术领域。
  • 一种基于任务学习面部活动单元检测方法
  • [发明专利]一种基于循环UNet网络的遥感影像变化检测方法及系统-CN202310226396.0在审
  • 支瑞聪;罗雅露 - 北京科技大学
  • 2023-03-09 - 2023-06-23 - G06V20/10
  • 本发明公开了一种基于循环UNet网络的遥感影像变化检测方法及系统,所述方法包括:基于UNet网络构建密集连接且循环的UNet网络DRUNet;DRUNet通过构建成对循环单元,利用前后向跳跃连接重用参数和编解码器,其中,前向跳跃连接将编码后的特征传递给解码器,后向跳跃连接将解码后的高级语义特征从解码器传递到编码器,在编码层和解码层之间不断进行递归,以实现更好的特征细化;对DRUNet网络进行网络架构搜索,搜索最优子结构,得到变化检测模型并进行训练;利用训练好的模型进行遥感影像变化检测。本发明可以提升遥感影像变化检测模型精度,并降低模型复杂度,从循环利用特征的角度提升模型性能。
  • 一种基于循环unet网络遥感影像变化检测方法系统
  • [发明专利]一种基于关系学习的遥感影像目标检测方法-CN202210635192.8在审
  • 支瑞聪;赵镜儒 - 北京科技大学
  • 2022-06-07 - 2022-09-23 - G06V20/10
  • 本发明提供一种基于关系学习的遥感影像目标检测方法,属于遥感影像领域。所述方法包括:针对遥感影像,获取利用区域生成网络生成的候选框,将候选框划分为前景框、推理框和背景框;采用双头推理策略,为分类和定位任务分别构建图推理模块,通过构建的图推理模块为分类和定位任务分别构建候选框之间视觉关系图和位置关系图,根据构建的视觉关系图和位置关系图同时进行关系推理,得到每个候选框的推理特征;将区域生成网络生成的候选框特征以及推理特征进行拼接,并通过多层感知机进行特征融合,再次对候选框进行分类和定位。采用本发明,能够挖掘出遥感影像前景和背景中潜在的关系信息,从而提升对遥感影像目标的检测精度。
  • 一种基于关系学习遥感影像目标检测方法
  • [发明专利]基于机器学习的持续学习方法及装置-CN202210161710.7在审
  • 万军;雷震;孟意城;支瑞聪 - 中国科学院自动化研究所
  • 2022-02-22 - 2022-07-08 - G06K9/62
  • 本发明提供一种基于机器学习的持续学习方法及装置,所述方法包括:确定执行至少两个训练任务;将各任务的训练集分别输入预存的机器学习模型,以获取各任务对应的生成模型和伪样本集;利用特征提取器分别提取对应任务的中心特征;将当前任务对应的伪样本集输入第一教师模型进行训练以获取第一生成样本;将上一个任务对应的伪样本集输入第二教师模型进行训练以获取第二生成样本;基于第一生成样本、第二生成样本和当前任务的中心特征训练学生模型以获取当前任务的目标学生模型;本发明所述方法采用样本生成重放与蒸馏学习相结合的训练方法提高了机器学习模型在复杂场景下的持续学习能力,缓解了模型的灾难性遗忘。
  • 基于机器学习持续学习方法装置
  • [发明专利]基于AU-EMO关联与图神经网络的零样本表情识别方法及系统-CN202111052158.X在审
  • 支瑞聪;万菲 - 北京科技大学
  • 2021-09-08 - 2021-12-21 - G06K9/00
  • 本发明公开了一种基于AU‑EMO关联与图神经网络的零样本表情识别方法及系统,该方法包括:获取提取表情图像视觉特征的视觉特征提取器;生成具有内在AU关联的AU语义特征;建立表情类别的语义特征向量;同时建模各表情类别间的转移关系,并衡量这些转移关系的权重;将二者结合,构建AU‑EMO关联图谱;通过图卷积神经网络在AU‑EMO关联图谱上进行消息传播,生成分类器权重;针对待预测表情类别的表情图像,通过视觉特征提取器提取视觉特征,并以内积的形式与分类器权重融合,预测图像所属表情类别。本发明在不增加标注训练图片的情况下可以推广判别任意一种表情类别,降低了使用成本。
  • 基于auemo关联神经网络样本表情识别方法系统
  • [发明专利]面部运动单元检测模型训练方法及装置-CN202110484143.4在审
  • 支瑞聪;胡昕 - 北京科技大学
  • 2021-04-30 - 2021-08-06 - G06K9/00
  • 本公开涉及一种面部运动单元检测模型训练方法及装置,该装置包括:获取训练样本集,将训练样本集中的人脸图像划分为预设数量的批次;根据训练样本集进行预设次数的训练过程,每一次训练过程均包括对所有批次的人脸图像进行预设处理;每一个批次的预设处理过程包括:提取当前批次中每张人脸图像的各个面部运动单元的特征向量;构建多个关系单元,通过每一个关系单元学习对应的两个面部运动单元之间的相关性;按照预设比例丢弃至少一个关系单元;根据各张人脸图像中剩余的各个关系单元所学习的相关性,进行面部运动单元检测模型的训练。本申请丢弃部分关系单元,在学习AU关系的同时,抑制了AU之间的复杂的共适应关系,使模型学习到更加鲁棒的特征。
  • 面部运动单元检测模型训练方法装置
  • [发明专利]一种人脸微表情识别方法及识别装置-CN201910149809.3有效
  • 支瑞聪;李婷婷;刘梦祎 - 北京科技大学
  • 2019-02-28 - 2020-12-01 - G06K9/00
  • 本发明提供一种人脸微表情识别方法及识别装置,能够在减少计算量的基础上提高了对表情的识别精度。所述方法包括:确定表情数据库中的AU之间的关联性以及AU和表情之间的关联性,其中,AU表示面部动作单元;根据确定的表情数据库中AU和表情之间的关联性,得到每一个表情的AU模板序列;获取测试样本的AU序列;根据确定的表情数据库中AU之间的关联性,利用自适应公共子序列匹配方法计算测试样本的AU序列和每一个表情的AU模板序列之间的相似度,获取最大相似度对应的AU模板序列所属的表情类型作为测试样本的表情类型。本发明涉及图像处理与模式识别领域。
  • 一种人脸微表情识别方法装置
  • [发明专利]一种基于图像分析的心率检测方法及装置-CN201910228363.3有效
  • 支瑞聪;丁梓硕;陈健融;李志昌 - 北京科技大学
  • 2019-03-25 - 2020-12-01 - G06K9/00
  • 本发明提供一种基于图像分析的心率检测方法及装置,提高心率测量结果的准确度。所述方法包括:获取用户的人脸视频,对人脸视频中的面部特征点进行跟踪,并结合头部旋转校准对头部刚性运动进行倾斜校正;根据校正后的面部特征点选取面部感兴趣区域,确定面部感兴趣区域颜色通道的光信号;根据确定的面部感兴趣区域颜色通道的光信号,构建基于多层皮肤模型的光信号模型,根据构建的光信号模型,提取绿色‑红色通道差分信号;将提取的绿色‑红色通道差分信号变换至频域,提取振幅最大值对应的频率作为用户当前的心率。本发明涉及生物医学领域。
  • 一种基于图像分析心率检测方法装置
  • [发明专利]一种人脸微表情识别方法-CN201711120931.5有效
  • 支瑞聪;许海瑞 - 北京科技大学
  • 2017-11-14 - 2020-06-12 - G06K9/00
  • 本发明提供一种人脸微表情识别方法,能够提高微表情的识别准确率。所述方法包括:从宏观表情数据库中获取第一训练集对3D卷积神经网络进行预训练,并保存预训练得到的网络模型;从微表情数据库中获取第二训练集,对预训练得到的网络模型进行调整,并从3D卷积神经网络的最后一层全连接层提取特征向量,输入到线性SVM分类器中训练;输入待测图像,从3D卷积神经网络的最后一层全连接层提取特征向量,输入到线性SVM分类器中进行分类。本发明涉及图像处理与模式识别技术领域。
  • 一种人脸微表情识别方法
  • [发明专利]一种提取烟叶颜色数字化表达特征值的方法-CN201710424427.8有效
  • 支瑞聪;高鸣旋;李婷婷;张德政 - 北京科技大学
  • 2017-06-07 - 2020-05-12 - G06T7/11
  • 本发明提供一种提取烟叶颜色数字化表达特征值的方法,通过对烤烟叶片数字化图像的研究,分析出如何提取烟叶颜色特征值,来有效的代表整片烟叶的颜色。所述方法包括:首先采用定制扫描仪对烟叶样品进行数字化图像采集,严格控制采集环境、扫描设备参数设定等;其次,进行烟叶数字图像预处理,利用中值滤波对烟叶图像进行平滑处理去除噪声,并利用基于颜色空间单通道的阈值分割法进行背景分割;再次,分别采用平均值法、比例阈值直方图法、谱图估计法提取烟叶图像的颜色空间特征值,对三种方法结果进行综合平均得到最终的烟叶图像颜色空间代表值。
  • 一种提取烟叶颜色数字化表达特征值方法
  • [发明专利]基于核线性判别分析的味觉感应信号差异性特征提取方法-CN201610404407.X有效
  • 支瑞聪;张德政 - 北京科技大学
  • 2016-06-08 - 2019-08-06 - G06K9/62
  • 本发明提供一种基于核线性判别分析的味觉感应信号差异性特征提取方法,方法包括:利用电子舌对茶叶样品进行检测,得到传感器响应时序信号;根据所述响应时序信号采用主成分残差和马氏距离法对异常样本进行分析和剔除;对核线性判别分析方法的参数进行优化,以龙井茶品质等级正确识别率为依据选择核线性判别分析方法的参数;采用核线性判别分析方法对传感器响应信号进行非线性特征提取,得到茶叶样品的滋味特征;将茶叶样品的滋味特征输入分类器,进行茶叶品质等级判定。对茶叶样品进行异常值剔除,利用优化参数后的核线性判别分析方法可以更好的表征不同等级茶叶样品的非线性特征,提升经过非线性映射后的样本在高维特征空间中的信号差异性。
  • 基于线性判别分析味觉感应信号差异性特征提取方法
  • [发明专利]一种基于流形学习的电子舌信号特征提取方法-CN201610403910.3有效
  • 支瑞聪;张德政 - 北京科技大学
  • 2016-06-08 - 2019-01-15 - G01N27/27
  • 本发明提供一种基于流形学习的电子舌信号特征提取方法,所述方法包括:利用电子舌对茶叶样品进行检测,得到传感器响应时序信号;根据所述响应时序信号采用主成分残差和马氏距离法对异常样本进行分析和剔除;对流形学习算法的参数进行优化,以龙井茶品质等级正确识别率为依据选择流形学习算法的参数;采用流形学习算法对传感器响应信号进行非线性特征提取,得到表征茶叶样品的滋味信息的特征;将茶叶样品的滋味特征输入分类器,进行龙井茶品质等级判定。能够对茶叶样品进行异常值剔除,利用优化参数后的流形学习算法可以更好的表征不同等级茶叶样品的非线性特征,提升经过非线性映射后的样本在高维特征空间中的信号差异性。
  • 一种基于流形学习电子信号特征提取方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top