“林露樾”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]一种基于小样本的分类器训练方法-CN201910351889.0有效
发明人：刘芷菁;刘波;林露樾;肖燕珊;刘倩 -专利权人：广东工业大学
申请日： 2019-04-28 - 公布日： 2023-09-19 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于小样本的分类器训练方法，包括以下步骤：包括以下步骤：S1：设置参数α，β，学习率，最大训练步长T；S2：从训练集中读取一批图像，并将图像x输入到先验分类器中，得到先验标签#imgabs0#的值和每一张图片的潜在变量z的值；S3：对所读取图片的第i类,计算该类潜在变量的均值#imgabs1#和断言#imgabs2#S4：重复步骤S3，直至所读取图片的所有类均进行了对应的潜在变量的均值和断言的计算；S5：在得知图像x、先验标签#imgabs3#的基础上结合后验分类器，获取所描述的后验标签#imgabs4#S6：对损失函数进行优化，降低损失函数的计算代价；S7：计算所需要优化的所有变量的集合Θ中所有变量的损失函数的梯度。本发明收敛速度快，训练耗费时间较短，能训练得到高精度分类器。
一种基于样本分类训练方法

[发明专利]一种结合支持向量机和投影矩阵的多标签分类方法-CN201910323439.0在审
发明人：刘芷菁;刘波;林露樾;肖燕珊 -专利权人：广东工业大学
申请日： 2019-04-22 - 公布日： 2019-09-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种结合支持向量机和投影矩阵的多标签分类方法，包括下述步骤：S1，参数设置；首先设置最大训练步长T和样本的批量大小；设置超参数：如权衡参数β，正则化参数γ和比较阈值τ；本发明基于一致KL散度目标模型将多标签分类问题分为两部分，既能通过构造一组新的SVM模型直观地确定样本和标签的关系，又能充分利用标签之间的信息，通过构建一个新的投影矩阵来确定标签与标签之间的内在关系，从而提高分类的效果；在建立一致目标模型的同时可以分别对两部分损失进行优化，从而降低了复杂度。
标签分类投影矩阵标签支持向量机目标模型样本正则化参数参数设置内在关系复杂度构建散度直观分类优化

[发明专利]融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统-CN201610579386.5有效
发明人： 林露樾;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2016-07-21 - 公布日： 2019-05-10 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型；接收用户输入的带有跟踪目标的视频流，通过初步模型对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型的参数进行微调，得到卷积神经网络的最终模型；接收用户输入的带有跟踪目标的监控视频流，通过替换后的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪，并通过贝叶斯滤波器更新目标模型集合和背景集合；可见，通过对卷积神经网络进行训练生成最终模型，能自动从监控视频流中识别跟踪目标，利用贝叶斯滤波器实现样本的更新，能实现对目标的长时间跟踪，增加用户操作体验。
融合卷积神经网络贝叶斯滤波器跟踪方法系统

[发明专利]一种融合卷积神经网络的跟踪方法及系统-CN201610579388.4有效
发明人： 林露樾;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2016-07-21 - 公布日： 2019-04-09 - 主分类号： G06T7/292 文献下载
摘要：本发明公开了一种融合卷积神经网络的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型CNN₁；接收用户输入的带有跟踪目标的视频流，通过初步模型CNN₁对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型CNN₁的参数进行微调，得到卷积神经网络的最终模型CNN₂；将最终模型CNN₂替换TLD算法中的分类器；接收用户输入的带有跟踪目标的监控视频流，通过带有最终模型CNN₂的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪；可见，通过对卷积神经网络进行训练生成最终模型CNN₂，能自动从监控视频流中识别跟踪目标，增加用户操作体验。
一种融合卷积神经网络跟踪方法系统