[发明专利]一种提升局部类别区分度的跨领域自适应图像分类方法有效

专利信息
申请号: 201910190041.4 申请日: 2019-03-13
公开(公告)号: CN110020674B 公开(公告)日: 2021-01-29
发明(设计)人: 宋士吉;陈一鸣 申请(专利权)人: 清华大学
主分类号: G06K9/62 分类号: G06K9/62;G06F16/55
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 罗文群
地址: 100084*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种提升局部类别区分度的跨领域自适应图像分类方法,属于图像处理技术领域。本发明的跨领域自适应图像分类方法,当训练一个图像内容分类模型时,训练集和测试集的图像在色调、角度、清晰度等方面存在差异,表示图像信息的数据服从不同的概率分布。学习两个图像分布共享的特征,同时对每一张图像,在与其风格相似的其他图像中,挖掘与其内容相同的图像之间的共同点,以及内容不同的图像之间的差异性,使同类内容图像聚集性更强,而不同类内容图像之间相互干扰减少,从而提升图像数据集的局部类别区分度,进而提高图像分类的准确度。
搜索关键词: 一种 提升 局部 类别 区分 领域 自适应 图像 分类 方法
【主权项】:
1.一种提升局部类别区分度的跨领域自适应图像分类方法,其特征在于,该方法包括以下步骤:(1)对多个图像进行逐行扫描,根据扫描顺序,将行扫描得到的像素依次排列为列向量,并将该列向量除以该列向量的欧几里得范数,得到多个欧几里得范数为1的图像列向量;(2)将步骤(1)得到的多个图像列向量分为源域训练集{ZS,YS}和目标域测试集{ZT},其中,ZS是源域训练集中多个图像列向量的集合,YS是源域训练集中多个图像的内容分类标签的集合,nS为源域训练集中图像列向量的个数,是ZS中第i个图像列向量,即源域训练集中的第i个图像样本,是第i个图像的内容分类标签,即表示图像描述的对象,维数为1;其中,ZT是目标域测试集中多个图像列向量的集合,nT为目标域测试集中图像列向量的个数,是ZT中第j个图像列向量,即目标域测试集中的第j个图像样本;(3),分别计算步骤(2)的多个源域训练集样本的第一列向量其中K(·,·)为在高斯核函数、双曲正切核函数或线性核函数中任意选定的一种核函数,上标T表示矩阵转置;分别用第一列向量表示源域训练集中的多个图像,并将多个依次按行排列,得到源域训练集矩阵XS;分别计算步骤(2)的多个目标域样本的第二列向量其中分别用第二列向量表示目标域测试集中多个图像,并将多个依次按行排列,得到目标域测试集矩阵XT;根据源域训练集矩阵XS和目标域测试集矩阵XT得到全体数据集矩阵X,X=[XS,XT];(4)设定一个投影矩阵AT,用投影矩阵AT对步骤(3)得到的多个图像列向量进行线性映射,即对分别线性映射,得到投影列向量(5)以步骤(4)中经过线性映射后得到的投影列向量作为图像数据点样本,建立一个跨领域自适应图像分类特征的优化模型,该优化模型目标函数包括:a、使源域训练集中图像样本的概率分布与目标域测试集中图像样本的概率分布之间的最大均值距离样本估计值的平方MMD2(S,T)为最小:其中,Tr表示矩阵的迹,即矩阵对角线元素之和,M为最大均值距离矩阵:其中,1表示全1矩阵;b、根据步骤(2)中内容分类标签的种类,使每类图像样本在源域训练集中的样本概率分布与每类图像样本在目标域测试集中的样本概率分布之间的最大均值距离样本估计值的平方和为最小:其中,C表示图像样本类别数,表示在当前步骤暂时赋予数据点的预测内容分类标签,维数为1,表示源域训练集中内容分类标签为c的图像样本数,表示目标域测试集中当前预测内容分类标签为c的图像样本数,Mc是内容分类标签为c的图像样本的最大均值距离矩阵:其中,eSc是长度为nS的由0和1组成的列向量,当源域训练集中的相应图像的内容分类标签为c时,eSc中的元素取值为1,当源域训练集中的相应图像的内容分类标签不为c时,eSc中的元素取值为0;eTc是长度为nT的由0和1组成的列向量,eTc中的元素取值为1表示目标域测试集中的相应图像在当前的预测内容分类标签为c,eTc中的元素取值为0表示目标域测试集中的相应图像在当前的预测内容分类标签不为c;c、使源域训练集内部的每两个内容标签相同的图像样本的投影列向量之间的欧式距离与目标域测试集内部的每两个内容标签相同的图像样本的投影列向量之间的欧式距离的加权平方和为最小:上式第一行中,分别为在源域训练集和目标域测试集内部为每两个内容标签相同的图像样本之间的距离的权重系数,ηij=1表示,若图像样本是图像样本的同类k‑近邻点,则使得ηij=1,若图像样本不是图像样本的同类k‑近邻点,则使得ηij=0,k的取值根据图像处理的精度决定;αc是在源域训练集中与类别相关的正系数,αc的取值根据图像处理的精度决定,本发明一个实施例中,αc的取值为0.01;若图像样本是图像样本的同类k‑近邻点,则使得ηkl=1,若图像样本不是图像样本的同类k‑近邻点,则使得ηkl=0;βc是在目标域测试集中与类别相关的正系数,βc的取值根据图像处理的精度决定;上式第二行的第一项中,WS是由权重系数构成的权重矩阵,是对角矩阵,对角矩阵中的对角元素为RS是源域训练集的类内离散度矩阵,上式第二行的第二项中,WT是由权重系数构成的权重矩阵,是对角矩阵,对角矩阵中的对角元素为RT是目标域的类内离散度矩阵,上式第三行中矩阵R的定义是:其中0表示元素全为0的矩阵;d、使源域训练集内部的每两个内容标签不同的图像样本的投影列向量之间的欧式距离与目标域测试集内部的每两个内容标签不同的图像样本的投影列向量之间的欧式距离的加权平方和为最大:上式第一行中,分别为源域训练集和目标域测试集内部为每两个内容标签不同的图像样本之间的距离的权重系数,若图像样本是图像样本的不同类近邻点,则使得若图像样本不是图像样本的不同类近邻点,则使得表示点是点的不同类近邻点,表示点不是点的不同类近邻点;上式第二行的第一项中,US是由权重系数构成的权重矩阵,是对角矩阵,对角矩阵的对角元素为PS是源域训练集的类间离散度矩阵,第二行的第二项中,UT是由权重系数构成的权重矩阵,是对角矩阵,对角矩阵的对角元素为PT是目标域测试集的类间离散度矩阵,上式第三行中矩阵P的定义是:e、使得步骤(4)中的投影矩阵AT的正则项为最小:其中,是矩阵A中所有元素的平方和,λ是正系数,λ取值根据图像分类精度取值,在本方法的一个实施例中,取值为1;根据上述目标函数,得到跨领域自适应图像分类特征的优化模型如下:(6)求解上述跨领域自适应图像分类特征的优化模型,在求解优化模型的第一次迭代中,初始化得到如下优化模型:其中I是单位矩阵,利用下式求解上述优化模型得到中间最优解A*其中Θ是对角矩阵,对角矩阵的对角元素是矩阵相对于矩阵的广义特征值,求解矩阵相对于矩阵的nS+nT个广义特征值和与nS+nT个广义特征值相对应的nS+nT个广义特征列向量,从nS+nT个广义特征值中选取m个最小的广义特征值,并按照从小到大的顺序排列,将与选取得到的m个广义特征值分别对应的m个广义特征列向量按照与m个广义特征值相同的顺序依次按行排列,得到矩阵A*,A*是上述优化模型的第一中间最优解;(7)根据步骤(6)中得到的中间最优解A*,对原图像列向量进行线性映射,得到图像样本列向量用列向量做训练集,用最近邻法对列向量做图像内容标签预测,得到一组目标域测试集样本的预测内容标签(8)用步骤(7)中得到的预测内容标签,代入步骤(5)中的完整的优化模型,求解该优化模型,利用下式求解该优化模型的中间最优解A*其中Θ是对角矩阵,对角矩阵的对角元素是矩阵相对于矩阵XPXT的广义特征值;求解矩阵相对于矩阵XPXT的nS+nT个广义特征值和nS+nT个广义特征值相对应的nS+nT个广义特征列向量,从nS+nT个广义特征值中选取m个最小的广义特征值,并按照从小到大的顺序排列,将与选取得到的m个广义特征值分别对应的m个广义特征列向量按照与m个广义特征值相同的顺序依次按行排列,得到投影矩阵A*,A*是上述优化模型的第二中间最优解;(9)用步骤(8)得到的第二中间最优解代替步骤(7)中的第一中间最优解,重复步骤(7)和(8),对N次循环得到的步骤(7)预测内容标签进行判断,若最近N次循环中得到的预测内容标签完全相同,则结束迭代,并将最后一次迭代中步骤(7)得到的预测内容标签作为预测结果,即图像分类结果,实现提升局部类别区分度的跨领域自适应图像分类;若N次循环中得到的预测内容标签不完全相同,则返回步骤(7),并用步骤(8)得到的第二中间最优解代替步骤(7)中的第一中间最优解,重复步骤(7)和(8),N的取值根据图像分类精度确定。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910190041.4/,转载请声明来源钻瓜专利网。

同类专利
  • 安全和隐私保护设备分类的系统和方法-202080004248.9
  • 马赫什·凯雷莱普拉曼朱纳塔;基乌·华·徐 - 谷歌有限责任公司
  • 2020-04-03 - 2022-11-25 - G06K9/62
  • 本公开的至少一个方面针对安全和隐私保护设备分类的系统和方法。服务器可以维护多个数据记录,每个数据记录包括请求的指示和已知分类值。服务器可以使用多个请求和已知分类值中的每一个来训练场境模糊模型。服务器可以使用来自客户端设备的存储器中的数据结构的资源和类别信息来训练分类模型。服务器可以将场境模糊模型传送到不同的多个客户端设备。服务器可以接收包括分类矢量和请求元数据的分类的请求。服务器可以使用分类模型来确定对请求负责的设备的分类。服务器可以将设备分类传送到对请求负责的设备。
  • 一种分布式大规模人脸聚类方法及装置-202010587955.7
  • 李逸帆;丁保剑;秦伟;郑丁科;曾明;杨东泉 - 广州佳都科技软件开发有限公司;佳都科技集团股份有限公司
  • 2020-06-24 - 2022-04-26 - G06K9/62
  • 本申请实施例公开了一种分布式大规模人脸聚类方法及装置。本申请实施例提供的技术方案,通过将待聚类人脸图片进行分批聚类并汇总聚类结果,得到聚类集合和未聚类集合,从聚类集合的每个类中抽取设定数量的人脸图片构成代表类,并计算每一个未聚类人脸图片与每个代表类的相似度距离,得到相似度距离集合,基于相似度距离集合将未聚类人脸图片聚类到最相似的代表类中,并根据设定的链接阈值确定各个未聚类人脸图片与对应的代表类的链接关系,基于链接关系合并各个代表类,输出合并结果。采用上述技术手段,可以减少大规模人脸数据聚类的数据计算量,减少内存的消耗,在保障聚类结果稳定的前提下提升人脸聚类效率。
  • 用于辅助标注模型训练数据的方法及系统-202110356694.2
  • 谢铁 - 苏宁金融科技(南京)有限公司
  • 2021-04-01 - 2022-04-12 - G06K9/62
  • 本发明公开用于辅助标注模型训练数据的方法及系统,其中该方法包括:S1、构建两个训练集;S2、训练两个与所述训练集一一对应的分类器,通过两个分类器分别预测对方训练集中训练数据的类别,获取预测结果与作业人员标注的类别不一致的错误数据,并从所述错误数据中提取错误特征;S3、更新待标注数据池,并基于新的待标注数据池获取多个新的训练数据并分发到两个训练集中;S4、基于两个新的训练集重复上述步骤S2‑S3,直至两个训练集中的训练数据总数量达到预设值,将两个训练集中所有的训练数据导出。用于辅助标注模型训练数据的系统采用上述方法,筛选出一些有价值的模型训练数据,实现了在模型训练数据的标注过程中同时提高标注效率与标注质量。
  • 基于改进BSMOTE-Sequence算法的风电设备故障检测方法-202110060075.9
  • 强保华;杨鲜;陈锐东;谢元;李龙戈 - 桂林电子科技大学
  • 2021-01-18 - 2022-04-12 - G06K9/62
  • 本发明公开了一种风电设备故障检测方法,本发明基于改进的BSMOTE‑Sequence风机故障采样策略,通过对BorderlineSMOTE进行改进而设计的一种风机数据集采样策略模型。BorderlineSMOTE在选择对哪些样本点进行合成时,第一步通过KNN算法选出K′个少数类近邻样本,第二步从这K′个样本中随机选择K″个样本。本发明是将第二步随机选择样本改进为根据时序特征来选择样本,该方式生成新样本综合考虑了空间距离、时序规律,能有效减少噪声点的生成,不仅解决了风机数据集的不平衡问题,而且并未破坏数据集的时序规律。此外,本发明还结合Tomek Links技术,可以有效地过滤数据集中的噪声样本、类间重叠样本,从而提高后续分类器训练的效率及准确率,避免模型过拟合。
  • 对目标对象分类的方法和装置-202110268662.7
  • 罗嫚;刘健;郭明宇 - 支付宝(杭州)信息技术有限公司
  • 2021-03-12 - 2022-04-12 - G06K9/62
  • 本说明书实施例提供一种对目标对象分类的方法和装置。方法包括:客户端获取通过摄像头采集的目标对象的初始图像,所述初始图像具有第一分辨率;所述客户端通过频域变换,得到所述初始图像对应的频谱图;所述客户端将所述初始图像压缩后,得到具有第二分辨率的压缩图像;其中,所述第二分辨率小于所述第一分辨率;所述客户端向服务端发送所述频谱图和所述压缩图像,以使所述服务端根据所述频谱图和所述压缩图像对所述目标对象分类。能够提高对目标对象分类的准确率。
  • 一种基于RFID卡的行为特征提取方法-201810533080.5
  • 周庆;王卫芳;葛亮;张宇昂;邹东升;温亚梅;廖凤露 - 重庆大学
  • 2018-05-29 - 2022-04-12 - G06K9/62
  • 本发明公开了一种基于RFID卡的行为特征提取方法,属于信息技术领域,本发明将RFID卡中指定时间段内的刷卡记录进行分类处理,删除异常数据,并分别提取规律特征R、类别特征C和评分特征P,本发明可以处理数据记录量较大的数据,删掉异常值,将数据特征类型分类提取,从多角度针对每一个ID号提取对应的行为特征,分类详尽,数据提取精确;本发明可以可有效地关联匹配各类海量数据的,准确的提取行为特征。
  • 锂离子电池热失控分级预警方法及预警系统-202110435874.X
  • 曹元成;曹志成;张炜鑫 - 华中科技大学
  • 2021-04-22 - 2022-04-12 - G06K9/62
  • 本发明提供了一种锂离子电池热失控分级预警方法及预警系统。该方法采用无故障的电池特征要素对长短期记忆网络、时间卷积网络和GRU神经网络构成的预测模型的热失控预测能力进行训练;接着将待监控电池在时间序列上的电池特征要素输入至预测模型,得到某一时刻的正常状态下的预测值,然后与采集到的该时刻对应的真实值比较,两者相差越大表明电池热失控风险越大。如此操作,既综合了各自的优势,又避免了各自模型训练出来的系数偏差过大问题,从而实现高精度的电池热失控分级检测,提高锂离子电池热失控预警的速度和精度。
  • 针对目标图像的类别识别方法和装置-202110460794.X
  • 暨凯祥;刘家佳;曾小英;胡圻圻;冯力国;王剑;陈景东 - 支付宝(杭州)信息技术有限公司
  • 2021-04-27 - 2022-04-12 - G06K9/62
  • 本说明书实施例提供一种针对目标图像的类别识别方法和装置,所述目标图像中包括文本,所述方法包括:识别所述目标图像中的文本内容,得到第一文本识别结果;将所述目标图像输入图像编码器,通过所述图像编码器输出所述目标图像对应的第一图像语义特征向量;将所述第一文本识别结果输入文本编码器,通过所述文本编码器输出所述第一文本识别结果对应的第一文本语义特征向量;将所述第一图像语义特征向量和所述第一文本语义特征向量输入多模融合编码器,通过所述多模融合编码器输出第一全局特征向量;根据所述第一全局特征向量,确定所述目标图像的目标类别。能够提高针对目标图像的类别识别的准确率。
  • 一种跨模态融合目标跟踪方法-202110650615.9
  • 左劼;杨勇;郭际香;魏骁勇 - 四川大学
  • 2021-06-10 - 2022-04-12 - G06K9/62
  • 本发明涉及计算机信息技术领域,提供了一种跨模态融合目标跟踪方法。目的在于解决跨模态目标之间的差异过于巨大,单纯使用基于特征的匹配难以获得较好的效果的问题。主要方案包括构建生成由像素对齐模块、特征对齐模块、联合判别模块组成的对抗神经网络,在数据集上训练生成对抗网络,从不同摄像头采集的视频中提取待识别目标,并输入训练好的联合判别模块,得到目标和所有待识别目标之间的特征相似度;使用标注的目标在摄像头之间的转移时间数据集,训练出一个根据转移时间预测目标之间的时间相似度的逻辑回归模型,利用该模型计算出两目标之间的时间相似度;特征相似度和时间相似度相加得到总相似度,总相似度最高的目标对即为同一目标。
  • 晶圆处理方法及装置、存储介质和电子设备-201811149380.X
  • 潘晓东 - 长鑫存储技术有限公司
  • 2018-09-29 - 2022-04-12 - G06K9/62
  • 本发明公开了一种晶圆处理方法及装置、存储介质和电子设备,涉及集成电路制造技术领域,可以应用于晶圆堆叠的场景中,该晶圆处理方法包括:根据目标晶圆上各芯片的测试数据确定目标晶圆上各预划分区域的等级标记;将所述目标晶圆上各预划分区域的等级标记输入一训练后的分类模型中,以确定所述目标晶圆的分类等级。本公开可以提高堆叠后集成电路的良率。
  • 图像内容的分类方法、电子设备、路侧设备及云控平台-202110451854.1
  • 夏春龙 - 阿波罗智联(北京)科技有限公司
  • 2021-04-26 - 2022-04-05 - G06K9/62
  • 本公开涉及图像内容的分类方法、装置、设备以及存储介质,计算机视觉、智能交通等领域。具体实现方案为:提取目标图像的特征,得到目标图像的特征图像;对特征图像进行优化处理,得到优化处理结果;利用优化处理结果,对目标图像中的内容进行分类。本公开无需事先对目标图像进行处理,可以实现对任意尺寸的目标图像进行分类。通过对目标图像的特征图像的优化,可以满足对目标图像内容分类的准确性。
  • 图像分类模型训练分类方法、装置、路侧设备和云控平台-202110473572.1
  • 夏春龙 - 阿波罗智联(北京)科技有限公司
  • 2021-04-29 - 2022-04-05 - G06K9/62
  • 本公开提供了一种图像分类模型的训练与图像分类的方法,涉及智能交通、计算机视觉和深度学习等人工智能技术领域。其中,图像分类模型的训练方法包括:获取训练数据;构建包含特征提取层、池化层、第一全连接层、第一分类层与第二分类层的神经网络模型,第一分类层用于根据所述第一全连接层的输出结果得到父类别,第二分类层用于根据所述第一全连接层的输出结果得到子类别;使用多张第一图像以及多张第一图像的第一标签与第二标签对所述神经网络模型进行训练,得到图像分类模型。图像分类的方法包括:获取待处理图像;将待处理图像作为图像分类模型的输入,将图像分类模型输出的父类别与子类别,作为待处理图像的分类结果。
  • 一种实木定制柜门零件族划分的方法及系统-202111001660.8
  • 熊先青;任杰;马清如;潘雨婷;周卓容;白洪涛 - 南京林业大学
  • 2021-08-30 - 2022-04-05 - G06K9/62
  • 本发明公开了一种实木定制柜门零件族划分方法及系统,属于家具生产技术领域。该方法包括获取实木定制柜门零件族属性指标;根据重要性程度对各属性指标进行排序;对各属性指标进行分类,其中,采用层次聚类法对尺寸进行分类,采用模糊聚类法对工艺进行分类,按照榫槽前期归类情况对榫槽进行分类,按照弯曲半径对弯曲程度进行分类;将各属性指标的聚类结果按照划分的类别字符串进行排序。系统包括属性指标获取单元、属性指标排序单元、属性指标分类单元和聚类结果排序单元,其中属性指标分类单元包括尺寸分类单元、工艺分类单元、榫槽结构分类单元和弯曲结构分类单元。本发明能够对实木定制柜门零件族进行划分,从而克服单指标分类的不足。
  • 一种基于多尺度级联的糖尿病视网膜病变分级方法-202110845787.1
  • 岳广辉;李苑;汪天富;林嘉琪;李洁玉;周天薇 - 深圳大学
  • 2021-07-26 - 2022-04-05 - G06K9/62
  • 本发明公开了一种基于多尺度级联的糖尿病视网膜病变分级方法,包括:提取输入图像多尺度信息的Res2Net基础网络、提取首层特征图的注意力模块、整合更具有鉴别性特征表示的感受野模块、多尺度级联网络;通过提取多尺度信息的方式减少浅层信息的丢失,并通过级联的方式对浅层信息和高层信息进行信息之间的融合,利用不同尺度信息之间的互补性来增强对信息的获取,结合多尺度和级联能有效提高DR的分级效果,具有一定的临床意义及算法意义。
  • 基于LMDR算法的卷积神经网络入侵数据检测方法及系统-202010668918.9
  • 龙春;李桥;魏金侠;赵静;杨帆 - 中国科学院计算机网络信息中心
  • 2020-07-13 - 2022-03-25 - G06K9/62
  • 本发明提供了基于LMDR算法的卷积神经网络入侵数据检测方法及系统,其通过数据预处理、LMDR特征增强、特征约减与数据图像化、卷积神经网络处理这四个方面进行入侵数据的处理,其主要利用LMDR算法对原始数据集合进行数据变换,以实现对原始数据的特征增强,相比于现有的采用机器学习算法和神经网络模型发的处理方式,其能够更加充分地挖掘不同数据特征之间的联系,从而有效地提高对入侵数据/非入侵数据的分类准确率以及降低数据分类的误报率。
  • 基于比值的HRRP目标识别距离分类方法-201910864555.3
  • 韩磊;姚璐;郭金东 - 北京理工大学
  • 2019-09-12 - 2022-03-25 - G06K9/62
  • 本发明公开的基于比值的HRRP目标识别距离分类方法,属于雷达目标识别领域。本发明是基于对传统的距离分类器进行优化实现的。在训练阶段:将用于训练的雷达回波信号进行预处理与特征提取处理,并利用处理后的雷达回波信号建立训练样本特征矩阵;从建立的训练样本特征矩阵中提取每类特征的最大值,构成一个特征归一化矩阵。在识别阶段:通过建立识别样本特征矩阵、合并特征矩阵、合并矩阵归一化、合并矩阵正值化、目标识别五个一级步骤,识别出待识别样本的目标类型,即实现基于HRRP的雷达目标识别。本发明能够应用于雷达目标识别领域,提高雷达目标识别的精度和稳定度,解决雷达目标识领域相关工程技术问题。
  • 一种基于正交化局部敏感判别分析的铝板腐蚀检测方法-201811057750.7
  • 钟永腾;张政浩;王淑慧;向家伟 - 温州大学苍南研究院
  • 2018-09-11 - 2022-03-22 - G06K9/62
  • 本发明公开了一种基于正交化局部敏感判别分析的铝板腐蚀检测方法,包括以下步骤:采集铝板的腐蚀散射信号;采用正交化局部敏感判别分析对信号进行处理,提取出具有高判别力的特征;建立训练样本和测试样本,采用循环神经网络对铝板的腐蚀程度进行检测。本发明具有以下优点和效果:本发明一方面采用正交化局部敏感判别分析对信号进行处理,可以提取出具有高判别力的局部特征,另一方面采用循环神经网络这一深度学习方法可有效检测铝板的腐蚀并且对腐蚀程度进行识别,运算周期短,准确率高。
  • 一种信息匹配方法及相关装置-201610887444.0
  • 张一昌;赵争超;张建伟;蔡仁贵;林君;肖谦;潘林林 - 阿里巴巴集团控股有限公司
  • 2016-10-11 - 2022-03-15 - G06K9/62
  • 本申请实施例提供了一种信息匹配方法及相关装置,所述方法包括:获取待匹配的第一信息和第二信息;获取标签类目树,所述标签类目树包括至少两层,每层包括至少一个标签节点,每个标签节点的父标签节点为该标签节点的父类目;从所述标签类目树中获取第一树枝和第二树枝,所述第一树枝的最低层的标签节点与所述第一信息的内容相匹配,所述第二树枝的最低层的标签节点与所述第二信息的内容相匹配;至少根据所述第一树枝与所述第二树枝在每层分别对应的匹配度,计算所述第一信息和所述第二信息的匹配度。可见,本申请实施例计算出的匹配度能够反映信息之间的关联性,从而提高匹配准确率。
  • 一种基于物联网云平台大数据的采集装置-202122088932.4
  • 黄锋;王振炯;宣锋锋 - 绍兴锋锐电子科技有限公司
  • 2021-08-31 - 2022-03-15 - G06K9/62
  • 本实用新型公开了一种基于物联网云平台大数据的采集装置,包括数据平台,数据平台包括数据采集单元和安全检测单元,数据平台还包括客户终端、平台服务器和数据库,数据采集单元包括数据输入、数据处理和数据输出,安全检测单元包括数据安全性分析和数据安全处理,本实用新型结构合理,通过数据采集单元将用户数据进行采集,随后经过安全检测单元对用户数据安全性进行分析和检测,数据传递至安全监测单元上进行数据安全性的分析,之后将用户数据分定为有用数据和无用数据,有用数据传输至数据平台上,数据安全处理可对无用数据中的具有威胁性的数据进行处理,防止危险数据侵入整个数据平台而影响数据平台的正常工作。
  • 视觉词典生成方法及装置、存储介质-201910595710.6
  • 方攀;陈岩;李姬俊男 - OPPO广东移动通信有限公司
  • 2019-07-03 - 2022-03-08 - G06K9/62
  • 本发明公开了一种视觉词典生成方法,包括:获取目标定位区域内环境图像所对应的至少一个特征信息;其中,所述特征信息包括所述环境图像中局部元素的相关信息;基于所述环境图像所对应的至少一个特征信息,构建与所述目标定位区域对应的目标视觉词典;所述目标视觉词典中至少包括所述目标定位区域内多个物体图像的局部元素的相关信息;所述目标视觉词典用于对目标定位区域中待定位图像进行语义表示。本发明的实施例同时公开了一种视觉词典生成装置以及计算机可读存储介质。
  • 样本图像生成方法、装置及其相关设备和存储介质-202111154752.X
  • 鲁盈悦;金博伟;支洪平;许琢;孙萍;金玥;苏晓芸;王旭;高逸晨 - 科大讯飞(苏州)科技有限公司
  • 2021-09-29 - 2022-03-08 - G06K9/62
  • 本申请公开了一种样本图像生成方法、生成装置、生成设备和计算机可读存储介质,该方法包括:由待识别物图像获取待识别物掩膜,由待填充物图像获取待填充物掩膜;根据待识别物掩膜和待填充物掩膜的关系,将待识别物图像和待填充物图像进行融合,得到融合图像;利用待识别物掩膜对待识别物图像进行与操作,确定待识别物图像中的第一融合区域;利用待识别物掩膜对待填充物图像进行与操作,确定待填充物图像中的第二融合区域;响应于融合图像中对应第一融合区域的可见程度和对应第二融合区域的可见程度满足预设要求,确定融合图像为样本图像。通过上述方式,本申请能够保证样本图像真实有效。
  • 基于特征分化的交易欺诈行为深度检测方法-201810641664.4
  • 蒋昌俊;章昭辉;王鹏伟;汪立智;张晓波;周欣欣 - 东华大学
  • 2018-06-20 - 2022-03-04 - G06K9/62
  • 本发明涉及一种基于特征分化的交易欺诈行为深度检测方法,其特征在于,提出了基于交易时间的分化特征生成方法和带有离群样本检测的欺诈交易检测方法。本发明提出的网络交易欺诈检测方法,可以有效检测网络交易中的欺诈行为,本发明提供的方法从实用性角度出发,通过分化特征生成方法和带有离群样本检测的欺诈交易检测方法,建立了网络交易欺诈检测系统,为解决欺诈交易检测提供了技术支持。
  • 基于素描及结构生成对抗网络的SAR图像样本生成方法-201810928531.5
  • 刘芳;李玲玲;王哲;焦李成;陈璞花;郭雨薇;马文萍;杨淑媛;侯彪 - 西安电子科技大学
  • 2018-08-15 - 2022-03-04 - G06K9/62
  • 本发明提供的一种基于素描及结构生成对抗网络的SAR图像样本生成方法,主要解决SAR图像语义分割中存在的样本不平衡问题,其实现步骤是:(1)SAR图像素描化,得到素描图;(2)根据SAR图像的区域图,提取较小的极不匀质区域;(3)构造形为素描块‑SAR图像块的成对数据集;(4)选取数据集里的样本组成训练集和测试集;(5)构造基于素描信息及结构约束的生成对抗网络;(6)通过素描线损失、对抗损失和生成器损失对素描拟合网络、判别网络和生成网络依次进行交替训练;(7)输入测试素描块到训练好的生成网络,得到生成SAR图像块;本发明能够根据素描图生成与原SAR图像地物结构吻合的SAR图像样本,可解决SAR图像极不匀质区域分类的样本不平衡问题。
  • 图像合成方法、装置、电子设备和计算机可读存储介质-201910292543.8
  • 王诗吟 - 北京字节跳动网络技术有限公司
  • 2019-04-12 - 2022-03-04 - G06K9/62
  • 本公开公开了一种图像合成方法,其特征在于,包括:获取第一图像和第二图像,其中所述第一图像的图像特征对应第一属性值,所述第二图像的所述图像特征对应第二属性值;根据所述第一图像和所述第二图像合成第三图像,其中所述第三图像的所述图像特征对应第三属性值,所述第三属性值大于所述第一属性值,并且所述第三属性值小于所述第二属性值。本公开实施例提供的图像合成方法、装置、电子设备和计算机可读存储介质,基于分类器的训练集合中对应不同属性值或类别的图像数据,合成的图像数据可以用于丰富分类器的训练数据,提高分类器的分类效果。
  • 数据分类方法、装置、设备及存储介质-202110336040.3
  • 祖辰;杨立军 - 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
  • 2021-03-29 - 2022-03-01 - G06K9/62
  • 本公开提供一种数据分类方法、装置、设备及存储介质,涉及机器学习技术领域。该方法包括:获取相同类别的样本对和不同类别的样本对;分别获得所述相同类别的样本对的协方差矩阵和所述不同类别的样本对的协方差矩阵;根据所述相同类别的样本对的协方差矩阵和所述不同类别的样本对的协方差矩阵获得优化函数,所述优化函数的变量包括维度相关性矩阵和不同类别样本对与相同类别样本对的维度相关性距离平方和比值;通过所述优化函数对所述初始维度相关性矩阵向着所述维度相关性距离平方和比值更大的方向进行迭代更新,获得优化后的维度相关性矩阵,以基于所述优化后的维度相关性矩阵对待分类数据进行分类。该方法提高了数据分类的准确性。
  • 聚类方法、装置、电子设备及存储介质-202110360295.3
  • 韩雨锦;李怡欣;陈晓霖;王虎;黄志翔;彭南博 - 京东科技控股股份有限公司
  • 2021-04-02 - 2022-03-01 - G06K9/62
  • 本申请提出了一种聚类方法及装置,其中,适用于业务节点的方法包括针对每个类簇,基于属于所述类簇的目标第一样本的编号,生成所述类簇的簇向量,并对所述簇向量加密后发给参与节点,其中,所述簇向量用于表征所述类簇的簇心;获取每个类簇对应的所述业务节点的第一样本到簇心的第一差矩阵,以及对应的所述参与节点的第二样本到所述簇心的第二差矩阵;根据每个类簇的所述第一差矩阵和所述第二差矩阵更新簇心,以所述更新的簇心对所述第一样本进行重分簇,并以重分簇后得到的每个类簇作为下一次迭代对应的类簇,返回执行上述步骤直至迭代结束,生成最终的目标类簇。本申请中,通过对交互的数据的加密,有效保证了数据安全及保密性。
  • 一种共享单车位置预测方法、设备及存储介质-202111120247.3
  • 赵生捷;贾文祯;邓浩 - 同济大学
  • 2021-09-24 - 2022-03-01 - G06K9/62
  • 本发明涉及一种共享单车位置预测方法、设备及存储介质,该方法基于迁移趋势,将站点与该相关簇间的迁移趋势矩阵作为特征值融入到站点位置信息中,采用模糊C均值聚类FCM算法对共享单车数据集进行迭代聚类,从而输出共享单车移动预测结果。与现有技术相比,本发明准确度高的、紧贴实际等具有优点。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

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