“图卷”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3727个，建议您升级VIP下载更多相关专利

[发明专利]一种混合高低阶图卷积传播系统-CN201910705353.4在审
发明人：雷方元;刘勋;戴青云;蔡君 -专利权人：广东技术师范大学
申请日： 2019-08-01 - 公布日： 2020-01-10 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种混合高低阶图卷积传播系统，其特征在于包括输入层，与输入层相连的图卷积池化层，以及与图卷积池化层相连的采用softmax函数进行多分类输出的输出层；所述图卷积池化层至少为两个，并且图卷积池化层之间依次相连；所述图卷积池化层由图卷积层和与图卷积层相连的信息融合池化层构成，所述输入层与其相连的图卷积池化层中图卷积层相连，而后连接于输入层的图卷积池化层中的信息融合池化层与下一个相邻的图卷积池化层中的图卷积层相连；与经典的一阶图卷积和其他高阶图卷积方法相比，本系统的信息融合池化层实现了对应空间位置节点的信息融合，保留了网络的空间信息，进而实现了最高的精度，而且也保证了最好的稳定性。
池化信息融合输入层积层传播系统空间位置空间信息依次相连输出层高阶一阶输出分类保留保证网络

[发明专利]一种基于骨架的双流自适应图卷积网络行为识别方法-CN202011282994.2有效
发明人：田联房;余陆斌;杜启亮 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2020-11-17 - 公布日： 2023-08-08 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于骨架的双流自适应图卷积网络行为识别方法，包括步骤：1)视频图像采集；2)标注视频中人体的骨架信息和行为类别，构建训练集；3)构建自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt；4)利用自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt构建自适应图卷积模块；5)利用自适应图卷积模块构建自适应图卷积网络；6)利用自适应图卷积网络构建双流自适应图卷积网络；7)利用训练集训练双流自适应图卷积网络；8)利用训练得到的双流自适应图卷积网络对视频图像中的人体行为进行识别。
一种基于骨架双流自适应图卷网络行为识别方法

[发明专利]一种基于权重不确定的图卷积神经网络的优化方法、装置-CN202011546124.1在审
发明人：孙月;闫潇宁 -专利权人：深圳市安软科技股份有限公司
申请日： 2020-12-23 - 公布日： 2021-04-13 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例属于深度学习技术领域，涉及一种基于权重不确定的图卷积神经网络的优化方法，所述方法包括：获取图结构数据并进行预处理；构建图卷积神经网络，并基于所述图卷积神经网络的权重参数先验分布，通过KL散度损失获取所述图卷积神经网络的权重参数后验分布；根据所述权重参数后验分布更新所述图卷积神经网络，并使用所述图结构数据训练所述更新后的图卷积神经网络。基于构建的图卷积神经网络的权重参数先验分布利用KL散度损失来学习图卷积神经网络的权重参数后验分布，并使用权重参数后验分布来更新图卷积神经网络，从而在图卷积神经网络权重中引入不确定性，提高了图卷积神经网络模型进行图结构数据分类的准确率
一种基于权重不确定图卷神经网络优化方法装置

[发明专利]一种基于多流三维自适应图卷积的人体行为识别方法-CN202110799095.8有效
发明人：田联房;余陆斌;杜启亮;向照夷 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2021-07-15 - 公布日： 2023-06-09 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于多流三维自适应图卷积的人体行为识别方法，包括：1)采集包含人体的视频，构建训练集；2)利用训练集构建自适应空间域注意力矩阵SAM和自适应时间域注意力矩阵TAM；3)构建自适应空间域注意力图卷积模块ASAGCM、自适应时间域注意力图卷积模块ATAGCM、三维时空域图卷积模块GCN‑3d；4)构建自适应图卷积层；5)利用自适应图卷积层构建自适应图卷积网络；6)利用自适应图卷积网络构建多流三维自适应图卷积网络；7)利用训练集训练多流三维自适应图卷积网络；8)利用训练后的多流三维自适应图卷积网络对视频中的人体进行行为识别。
一种基于三维自适应图卷人体行为识别方法

[发明专利]一种基于图卷积的医疗图像分割方法-CN202210922193.0在审
发明人：王旭;尤天舒;徐勇;王生生;毕凯;郭秀娟;富倩;孙伟;杜丽英;赵越;戴传祗 -专利权人：吉林建筑大学
申请日： 2022-08-02 - 公布日： 2022-10-18 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于图卷积的医疗图像分割方法，包括以下步骤：对于监督学习，使用图卷积网络配合卷积神经网络分割框架；先利用全卷积网络提取出医学图像的深层次特征，对提取出来的特征构建图的三元组信息，最后使用图卷积网络进行训练，弥补卷积网络带来的局部位置信息的损失；对于无监督域适应学习，使用双曲图卷积网络融合，对抗学习域适应网络框架。本发明有监督是情况下，通过使用U‑Net网络提取医学图像的特征信息，通过高斯核或朴素方式构建图信息，送入图卷积网络进行训练；无监督情况下，选择使用双曲图卷积模型替代图卷积网络。使用图卷积网络和双曲图卷积网络可以扩大感受范围，提高了分割精度，便捷实用。
一种基于图卷医疗图像分割方法

[发明专利]一种基于自适应图卷积网络的图数据集增强方法-CN202111066154.7在审
发明人：田联房;余陆斌;杜启亮 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2021-09-13 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自适应图卷积网络的图数据集增强方法，包括步骤：1)构建自适应图卷积层；2)利用自适应图卷积层构建自适应图卷积网络；3)整理待增强的图数据集，将其用于自适应图卷积网络训练；4)利用训练完的自适应图卷积网络生成增强矩阵本发明利用了自适应图卷积网络的邻接矩阵扩充图数据集，可以很好解决计算机视觉任务中图数据不足的问题。
一种基于自适应图卷网络数据增强方法

[发明专利]基于图结构矩阵特征向量的图卷积神经网络生成方法-CN202010319200.9在审
发明人：朱文武;张子威;崔鹏 -专利权人：清华大学
申请日： 2020-04-21 - 公布日： 2020-08-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于图结构矩阵特征向量的图卷积神经网络生成方法，该方法包括：获取图数据，根据图数据选择对应的图结构矩阵；计算图结构矩阵的特征向量；将图结构矩阵的特征向量作为图卷积神经网络的输入；对图卷积神经网络进行训练；对训练完的图卷积神经网络进行测试，根据测试结果优化图卷积神经网络。该方法采用图结构矩阵的特征向量作为图卷积神经网络的输入，可以更好保持并利用图的结构信息，在图卷积神经网络的应用中取得更好的性能。
基于结构矩阵特征向量图卷神经网络生成方法

[发明专利]一种分视角步态识别方法-CN202310405337.X在审
发明人：陈锦言;张永辉;刘宇昕;田丁筱菲;高喆妍 -专利权人：天津大学
申请日： 2023-04-17 - 公布日： 2023-08-11 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种分视角步态识别方法，包括下列步骤：人体关节点数据提取及预处理；构建人体步态视角分类网络：应用图卷积网络和时域卷积网络组合成时空图卷积单元，在每个时空图卷积单元中交替应用图卷积和时域卷积分别学习步态样本的空间特征和时间特征，通过两个时空图卷积单元提取步态样本的相关特征，通过softmax层得到其属于不同视角的概率；构建用于步态识别的相关步态特征的多流时空图卷积网络；分视角步态识别。
一种视角步态识别方法

[发明专利]一种基于图卷积和形状描述子的三维点云分类方法-CN202111202916.1在审
发明人：苑庆贤;刘睿;王明磊 -专利权人：哈尔滨理工大学
申请日： 2021-10-15 - 公布日： 2022-01-14 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于图卷积和形状描述子的三维点云分类方法，将形状描述子加入到图卷积神经网络中。该方法首先按照图卷积的一般流程将点云中点与点之间的关系用邻接矩阵表示出来，然后利用形状描述子描绘点的邻域空间的特征，作为三维点云的局部特征加入到图卷积中去，在一定程度上弥补了谱域图卷积对于局部特征处理的不足然后将原本的特征与形状描述子结合到一起，使用图卷积神经网络进行聚合，最终得到最后的分类结果。本发明将形状描述子与图卷积结合到一起，使得图卷积操作能够有效聚合局部特征，从而获得更加全面的信息表示，能够更好的提高三维点云的分类结果。
一种基于图卷形状描述三维分类方法

[发明专利]基于时间多尺度自适应特征聚合的骨架行为识别方法-CN202310552449.8在审
发明人：李佳楠;褚华;李锐宜;程思远 -专利权人：西安电子科技大学
申请日： 2023-05-16 - 公布日： 2023-09-12 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于时间多尺度自适应特征聚合的骨架行为识别方法，包括：将获取的骨架序列数据输入预先训练好的时空图卷积网络；其中，时空图卷积网络包括依次连接的多级时空图卷积层，每级时空图卷积层包括：空间卷积模块、时间卷积模块和多尺度自适应特征聚合模块；根据时间卷积模块输出的时间特征图与多尺度自适应特征聚合模块输出的第一输出特征图，确定每级时空图卷积层的输出特征图，并将输出特征图作为下一级时空图卷积层的输入数据；根据最后一级时空图卷积层的输出特征图，输出骨架序列数据的行为识别结果。本发明能够提高对于骨架序列数据的时序特征提取能力，从而提高了时空图卷积网络行为识别的准确性。
基于时间尺度自适应特征聚合骨架行为识别方法

[发明专利]基于阻变存储器的图卷积网络文献识别装置与方法-CN202310017218.7有效
发明人：高丽丽;时拓;刘琦;顾子熙;张徽;王志斌;李一琪;崔狮雨 -专利权人：之江实验室
申请日： 2023-01-06 - 公布日： 2023-07-14 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了基于阻变存储器的图卷积网络文献识别装置与方法，对文献识别数据集进行训练集和测试集的构建；构建基于阻变存储器的浮点图卷积网络模型，用训练集进行预训练，得到预训练的模型参数；根据浮点图卷积网络模型，构建基于阻变存储器的训练阶段的图卷积网络量化模型；将训练集输入训练阶段的图卷积网络量化模型，进行量化感知训练，得到每层输出值的截断位宽、损失函数的权值，以及量化感知训练后的模型参数；根据训练阶段的图卷积网络量化模型，构建基于阻变存储器的推理阶段的图卷积网络量化模型；将量化感知训练后的模型参数映射到阻变存储器上，并将测试集输入到基于阻变存储器的推理阶段的图卷积网络量化模型，进行前向推理测试。
基于存储器图卷网络文献识别装置方法

[发明专利]正比计数管的峰漂校正系统、方法、设备及存储介质-CN202211585791.X在审
发明人：王环 -专利权人：苏州兀象科学仪器有限公司
申请日： 2022-12-09 - 公布日： 2023-03-14 - 主分类号： G01T7/00 文献下载
摘要：本发明属于正比计数管校正技术领域，具体涉及一种正比计数管的峰漂校正系统、方法、设备及存储介质，包括谱图卷积计算单元以及与谱图卷积计算单元通讯连接的卷积校正单元；其中，所述谱图卷积计算单元用于计算谱图卷积和；所述卷积校正单元用于对谱图卷积和校正后计算得出校正因子，并基于校正因子对谱图校正。本申请无需调整激发源的光强度和改变放大倍数，通过对原谱图卷积进行计算，然后通过对谱图卷积和先进行丢弃时间校正，再进行信号增益校正，计算得出校正因子，基于校正因子将原谱图的通道进行平移，从而完成漂移校正。
正比计数校正系统方法设备存储介质

[发明专利]基于图卷积网络的细微动作识别方法-CN202110783057.3在审
发明人：刘龙;王劲;黄西平 -专利权人：西安理工大学
申请日： 2021-07-12 - 公布日： 2021-11-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于图卷积网络的细微动作识别方法，具体按照以下步骤实施：采集人体运动视频，将该视频估计包括骨骼特征的视频，结合骨骼特征数据库，从骨骼特征数据库中选取所有类动作的骨骼特征序列；对包括骨骼特征的视频行处理，得到多个关节对齐光流片序列；搭建图卷积网络；设计图卷积网络的损失函数；初始化图卷积网络中参数；分别将骨骼特征序列、关节对齐光流片序列作为输入，训练图卷积网络，得到训练好的图卷积网络；使用训练好的图卷积网络进行识别
基于图卷网络细微动作识别方法

[发明专利]一种多种类邻居聚合的图卷积推荐方法及系统-CN202111116056.X在审
发明人：陈建芮;扶永照;王志慧;邵仲世;雷鸣;吴迪 -专利权人：陕西师范大学
申请日： 2021-09-23 - 公布日： 2021-12-28 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的基于一种多种类邻居聚合的图卷积推荐方法及系统，包括以下步骤：设定阈值；数据样本进行划分，得到正样本、中间样本和负样本；构建图卷积网络模型；通过损失计算对构建得到的图卷积网络模型进行更新，得到更新后的图卷积网络模型；对设定的阈值、得到的图卷积网络模型中的参数，以及损失计算的参数进行优化，得到优化后的阈值和各参数；迭代执行直至阈值及各参数达到最优；进而得到最优的图卷积网络模型，通过最优的图卷积网络模型进行项目推荐；
一种多种邻居聚合图卷推荐方法系统

[发明专利]一种基于双流注意力图卷积的异常行为识别方法-CN202210161226.4在审
发明人：杜启亮;向照夷;田联房 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2022-02-22 - 公布日： 2022-10-11 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于双流注意力图卷积的异常行为识别方法，针对人体的运动特点，在现有图卷积网络的基础上提出时间注意力模块、空间注意力模块、通道注意力模块，上述模块可以直接插入任何图卷积之中，以增强图卷积的模型性能，推理时，将人体的关节点信息和骨骼信息分别输入对应的关节点特征提取的图卷积网络及骨骼特征提取的图卷积网络，获得初步的分类结果，再将结果送入训练好的双流融合网络，计算出最优的融合参数，继而得到最终的分类结果本发明可以提高图卷积网络模型的特征提取性能，并增强双流结果融合的效果，有效提高人体异常行为识别准确率。
一种基于双流注意力图卷积异常行为识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 3727 条