“强分类器”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9572546个，建议您升级VIP下载更多相关专利

[发明专利]多类目标的检测装置及检测方法-CN200910132668.0在审
发明人：梅树起;吴伟国 -专利权人：索尼株式会社
申请日： 2009-04-01 - 公布日： 2010-10-06 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及多类目标的检测装置及其检测方法，其中检测装置包括：输入单元，被配置成输入待检测数据；联合分类器，其内部包含多个可处理多个类别目标数据的强分类器，其中，每个强分类器由一组弱分类器相加得到，每个弱分类器使用一个特征对待检测数据进行弱分类；判别单元，被配置成根据多个强分类器的分类结果，对待检测数据属于哪个类别的目标数据进行判别，所述联合分类器内部包含共享特征列表，其中的每个特征被分别属于不同强分类器的一个或多个弱分类器共享使用；使用同一特征的分属不同强分类器的弱分类器具有彼此不同的参数值
类目标的检测装置方法

[发明专利]分类器的训练方法、图像检测方法及各自系统-CN201510989019.8有效
发明人：于炀 -专利权人：上海玮舟微电子科技有限公司
申请日： 2015-12-24 - 公布日： 2019-10-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种分类器的训练方法、图像检测方法及各自系统。该训练方法用于训练级联强分类器。各强分类器采用以下步骤训练：1)根据所接收的用于训练的各样本的数量，初始化各样本的样本权重；2)将所得到的各样本特征值及其权重输入一弱分类器进行分类训练，使得当前弱分类器中错误概率最小；3)基于预设偏见量比例，按当前弱分类器训练结果更新下一阶弱分类器的各样本权重；重复上述步骤2)‑3)，直至最后一阶弱分类器训练完毕。将当前阶强分类器所分类出的误差最小类别中的样本予以剔除，将剩余部分输入下一阶强分类器，直至最后一阶强分类器训练结束。图像检测方法利用经训练的级联强分类器对所获取的差异估计块进行分类。本发明解决了分类器分类准确率低、训练成本高等问题。
强分类器弱分类器样本一阶图像检测分类器权重级联分类分类准确率差异估计错误概率训练结果初始化预设剔除重复更新

[发明专利]一种眼睛睁闭状态的检测方法及系统-CN201610430623.1在审
发明人：孙哲南;赫然;谭铁牛;宋凌霄;曹冬;李琦 -专利权人：天津中科智能识别产业技术研究院有限公司
申请日： 2016-06-15 - 公布日： 2016-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种眼睛睁闭状态的检测方法及系统，通过构建构建用于检测眼睛睁闭状态的级联式强分类器，提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器，由基本检测线性强分类器进行初次检测判断，由遮挡检测线性强根据扩大的特征提取区域提取的眼睛局部特征来判断基本检测线性强分类器误判的眼睛目标，从而提高了眼睛状态检测的精确性，且由于级联式强分类器采用线性强分类器，使是本发明的级联式强分类器具有模型小、速度快和泛化能力强的优点。
一种眼睛状态检测方法系统

[发明专利]多类目标的检测装置及检测方法-CN200910168491.X无效
发明人：梅树起;吴伟国 -专利权人：索尼株式会社
申请日： 2009-08-26 - 公布日： 2011-03-30 - 主分类号： G06K9/62 文献下载
摘要：该检测装置包括：输入单元，用于输入待检测数据；以及至少一个用于判别预定类别的目标数据的级联分类器。级联分类器包括多个串联的级分类器，每个级分类器包括用于检测目标类别的强分类器和用于对目标类别与其它类别进行区分的强分类器。每个强分类器均由一组弱分类器相加得到，每个弱分类器使用一个特征对所述待检测数据进行弱分类。每个级分类器包括共享特征列表，在每个级分类器中，共享特征列表中的每个特征被对应的属于用于检测目标类别的强分类器的弱分类器以及对应的属于用于对目标类别与其它类别进行区分的强分类器的弱分类器所共享使用，使用同一特征的不同的弱分类器具有彼此不同的参数值
类目标的检测装置方法

[发明专利]一种人脸检测模型训练方法、装置和介质-CN201711032994.5在审
发明人：余家林;陈帅斌;蒋泽飞;夏虹 -专利权人：杭州登虹科技有限公司
申请日： 2017-10-30 - 公布日： 2018-02-23 - 主分类号： G06K9/62 文献下载
摘要：人脸检测模型训练方法，包括针对给定的训练样本，利用预设算法进行多次训练得到强分类器及其所包含的弱分类器的分类结果集合并存储；根据存储的分类结果集合，如果判断出所述强分类器不满足第一预设条件，则增加用于训练强分类器的弱分类器数量后，利用所述训练样本重新训练得到新的强分类器，直至得到的强分类器满足所述第一预设条件；利用得到的强分类器更新级联分类器；如果所述级联分类器的误检率不大于第一预设阈值则结束训练，否则更新训练样本重新训练，直至级联分类器的误检率不大于第一预设阈值
一种检测模型训练方法装置介质

[发明专利]远程人脸识别方法及系统-CN202110156623.8在审
发明人：龚朋朋;熊敏;陈立伟;姜筱华;单丰武 -专利权人：江西江铃集团新能源汽车有限公司
申请日： 2021-02-04 - 公布日： 2021-05-11 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种远程人脸识别方法，该方法包括：对待识别人脸进行Haar特征检测以得到待识别人脸图像，在检测过程中应用积分图算法对Haar特征求值进行加速；应用弱分类器对待识别人脸图像的Haar特征进行分类识别，弱分类器是通过Adaboost算法训练样本的面部特征得到的；若通过弱分类器的识别，则应用强分类器对待识别人脸的Haar特征进行分类识别，强分类器是将多种弱分类器组合得到的；若通过所有强分类器的识别，则应用级联分类器对待识别人脸的Haar特征进行分类识别，级联分类器是通过所有强分类器串联得到的。本发明通过将所述弱分类器、所述强分类器及所述级联分类器结合使用，能够保证人脸的识别精确度及识别速度，从而增强了身份认证的安全性及效率。
远程识别方法系统

[发明专利]一种级联分类器训练方法及装置-CN201710428474.X有效
发明人：余慧 -专利权人：北京君正集成电路股份有限公司
申请日： 2017-06-08 - 公布日： 2021-07-09 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供了一种级联分类器训练方法及装置，用以降低级联分类器的误检率。该方法包括：依次为每一级强分类器选取样本进行训练，对于第一级强分类器之后的任一级强分类器，在进行负样本训练时，判断选取的负样本的尺寸是否小于预设尺寸，如果是，将所选负样本缩放为级联分类器的检测窗口大小的图片；否则，从所选负样本中截取检测窗口大小的图片；将处理负样本得到的图片输入所述任一级强分类器之前已训练的强分类器进行检测，选取被误检的图片；根据所述被误检的图片对所述任一级强分类器进行负样本训练。
一种级联分类训练方法装置

[发明专利]一种文本分类方法及装置-CN201611053131.1有效
发明人：葛婷 -专利权人：北京国双科技有限公司
申请日： 2016-11-24 - 公布日： 2021-06-29 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种文本分类方法和装置，该方法包括：获取待分类文本；将所述待分类文本分为训练文本和测试文本；根据文本特征和文本分类的预设需求，从训练文本中提取特征；利用从训练文本中提取到的特征训练多个单核SVM分类器，基于boosting方法将所述多个单核SVM分类器集成为一个强文本分类器；将从测试文本中提取出的特征根据所述强文本分类器进行文本分类。该强文本分类器中的多个单核SVM分类器可以适合不同特征的分类，该多个单核SVM分类器的分类效果相互补充，从而使得利用本发明提供的强文本分类器进行文本分类能够达到高效、便捷、准确的分类效果。
一种文本分类方法装置

[发明专利]基于模糊型弱分类器的AdaBoost分类方法-CN201911341202.1有效
发明人：张梦娇;叶庆卫 -专利权人：宁波大学
申请日： 2019-12-24 - 公布日： 2023-02-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于模糊型弱分类器的AdaBoost分类方法，其通过提取多幅图像中的所有LBP特征构建一个训练样本，并给定训练样本对应的样本分类标签矩阵；利用模糊推理对弱分类器进行寻优以获取最佳模糊型弱分类器；通过计算最佳模糊型弱分类器的权重，加权到最佳模糊型弱分类器构成强分类器；当构成的强分类器中的每个分类标记与样本分类标签矩阵中的每个分类标签对应相同时，确定构成的强分类器为最佳强分类器，反之通过计算寻找下一个最佳模糊型弱分类器时的权值向量，再迭代寻优；优点是其在面对复杂的数据集的情况下仍具有很好的分类效果，在有噪声干扰的条件下具有更好的抗噪能力。
基于模糊分类 adaboost 方法

[发明专利]基于分布式计算与检测代价排序的训练学习方法及装置-CN201610201531.6有效
发明人：田雨农;吴子章;周秀田;于维双;陆振波 -专利权人：大连楼兰科技股份有限公司
申请日： 2016-03-31 - 公布日： 2019-04-05 - 主分类号： G06K9/62 文献下载
摘要：一种基于分布式计算与检测代价排序的Adboost训练学习方法及装置，本发明属于计算领域，解决由于单个计算机的内存与计算能力上限，导致的高维度海量数据样本训练检测速度慢的问题，以实现并行训练，且循环形成新的级联分类器要点是：包括：步骤三.分布式训练，对第一样本拆分并分发各计算机，各计算机依据分配的强分类器的计算指标分别训练强分类器，并按照强分类器的分类能力组成新的级联分类器；步骤四.下一次分布式训练，将各个计算机的分错的第一样本汇总，对第一样本拆分并分发各计算机，各计算机依据分配的强分类器的计算指标分别训练强分类器，并按照强分类器的分类能力组成新的级联分类器。
基于分布式计算检测代价排序 adboost 训练学习方法装置

[发明专利]一种定点型人脸的检测方法-CN201110117985.2有效
发明人：丘江;杨慧松;张海峰;杨晔;艾奇 -专利权人：北京汉邦高科数字技术股份有限公司
申请日： 2011-05-09 - 公布日： 2012-11-14 - 主分类号： G06K9/00 文献下载
摘要：公开了一种定点型人脸检测方法，该方法对AdaBoost人脸检测算法中的瀑布式级联分类器中相关训练浮点型模型参数实现定点数转换处理，并对相关浮点计算过程进行定点化计算转换，该方法具体包括步骤：(1)根据瀑布式级联分类器中强分类器和弱分类器的分类计算特点，对强分类器和弱分类器的相关参数在标定意义上进行有效分离；(2)根据弱分类器的分类计算特点进行θ参数的浮点数转定点数处理、Harr特征的计算、积分图计算的定点化计算；(3)根据强分类器的分类计算特点及参数定义进行强分类器中
一种定点型人脸检测方法

[发明专利]一种基于Boosting的属性识别方法及装置-CN202110857789.2在审
发明人：孙腾 -专利权人：上海影谱科技有限公司
申请日： 2021-07-28 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：所述方法包括：利用hypercolmn对训练样本集里的训练样本图像进行特征图提取；将所述特征图输入至BARF，所述BARF按照预设的分类标准对所述训练样本图像数据进行分类，得到第i个弱分类器；对于被所述第i个弱分类器错误分类的样本，提高其样本权重，然后训练第i+1个弱分类器；构建强分类器，所述强分类器为各弱分类器按照各自的权重相加；计算所述强分类器的错误率，并根据所述错误率及N的值判断是否返回所述训练步骤，当判断结果为否时，将所述强分类器作为最终的属性识别分类器，用于对待分类图像进行属性分类。
一种基于 boosting 属性识别方法装置

[发明专利]一种基于Adaboost算法的变压器故障诊断方法-CN201610227946.0有效
发明人：赵新;黄新波;耿庆庆 -专利权人：西安西拓电气股份有限公司
申请日： 2016-04-13 - 公布日： 2019-08-06 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于Adaboost算法的变压器故障诊断方法，包括：通过所述训练样本集对弱分类器进行训练；经过循环训练与权值调整后将弱分类器集成为更高分类精度的强分类器；将所述测试样本作为强分类器的输入，本发明通过集成弱分类器，解决了强分类器难以获得的问题，另外，本发明操作简单，对变压器故障模式进行分类识别具有较好的实用性。
一种基于 adaboost 算法变压器故障诊断方法

[发明专利]Adaboost分类器在线学习方法及系统-CN201310202058.X在审
发明人：雷明;万克林 -专利权人：深圳市智美达科技有限公司
申请日： 2013-05-27 - 公布日： 2014-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种Adaboost分类器在线学习方法和系统。所述方法包括：采用离线训练得到的强分类器进行目标检测，并得到目标检测结果；采用背景模型进行目标检测，得到运动目标；将强分类器得到的目标检测结果与背景模型检测得到运动目标进行比较，得到错分类器的目标；将所述错分类器的目标作为在线训练样本，进行在线训练，得到更新后的强分类器。上述Adaboost分类器在线学习方法和系统，通过将离线分类器检测的目标结果与背景模型检测的运动目标进行比较，得到错分类器的目标，将错分类器的目标作为在线训练样本，得到更新后的强分类器，有效提高了目标检测分类器的泛化性能
adaboost 分类在线学习方法系统

[发明专利]适用于车载短距离通信网安全预警的改进机器学习方法-CN201810117137.3有效
发明人：鞠秀芳;赵德胜 -专利权人：大唐高鸿信息通信（义乌）有限公司
申请日： 2018-02-06 - 公布日： 2021-11-02 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种适用于车载短距离通信网安全预警的改进机器学习方法，包括步骤：路侧节点对采集的各车载节点的心跳信息进行处理，生成样本数据；基于样本数据训练具有不同分类模式的多个弱分类器；根据各弱分类器的动态训练结果数据调整各弱分类器的权重；根据各弱分类器所占权重，确定强分类器；路侧节点向车载节点周期性广播确定的强分类器。本发明结合历史训练结果数据与动态训练结果数据更新各弱分类器的权重，以此确定强分类器，各车载节点利用动态更新的强分类器实现安全预警，能够获得满足实际道路状况的合理、准确的安全预测效果。
适用于车载短距离通信网安全预警改进机器学习方法

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 100000 条