“低秩”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2014507个，建议您升级VIP下载更多相关专利

[发明专利]一种面向医学影像生成的低秩生成式对抗网络构建方法-CN202011343299.2有效
发明人：高静;陈志奎;赵文瀚;姚晨辉;李朋;张佳宁 -专利权人：大连理工大学
申请日： 2020-11-26 - 公布日： 2022-09-16 - 主分类号： G06N3/04 文献下载
摘要：一种面向医学影像生成的低秩生成式对抗网络构建方法，属于深度学习领域，构建步骤为：1)利用主成分模式近似GAN模型中的全秩卷积操作，基于张量CP分解的计算规则构建低秩卷积操作；2)利用步骤1的低秩卷积操作，构建低秩维度卷积层和低秩通道卷积层代替全秩卷积层，在低秩卷积层间添加ReLU激活函数和批正则化项，调整低秩卷积层的数据分布，设计低秩生成模型；3)融合低秩生成模型和全秩判别模型，构建完整的医学影像低秩生成式对抗网络本发明提出的方法具有如下效果：该低秩生成对抗方法在医学影像生成任务中有效地降低了FLOPs、内存及显存和空间的占用等计算资源，同时，具有良好的生成效果。
一种面向医学影像生成对抗网络构建方法

[发明专利]推荐模型的生成、内容推荐方法、装置、设备和介质-CN202010529738.2有效
发明人：王雅晴;熊辉 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-11 - 公布日： 2023-04-07 - 主分类号： G06F16/9536 文献下载
摘要：推荐模型的生成方法的实现方案为：获取图训练样本集；将图训练样本集输入至机器学习模型中进行训练，机器学习模型包括至少一个低秩图卷积网络，低秩图卷积网络包括由第一低秩矩阵和第二低秩矩阵构成的完整权重矩阵；低秩图卷积网络的训练目标包括：能够分解为第一低秩矩阵和第二低秩矩阵的组合的非凸低秩项；在检测到满足训练结束条件时，得到与图训练样本集匹配的推荐模型，本申请实施例的技术方案在保证低秩GCN对原始GCN的拟合效果的同时，减小了低秩GCN中所需学习的数据量，并提高了低秩GCN的参数学习速度。
推荐模型生成内容方法装置设备介质

[发明专利]一种基于判别字典学习的联合医学图像融合去噪的方法-CN201710615443.5有效
发明人：李华锋;和晓歌 -专利权人：昆明理工大学
申请日： 2017-07-26 - 公布日： 2021-06-18 - 主分类号： G06T5/00 文献下载
摘要：首先对医学图像进行采集，再对采集到的医学图像进行训练得到稀疏字典和低秩字典，然后对稀疏字典和低秩字典进行图像分解，得到稀疏元素和低秩元素，对稀疏元素添加稀疏约束和加权核范数约束，对低秩元素添加核范数，分别得到低秩系数和稀疏系数，对低秩字典和低秩系数进行迭代更新，得到更新后的低秩分量，对稀疏字典和稀疏系数进行迭代更新，得到稀疏分量，最后，将低秩分量和稀疏分量相融合，得到最终的融合图像。
一种基于判别字典学习联合医学图像融合方法

[发明专利]一种基于非凸秩近似的鲁棒主成分分析方法-CN202010959975.2在审
发明人：朱二喜;徐敏;王康琦;朱其龙 -专利权人：江苏信息职业技术学院
申请日： 2020-09-14 - 公布日： 2021-01-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于非凸秩近似的鲁棒主成分分析方法，解决了传统的鲁棒主成分分析方法对低秩矩阵恢复效果不佳的问题，通过构建非凸秩近似函数，实现图像中低秩矩阵的秩近似，基于非凸秩近似函数，重建图像低秩矩阵恢复模型，并利用交替方向法求解，实现原始图像数据的低秩矩阵和噪音矩阵分解。
一种基于非凸秩近似的鲁棒主成分分析方法

[发明专利]基于低秩-稀疏信息组合网络的高光谱图像分类方法-CN201811269217.7有效
发明人：慕彩红;刘逸;曾祁泽;刘敬;刘若辰;李阳阳;刘红英 -专利权人：西安电子科技大学
申请日： 2018-10-29 - 公布日： 2020-12-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于低秩‑稀疏信息组合网络的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)获取高光谱图像的低秩信息和稀疏信息；(3)对低秩信息和稀疏信息进行预处理；(4)生成训练集与测试集；(5)构建低秩‑稀疏信息组合网络；(6)训练低秩‑稀疏信息组合网络；(7)对测试样本进行分类。本发明能有效解决传统低秩恢复分类算法由于低秩子空间估计不准确导致的分类精度下降问题，避免了复杂的低秩恢复操作，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能稳定。
基于稀疏信息组合网络光谱图像分类方法

[发明专利]一种基于鲁棒性主成分分析的背景分离方法-CN202010696477.3在审
发明人：朱二喜 -专利权人：江苏信息职业技术学院
申请日： 2020-07-20 - 公布日： 2020-11-27 - 主分类号： G06T7/194 文献下载
摘要：本发的一种基于鲁棒主成分分析的背景分离方法，设计了非凸秩秩近似函数以弥补核范数近似秩的偏差，并重建低秩矩阵恢复模型，利用增广的拉格朗日乘子法求解新的低秩矩阵恢复模型。本发明使得非凸秩近似函数比核范数更精确更快速地恢复数据中的低秩部分，并有效去除视频图像中的前景。
一种基于鲁棒性主成分分析背景分离方法

[发明专利]一种基于投影字典对学习的医学图像融合质量改善的方法-CN201710615422.3有效
发明人：李华锋;和晓歌 -专利权人：昆明理工大学
申请日： 2017-07-26 - 公布日： 2021-08-20 - 主分类号： G06T5/50 文献下载
摘要：先采集图像，将采集后的图像作为作为训练样本，再将训练样本进行处理得到投影字典对；利用训练得到的字典对把源图像分解为低秩分量和稀疏分量；然后对稀疏分量采用外部块先验、内部自适应先验联合和稀疏约束，对低秩元素添加核范数约束，从而迭代后得到稀疏系数和低秩系数；对低秩合成字典，低秩分析字典和低秩系数进行迭代更新，得到更新后的低秩分量，对稀疏合成字典，稀疏分析字典和稀疏系数进行迭代更新，得到稀疏分量，把得到的投影字典对和稀疏分量，低秩分量融合得到最终的融合图像。
一种基于投影字典学习医学图像融合质量改善方法

[发明专利]基于低秩恢复的非负矩阵分解方法-CN201610230629.4有效
发明人：李学龙;董永生;崔国盛 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2016-04-14 - 公布日： 2019-01-15 - 主分类号： G06F17/16 文献下载
摘要：本发明属于信息处理技术领域，具体涉及一种基于低秩恢复的非负矩阵分解方法，包括以下步骤：1】将原始数据库中的每个图像样本均转换为向量，构成m×n的原始数据矩阵X；m为图像样本的维数，n为图像样本的个数；2】对原始数据矩阵X进行低秩稀疏分解；2.1】设置低秩矩阵的秩为r，设置稀疏矩阵的稀疏度为k；2.2】采用双边随机投影算法求解原始数据矩阵X的秩为r的低秩矩阵L和稀疏度为k的稀疏矩阵S；3】对步骤2】中求解得到的低秩矩阵本发明通过低秩稀疏分解得到数据低秩成分和稀疏成分，并对去除稀疏噪声部分的低秩成分进行非负分解，从而使得非负分解结果免受噪声的干扰。
基于恢复矩阵分解方法

[发明专利]一种基于低秩分解和稀疏表示的多模态医学图像融合方法-CN201710363457.2有效
发明人：李华锋;邓志华;余正涛;王红斌 -专利权人：昆明理工大学
申请日： 2017-05-22 - 公布日： 2020-07-10 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于低秩分解和稀疏表示的多模态医学图像融合方法，先将待融合的两幅不同多模态医学图像，进行低秩分解分别得到低秩部分图像和稀疏部分图像；利用KSVD算法对选用的非医学图像集训练低秩字典，利用KSVD算法对选用的非医学图像集进行低秩分解后得到的稀疏部分图像集训练稀疏字典；利用稀疏表示方法对低秩部分图像和稀疏部分图像进行稀疏重构，分别得到低秩重构图像和稀疏重构图像；利用稀疏表示方法对低秩重构图像和稀疏重构图像进行稀疏融合，得到融合图像；计算两幅不同多模态医学图像与稀疏重构图像、低秩重构图像之间的差值；将差值加入到融合图像中，得到最终稀疏融合图像。
一种基于分解稀疏表示多模态医学图像融合方法

[发明专利]深度迭代神经网络用低秩CSI反馈方法、存储介质及设备-CN202011304130.6有效
发明人：薛江;郭建华 -专利权人：杭州勒贝格智能系统股份有限公司
申请日： 2020-11-19 - 公布日： 2022-07-26 - 主分类号： H04B7/06 文献下载
摘要：本发明公开了一种深度迭代神经网络用低秩CSI反馈方法、存储介质及设备，把FISTA展开为深度迭代神经网络；基于信道到的低秩性对信道矩阵进行分解，得到信道的线性无关部分与其余部分；基于信道的线性无关部分与其余部分相互线性表出，重构出重构的低秩信道的线性无关部分得到其余部分的一个较优初值；基于稀疏性与低秩信道其余部分的较优初值，利用FISTA算法展开得到深度迭代神经网络分别重构低秩信道的线性无关部分与其余部分；使用CSI压缩反馈信息和测量矩阵训练网络，利用训练好的网络分别重构出的低秩信道的线性无关部分与其余部分，重构出完整的低秩CSI。本发明通过信道的低秩性分别重构低秩信道矩阵的线性无关部分与其余部分，提高CSI重构精度。
深度神经网络用低秩 csi 反馈方法存储介质设备

[发明专利]基于递归样本缩放和双线性因子分解的高光谱图像降噪方法-CN201910521819.5有效
发明人：沈项军;王宇轩 -专利权人：江苏大学
申请日： 2019-06-17 - 公布日： 2023-10-10 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于递归样本缩放和双线性因子分解的高光谱图像降噪方法，首先初始化图像数据集X的低秩矩阵Z和初始化缩放因子矩阵D，并将缩放因子矩阵D施加到数据矩阵X和低秩矩阵Z中，得到目标方程，循环求解#imgabs0#将循环后得到#imgabs1#再代入目标方程，根据目标方程的约束条件，计算出低秩矩阵Z，基于所计算出的低秩矩阵Z，更新缩放因子矩阵D，将更新得到的缩放因子矩阵D再重新施加到矩阵X和Z上循环计算，当循环终止时得到低秩矩阵Z。其中，根据已知数据计算得出的低秩矩阵，然后通过样本点与低秩矩阵的主投影方向之间余弦相似性度量构造缩放因子矩阵来抑制噪声数据的影响。最后得出的低秩矩阵Z为图像的最低秩表示，达到较好的降噪效果。
基于递归样本缩放双线因子分解光谱图像方法

[发明专利]超低秩张量数据填充方法-CN201710442277.3在审
发明人：魏巍;张艳宁;张磊;王聪 -专利权人：西北工业大学
申请日： 2017-06-13 - 公布日： 2017-10-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种超低秩张量数据填充方法，用于解决现有张量数据处理方法精度低的技术问题。技术方案是将张量分解成低秩结构和非低秩结构，使用混合高斯模型(MOG)对非低秩结构进行先验描述，利用Gibbs采样获得非低秩结构E和基于CP分解的低秩结构X的样本均值，用均值近似带求的隐张量。本发明一方面，通过充分挖掘CANDECOMP/PARAFAC(CP)分解权值的稀疏性，建立基于稀疏性的低秩模型。另一方面，使用混合高斯模型(MOG)模拟复杂的非低秩结构。
超低秩张量数据填充方法

[发明专利]一种基于秩一分解和神经网络的图像复原方法-CN201911221840.X有效
发明人：庄吓海;高尚奇 -专利权人：复旦大学
申请日： 2019-12-03 - 公布日： 2023-04-28 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于秩一分解和神经网络的图像复原方法，该方法包括如下步骤：(1)获取成对的原始图像和退化图像，生成训练样本；(2)基于秩一逼近的原理，通过神经网络构建秩一投影单元，获得图像的秩一逼近；(3)基于矩阵低秩分解的原理，通过秩一投影单元构建循环的秩一分解网络，用于提取退化图像的低秩成分和残余误差；(4)利用残差网络构建秩一重建网络，用于从退化图像的低秩成分和残余误差中恢复原图像；(5)利用优化器训练秩一分解网络和秩一重建网络；(6)将训练好的秩一分解网络和秩一重建网络串联形成秩一网络，用于图像复原。
一种基于分解神经网络图像复原方法

[发明专利]基于改进的低秩稀疏分解的视频前背景分离方法-CN201910744766.3有效
发明人：杨真真;范露;杨震;桂冠 -专利权人：南京邮电大学
申请日： 2019-08-09 - 公布日： 2022-08-02 - 主分类号： G06T7/194 文献下载
摘要：本发明公开了一种基于改进的低秩稀疏分解(LRSD)的视频前背景分离方法。在观测的视频数据中，帧与帧之间的背景有较强的相关性可以将其看作低秩矩阵，而前景目标呈现出与背景不同的运动形式，可以被认为是低秩矩阵中的异常点且通常只占整个背景中的一小部分，符合稀疏特性。因此，在LRSD中认为视频数据是由具有低秩特性的背景和稀疏特性的前景构成的。本发明采用广义核范数和拉普拉斯尺度混合来构建一个低秩稀疏分解模型，然后采用交替方向乘子法来求解该模型，得到低秩矩阵和稀疏矩阵，从而完成视频的前背景分离。本发明解决了现有低秩稀疏分解方法中对秩函数和稀疏度函数近似表达不准确的问题，提高了基于低秩稀疏分解的视频前背景分离方法的性能。
基于改进稀疏分解视频背景分离方法

[发明专利]一种基于判别性低秩分解与稀疏表示的人脸识别方法-CN202011144812.5在审
发明人：成科扬;孙家傲;王文杉;师文喜;陈鹏 -专利权人：镇江昭远智能科技有限公司;中国电子科技集团公司电子科学研究院;江苏大学
申请日： 2020-10-23 - 公布日： 2021-01-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于判别性低秩分解与稀疏表示的人脸识别方法。包括如下步骤：首先输入训练人脸图像，获得字典矩阵；然后对字典矩阵进行判别性低秩分解，获取与人脸信息相关的低秩组件和与稀疏误差相关的非低秩组件；其次对获取的低秩分量和非低秩分量基于稀疏表示进行稀疏低秩组件编码
一种基于判别性低秩分解稀疏表示识别方法

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 100000 条