“中科视拓（北京）科技有限公司”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25个，建议您升级VIP下载更多相关专利

[发明专利]一种基于强化学习的小样本类增量识别方法-CN202310688597.2在审
发明人：李竞元;李勇;史鹏飞;钟鸿豪;王慧勇;山世光;山盛;高黎明;刘壮;高科;杨茹茵;申一中 -专利权人： 中科视拓（北京）科技有限公司;中科深视（杭州）科技有限公司
申请日： 2023-06-12 - 公布日： 2023-09-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提供的一种基于强化学习的小样本类增量识别方法，所述识别方法包括：下载小样本类增量学习数据集；设计基于强化学习的小样本增量分类识别网络；利用训练数据对所述网络进行训练，获得训练网络；根据所述训练网络生成小样本类增量学习模型；采用所述小样本类增量学习模型进行小样本增量分类识别。解决上述现有技术未自适应探索新类分类器学习策略造成不能缓和小样本增量学习灾难遗忘的问题。
一种基于强化学习样本增量识别方法

[发明专利]基于孪生神经网络的异源图像匹配方法-CN202310359338.5在审
发明人：高黎明;山世光;高科;刘壮;吕森;申一中;杨茹茵 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2023-04-06 - 公布日： 2023-07-04 - 主分类号： G06V10/75 文献下载
摘要：本发明涉及基于孪生神经网络的异源图像匹配方法，包括以下步骤：获取若干模板图像和对应的目标图像；将模板图像和对应的目标图像输入孪生神经网络，生成特征点热力图分支；使用特征点热力图分支确定特征点的位置，并将目标图像中的特征点匹配到模板图像中的特征点上；孪生神经网络生成特征向量分支；根据匹配的特征点，使用特征向量分支提取特征点的特征向量。本发明以孪生神经网络提取的高纬语义信息解决异源图像的特征映射问题，并以此为基础实现特征点的匹配，来解决异源图像间的匹配问题。
基于孪生神经网络图像匹配方法

[发明专利]一种活体检测方法-CN201811483851.0有效
发明人：贾云培;张杰;山世光 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-12-06 - 公布日： 2023-04-18 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种活体检测方法，整体步骤为：数据准备阶段：包括图像和光流信息的采集和标注、人脸检测框长时变化特征的采集和标注；模型设计阶段：将活体检测模型分为用于检测全景光流和纹理信息的模型以及用于检测人脸检测框变化模式的模型，使两个模型同时进行活体检测；模型训练阶段：对用于检测全景光流和纹理信息的模型以及用于检测人脸检测框变化的模型分别进行训练；模型测试阶段：获取闸机摄像头拍摄出的视频序列中的连续视频帧图像，将图像输入到活体检测模型中得到判断结果。本发明极大的利用了人脸识别系统的无效识别时间，进一步的减少了用户的检测等待时间，并能够对各种模式的攻击进行检测。
一种活体检测方法

[发明专利]一种基于多智能体的无人机集群对抗决策方法-CN202210056613.1在审
发明人：李勇;冯宇;袁基睿;刘壮;杨茹茵;高科;高黎明;李晨光;安冉 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2022-01-18 - 公布日： 2022-04-26 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于多智能体的无人机集群对抗决策方法，属于无人机技术领域，该方法包括以下步骤：采集当前环境信息和无人机的态势信息；根据当前环境信息和无人机的态势信息建模，包括构建无人机的运动模型和基于图的威胁源模型；利用基于图模型的蚁群算法进行无人机打击目标任务分配；根据分配的打击目标确定出对抗决策。本发明可以规避不利目标、支援劣势的友机和巡航时寻找有利目标,更有效地完成无人机集群的协同对抗,提升无人机集群对抗作战的效率。
一种基于智能无人机集群对抗决策方法

[发明专利]一种利用上下文信息的三分类人脸检测方法-CN201810199976.4有效
发明人：姜丰;张杰;山世光 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-03-12 - 公布日： 2022-02-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种利用上下文信息的三分类人脸检测方法，包括以下步骤：步骤1、数据准备：a、对图像集合中的每一张人脸进行人工标注，获得人脸框；b、将标注完成的人脸框按照大小进行分类，并对小人脸区域进行放大，其余标注为正常脸；c、将步骤b获得的带有标注的人脸图像集合分为训练集和校验集；步骤2、模型设计：设计端到端的神经网络模型，包括基础卷积网络、区域建议网络和精调网络；步骤3、模型训练：经训练集输入步骤2设计的神经网络模型，利用批次随机梯度下降方法进行模型训练；利用校验集验证模型训练效果；最终得到人脸检测模型。本发明极大提高了人脸检测的精度和人脸的召回率。
一种利用上下文信息分类检测方法

[发明专利]基于拼图求解神经网络的卡通人脸识别方法-CN202111439907.4在审
发明人：冯宇;李勇;刘壮;杨茹茵;高科;李晨光;高黎明;安冉 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2021-11-30 - 公布日： 2022-01-28 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及基于拼图求解神经网络的卡通人脸识别方法，构建拼图重建任务，通过求解该任务使网络感知图像形状特征，利用图卷积编解码器求解拼图重建任务，通过邻接结构关系对特征进行编解码，并利用均方差损失函数约束重建前后特征图，拼图重建任务得到更好地求解。且此过程未引进任何额外噪声，模型也更加鲁棒。通过渐进式学习策略，进而使得网络自动捕获多粒度、具有强区别度、针对不同区域的特征区域，最终模型网络能够提取出显著且具有多样性的卡通人脸特征。
基于拼图求解神经网络卡通识别方法

[发明专利]一种用于人脸检测的装置和方法-CN201810166110.3有效
发明人：时学鹏;邬书哲;阚美娜;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-02-28 - 公布日： 2021-08-20 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种用于人脸检测的装置和方法。所述装置包括：至少两层模型，除第一层模型以外的每一层模型以其前一层模型的输出为输入；其中，第一层模型以待检测图像为输入，用于从其输入中筛选可能包含人脸的窗口，并对由其筛选出的可能包含人脸的窗口进行校准，以使得通过所述校准后各个窗口中的人脸的旋转角度处于针对第一层模型的角度区间内；最后一层模型，用于从其输入中筛选可能包含人脸的窗口，以输出人脸检测的结果。
一种用于检测装置方法

[发明专利]一种通过人脸深度预测进行多模态人脸识别的方法-CN201810048218.2有效
发明人：崔继运;韩琥;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-01-18 - 公布日： 2021-08-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种通过人脸深度预测进行多模态人脸识别的方法，其步骤为：数据提取；Depth模态数据人脸分割及尺度化：级联网络模型训练：人脸识别网络训练；模型融合；测试阶段。本发明中网络模型所预测出的人脸Depth图像不仅和真实的人脸Depth图像相近，而且级联的分类网络增加了预测出的Depth图像的类间距离，使得预测出的人脸Depth图像具有更丰富的身份信息。通过人脸RGB模态来预测人脸的Depth模态，增加了人脸模态数据的多样性，可以在不改变现有RGB相机硬件前提下实现多模态人脸识别。RGB模态结合预测出的Depth模态，多模态人脸识别准确率高于单一使用RGB模态数据的人脸识别准确率。
一种通过深度预测进行多模态人脸识别方法

[发明专利]一种基于级联回归网络的单张图片三维人脸重建方法-CN201810179206.3有效
发明人：张刚;韩琥;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-03-05 - 公布日： 2021-07-20 - 主分类号： G06T15/20 文献下载
摘要：本发明公开了一种基于级联回归网络的单张图片三维人脸重建方法，整体步骤为：一、数据准备：采集三维人脸数据，获取人脸图片的三维人脸形状点云；二、模型设计：构建包含两级多任务卷积神经网络的网络模型，并逐级回归人脸特征，然后提取改进形状特征；三、模型训练：分别对两级多任务卷积神经网络进行训练，获得多任务级联回归卷积神经网络M；四、模型测试：将图像I输入到多任务级联回归卷积神经网络M中，进行模型测试。本发明采用多任务级联回归卷积神经网络，逐级回归三维人脸形状、人脸特征点以及人脸姿态，同时改进了传统的特征提取方法，通过计算特征点的可见性，消除了二维人脸图片上特征点的混淆性，使得该方法对大姿态更加鲁棒。
一种基于级联回归网络单张图片三维重建方法

[发明专利]一种基于卷积神经网络进行度量学习的人脸年龄估计方法-CN201810048365.X有效
发明人：潘虹宇;韩琥;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-01-18 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络进行度量学习的人脸年龄估计方法，其整体步骤为：构建数据集；将数据集划分为训练集、验证集；在网络输入层对mini‑batch进行成对构建，然后送入两个孪生网络中进行训练；对VGG‑16网络进行构建；网络训练；使用softmax loss和revised contrastive loss共同作为监督信号对网络进行调整；网络测评；最终估计的年龄为softmax层得到的最大概率对应类别。本发明将深度学习与度量学习相结合，通过引入度量学习，使得特征空间的区分度更高，进而年龄估计算法的鲁棒性更强；利用深度学习将特征提取任务和目标函数优化任务结合，将整个任务实现端到端的训练，应用在公开数据集上时可以取得较好的性能。
一种基于卷积神经网络进行度量学习年龄估计方法

[发明专利]一种基于卷积神经网络进行分布学习的人脸年龄估计方法-CN201810048361.1有效
发明人：潘虹宇;韩琥;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-01-18 - 公布日： 2021-06-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络进行分布学习的人脸年龄估计方法，其整体步骤为：提取数据，形成年龄数据集；将年龄数据集划分为训练集、验证集；采用深度神经网络的最后一个全连接层后紧跟一个softmax层；进行年龄估计网络训练；使用softmax loss和mean‑variance loss共同作为监督信号对网络进行调整；对训练后的网络模型进行测评，选出性能最好的模型；根据所得模型进行年龄预测。本发明通过引入新的监督信号mean‑variance loss，有效地利用了年龄之间相互关联的性质，并且避免了人工引入方差等操作，实现了除预处理外不需要任何人工干预的技术。
一种基于卷积神经网络进行分布学习年龄估计方法

[发明专利]一种基于标签自提纯的深度学习方法-CN201710947264.1有效
发明人：马文亚;刘昕;袁基睿;朱鹏飞;山世光 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2017-10-12 - 公布日： 2021-04-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于标签自提纯的深度学习方法，其整体步骤为：构建大规模的带有标签噪声的真实条件下的人脸数据集；使用小规模的干净数据集训练深度神经网络得到深度人脸识别模型；使用训练得到的深度人脸识别模型对数据集进行提取特征操作；利用提纯算法迭代地对数据集进行提纯操作；根据提纯后的数据集的测试结果获得最终的提纯后的研究用数据集。本发明可以利用大规模带有标签噪声的人脸数据集，进而利用无监督的提纯方法迭代地进行数据的自提纯，然后将提纯后的数据用于构建大规模的数据集，从而在构建了一个大规模数据集的基础上可以训练得到具有理想精度的深度人脸识别模型进行相关的任务或应用。
一种基于标签提纯深度学习方法

[发明专利]一种基于生成式对抗网络的人脸表情编辑方法-CN201810048098.6有效
发明人：张刚;韩琥;张杰;山世光;陈熙霖 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2018-01-18 - 公布日： 2021-04-06 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于生成式对抗网络的人脸表情编辑方法，其整体步骤为：数据准备阶段，对人脸图像进行人工标注并裁剪出来；模型设计阶段，由生成器和判别器生成模型；模型训练阶段，将真实带标注的人脸图片和生成器生成的图片输入判别器，训练并使得判别器用来区分真实样本和生成样本的分布，学习人脸表情分布以及人脸身份信息的分布；再将待编辑人脸图片和表情控制向量输入生成器，输出由表情控制向量控制的人脸图片；然后对训练好的判别器做真实训练；重复上述步骤，完成模型的构建；输入图像对构建好的模型进行测试。本发明可以保证生成器生成更加接近真实人脸图片分布，更好地保持人脸身份信息，表情编辑更加有效的人脸图片。
一种基于生成对抗网络表情编辑方法

[发明专利]一种非配合式人脸活体检测方法及计算机存储介质-CN201910420108.9在审
发明人：毛亮;张宇聪;张杰;朱婷婷;林焕凯;郝鹏;刘昕;山世光;黄仝宇;汪刚;宋一兵;侯玉清;刘双广 -专利权人：高新兴科技集团股份有限公司;中科视拓（北京）科技有限公司
申请日： 2019-05-20 - 公布日： 2020-11-20 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种非配合式人脸活体检测方法及计算机存储介质，所述方法包括以下步骤：S1、获取模型训练用活体检测图像集合，并对所述图像集合进行处理；S2、设计Inception Net分类网络；S3、设计SSD检测网络；S4、通过所述Inception Net分类网络和所述SSD检测网络对所述图像集合进行模型训练；S5、获取实时图像，根据模型训练的结果预测所述实时图像是否为人脸活体。根据本发明实施例的非配合式人脸活体检测方法，不需要增添摄像头以外的硬件设备，且不需要待测人员配合，能够达到超实时的人脸活体检测速度，成本低廉，使用方便。
一种配合式人脸活体检测方法计算机存储介质

[发明专利]一种基于深度学习的集装箱锁扣检测及预警方法-CN201710947766.4有效
发明人：申震;袁基睿;刘昕;山世光 -专利权人： 中科视拓（北京）科技有限公司
申请日： 2017-10-12 - 公布日： 2020-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的集装箱锁扣检测及预警方法，首先通过深度学习方法对集装箱箱角进行检测，然后对远角箱角进行检测校准，最终通过HOG特征提取以及分类器分类判断锁扣是否存在；若存在锁扣，则通过警示灯警示或警示音提醒进行报警，立即停止移动集装箱，并人为拆卸锁扣。本发明具有集装箱锁扣自动检测效率高、预警准确的优点，可大幅度降低操作人员的工作强度，避免因人为疏漏造成的安全事故，可广泛应用于铁路、公路、水路和航空等领域的集装箱运输行业。
一种基于深度学习集装箱检测预警方法

1
2
下一页»
尾页
共 25 条