“房蓓”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于未见类样本检测的面部表情识别方法-CN202310415532.0在审
发明人：房蓓;何聚厚;李娴;韩广欣 -专利权人：陕西师范大学
申请日： 2023-04-18 - 公布日： 2023-07-18 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于未见类样本检测的面部表情识别方法，涉及面部表情识别技术领域，包括步骤：构建含有标签数据集与无标签数据集；对面部表情识别网络模型输入无标签数据集，得到无标签数据集的伪标签；将无标签数据集输入由重构能量构建的未见类样本检测器中，获得未见类样本和可见类样本；去除未见类样本，并将可见类样本及伪标签更新到有标签数据集中；利用更新后的有标签数据集对面部表情识别网络模型进行训练；将待识别的面部表情图像输入训练后的面部表情识别网络模型中，输出识别结果。本发明通过基于重构能量的检测器可以有效的检测未见类样本和可见类样本，有效地抑制了未见类样本对网络训练的影响，提高模型识别率。
一种基于未见类样本检测面部表情识别方法

[发明专利]基于深度联合模型的面部表情识别方法及系统-CN202210891705.1在审
发明人：房蓓;何聚厚;韩广欣;郑晓龙 -专利权人：陕西师范大学
申请日： 2022-07-27 - 公布日： 2022-10-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于深度联合模型的面部表情识别方法及系统，涉及面部情感识别技术领域，其中基于深度联合模型的面部表情识别方法包括以下步骤：构建有标签数据集和无标签数据集；构建面部表情识别网络模型并进行训练；利用训练后的面部表情识别网络模型获得无标签数据集的表情深度特征的初选标签；对无标签数据集进行深度聚类；对无标签数据集的初选标签以及无标签数据集的聚类结果进行比对，选出置信度高的人脸表情数据的面部表情标签进行标记，将置信度高的人脸表情数据及其面部表情标签加入有标签数据集并对面部表情识别网络模型进行微调。本发明实现小数据量条件下，面部表情图像深度特征和标签数据的自主提取及高精度识别。
基于深度联合模型面部表情识别方法系统

[发明专利]联合3D/2D卷积网络和自适应光谱解混的高光谱图像分类方法-CN201911074775.2有效
发明人：李映;房蓓;韩其倬 -专利权人：西北工业大学
申请日： 2019-11-06 - 公布日： 2022-09-27 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种联合3D/2D卷积网络和自适应光谱解混的高光谱图像分类方法，通过使用3D/2D稠密连接网络和多个中间分类器构建网络模型，又将自适应光谱解混作为网络分类结果的补充。具有早退出机制的多个中间分类器的设计使得模型可以使用自适应光谱解混来促进分类，这为计算量和最终分类性能带来了相当大的益处。此外，本发明还提出了一个基于空谱特征的3D/2D卷积，使得三维卷积能够包含较少的三维卷积，同时通过利用二维卷积获得更多的光谱信息来增强特征学习，从而降低了训练的复杂度。本发明与现有的基于深度学习的高光谱图像分类方法相比，计算效率更高，精度更高。
联合卷积网络自适应光谱图像分类方法

[发明专利]对手写汉字黑板板书进行指导的方法、系统及设备-CN202210024764.9在审
发明人：韩广欣;何聚厚;房蓓;李骏 -专利权人：陕西师范大学
申请日： 2022-01-11 - 公布日： 2022-05-27 - 主分类号： G06V30/19 文献下载
摘要：一种基于深度学习的对手写黑板汉字板书进行指导的方法，其包括如下步骤：S100：采集用于指导的黑板汉字板书的图像作为训练图像集；S200：对所述训练图像集进行预处理；S300：构建黑板板书整体布局数据集和单汉字美感度数据集；S400：利用所述黑板板书整体布局数据集构建并训练黑板板书整体布局指导模型；S500：利用所述单汉字美感度数据集构建并训练单汉字美感度指导模型；S600：利用所述训练好的黑板板书整体布局指导模型和单汉字美感度指导模型对手写黑板汉字板书进行指导。本方法弥补了传统上需要借助人进行板书指导时效率低下，人为干扰因素多等问题，为板书指导提供了辅助与支持。
手写汉字黑板板书进行指导方法系统设备

[发明专利]一种基于迁移学习的脑电情绪分类方法-CN202111513601.9在审
发明人：何聚厚;郑晓龙;房蓓 -专利权人：陕西师范大学
申请日： 2021-12-06 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：基于迁移学习的脑电情绪分类方法，步骤包括：S100：使用62导联脑电数据采集设备采集脑电信号，作为训练样本；S200：对训练样本进行预处理；S300：构建基于深度域适应网络的脑电情绪迁移模型，该模型由一个特征提取器、一个类别预测器、一个域分类器组成；S400：将预处理好的训练样本输入到所述构建好的迁移模型中，混合经过预处理的源域有标签情绪脑电数据和目标域无标签情绪脑电数据共同对迁移模型进行迭代训练；S500：训练后选取准确率最高的一次，作为最终用于识别脑电情绪的迁移模型；S600：使用所述最终用于识别脑电情绪的迁移模型对脑电情绪进行分类。该方法能够让迁移模型能有效地解决脑电情绪跨被试迁移问题。
一种基于迁移学习情绪分类方法

[发明专利]基于多尺度稠密卷积神经网络和谱注意力机制的图像分类方法-CN201811544066.1有效
发明人：李映;房蓓;张号逵 -专利权人：西北工业大学
申请日： 2018-12-17 - 公布日： 2022-04-26 - 主分类号： G06V10/46 文献下载
摘要：本发明涉及一种基于多尺度稠密卷积神经网络和谱注意力机制的图像分类方法，通过使用稠密连接机制构建多尺度稠密卷积神经网络，稠密链接机制能够有效的缓解梯度消失问题，加强了特征传播，鼓励特征复用以及极大地减少了参数数量，降低了网络训练过程中对训练样本的需求；此外网络并结合谱注意力机制，对谱方向的特征利用更加有效。本发明实现了小样本条件下，高光谱图像深度特征的自主提取，高精度的分类。本发明与现有的基于深度学习的高光谱图像分类方法相比，样本需求量更小，精度更高。
基于尺度稠密卷积神经网络注意力机制图像分类方法

[发明专利]基于轻量化网络和半监督聚类的高光谱小样本分类方法-CN201910225506.5在审
发明人：李映;房蓓;张号逵 -专利权人：西北工业大学
申请日： 2019-03-25 - 公布日： 2019-07-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于轻量化网络和半监督聚类的高光谱小样本分类方法，通过使用Point‑wise卷积核，Depth‑wise卷积核和双loss构建轻量化网络模型，Point‑wise卷积核和Depth‑wise卷积核能够极大减少参数数量，降低网络训练过程中对训练样本的需求；双loss策略可以将深度特征空间更加可分，更利于在深度特征空间进行分类和聚类。此外，半监督近似秩序聚类算法能够选出更多有自信的伪标签，为网络训练效果的提升提供了更有利的条件。本发明实现了小样本条件下，高光谱图像深度特征和标签数据的自主提取，高精度的分类。
卷积核深度特征轻量化半监督聚类高光谱小样本分类网络训练过程分类和聚类高光谱图像小样本条件标签数据聚类算法网络模型网络训练训练样本半监督构建近似网络标签

[发明专利]基于核稀疏非负矩阵分解的高光谱图像非线性解混方法-CN201410658331.4有效
发明人：李映;房蓓 -专利权人：西北工业大学
申请日： 2014-11-18 - 公布日： 2015-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于核稀疏非负矩阵分解的高光谱图像非线性解混方法，利用虚拟维度方法对高光谱图像进行端元个数的估计，然后利用核方法将传统的基于线性混合模型的解混算法推广到非线性特征空间，并使用交替迭代优化方法解决非线性光谱解混问题。有益效果在于：其从高光谱观测像素的混合模型出发，添加高光谱丰度的稀疏性到模型中，再将线性混合模型通过核方法映射到非线性混合模型中，有效地克服了线性解混的不足，同时具有良好的抗噪声性能，可以作为一个解决高光谱遥感图像非线性解混的有效手段。
基于稀疏矩阵分解光谱图像非线性方法

[发明专利]基于非下采样Contourlet变换和改进的总变分的图像增强方法-CN201210053878.2无效
发明人：李映;贾雨;房蓓;胡杰;张艳宁 -专利权人：西北工业大学
申请日： 2012-03-03 - 公布日： 2012-08-15 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于非下采样Contourlet变换和改进的总变分的图像增强方法，基于非下采样Contourlet变换对边缘/轮廓的良好表示特性，利用改进的总变分方法有效消减增强图像中存在的伪吉布斯现象，在对图像的边缘特征和对比度增强的同时，对其中的噪声进行抑制，进一步提高图像质量。实验结果表明，本发明与传统的基于wavelet和非下采样Contourlet的方法相比能得到较好的增强效果。该方法可同步实现噪声消除和边缘保持，但对噪声非常敏感，在对图像的边缘特征和对比度增强的同时，对其中的噪声进行抑制，并能有效消减伪吉布斯现象，进一步提高图像质量。
基于采样 contourlet 变换改进总变分图像增强方法

1
共 9 条