“桑基韬”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20个，建议您升级VIP下载更多相关专利

[发明专利]基于层自编码器的多源用户属性推断方法-CN201911112845.9有效
发明人：张博宇;丁相国;桑基韬;于剑 -专利权人：北京交通大学
申请日： 2019-11-14 - 公布日： 2023-06-06 - 主分类号： G06F16/9536 文献下载
摘要：本发明提供了一种基于层自编码器的多源用户属性推断方法。该方法包括：从用户在多个社交媒体上发布的动态信息中提取用户的行为特征；通过最小化重构误差和同一用户不同社交媒体上动态行为特征映射到同一人口属性空间的差异，所述层自编码器利用非线性映射输出用户的稳定的人口属性特征；针对每个用户的稳定的人口属性特征训练一个分类器，通过所述分类器对每个用户的人口属性特征进行分类。本发明用多源的异构信息有利于寻找不同社交媒体上的共享模式。利用层自编码器更精确地建模动态行为和稳定人口属性之间的关系。使用大量的未标注的数据，相比于有标注的数据，省时省力，降低对数据的要求，从而提高分类器对用户属性推断的准确率。
基于编码器用户属性推断方法

[发明专利]一种基于对抗进攻的视频流人脸隐私保护方法-CN202210319972.1在审
发明人：吴尚锡;宋思清;尹雨阳;陈观昊;桑基韬 -专利权人：山东彦云信息科技有限公司
申请日： 2022-03-29 - 公布日： 2022-08-02 - 主分类号： G06V40/16 文献下载
摘要：本发明提供了一种基于对抗进攻的视频流人脸隐私保护方法。该方法包括：输入原始视频，分别提取所述原始视频中的各个视频帧；分别获取各个视频帧中的人脸区域图像；将各个视频帧中的人脸区域图像输入到神经网络，神经网络输出各个视频帧中的人脸区域图像的对抗扰动，将当前帧之前的所有视频帧中的人脸区域图像的对抗扰动求和之后叠加在了当前帧中的人脸区域图像上，得到进行了人脸隐私保护的当前帧中的人脸区域图像。本发明基于视频流对人脸识别进行信息保护，可以抵抗恶意的视频进攻，达到视频流中的人脸区域无法被识别的目的，可以对抗对视频中的人脸领域的恶意进攻。
一种基于对抗进攻视频流人脸隐私保护方法

[发明专利]基于元路径的上下文感知用户建模方法、序列推荐方法-CN201910890250.X有效
发明人：徐常胜;黄晓雯;方全;钱胜胜;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2019-09-20 - 公布日： 2022-06-24 - 主分类号： G06F16/9535 文献下载
摘要：本发明属于用户建模与推荐系统领域，具体涉及一种基于元路径的上下文感知用户建模方法、序列推荐方法，旨在为了解决现有用户建模方法仅考虑用户历史行为的简单序列关系，无法捕获复杂的用户偏好；现有的推荐系统推荐的准确性不高，推荐的内容不具有多样性的问题。本发明将基于用户访问的项目序列获取局部兴趣表示，通过对异构网络建模得到上下文感知的全局兴趣表示，结合局部兴趣表示和全局兴趣表示得到用户的综合兴趣表示。基于用户综合兴趣表示和待预测项目，通过推荐模型得到推荐结果。本发明的用户建模方法能够更全面地捕捉用户兴趣，有利于提高推荐系统的准确率；基于元路径的上下文感知序列推荐方法，推荐准确率高，推荐内容更具多样性。
基于路径上下文感知用户建模方法序列推荐

[发明专利]基于知识图谱的用户建模方法、序列推荐方法-CN201910818603.5有效
发明人：徐常胜;黄晓雯;方全;钱胜胜;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2019-08-30 - 公布日： 2022-04-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明属于用户建模与推荐系统领域，具体涉及一种基于知识图谱的用户建模方法、序列推荐方法，旨在为了解决现有用户建模方法无法有效提取用户动态访问信息的特征，准确捕捉用户兴趣；现有序列推荐系统推荐准确率不高，用户体验较差的问题。本发明将内容特征和结构特征作为项目的完整表示，基于用户与项目之间的语义路径获取用户和项目之间的交互表示，通过自注意力模型获取用户动态偏好。基于用户动态偏好和待预测项目，通过推荐模型得到推荐结果。本发明的用户建模方法能够有效提取用户动态访问信息的特征，引入语义路径准确的捕捉交互级别的用户动态偏好；基于知识图谱序列推荐方法提升了推荐的准确性，用户体验更好。
基于知识图谱用户建模方法序列推荐

[发明专利]一种实时事件流识别方法及系统-CN202111069905.0在审
发明人：胡孟豪;潘金星;杨小汕;徐常胜;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2021-09-13 - 公布日： 2022-01-07 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种实时事件流识别方法及系统，包括：确定待识别个体事件；将所述待识别个体事件输入至预先训练好的事件流检测模型，得到个体事件识别结果；其中，所述事件流检测模型是基于不同个体事件样本数据特征进行融合得到融合特征后，将所述融合特征进行边界匹配，并基于个体自适应元学习进行分类识别后所得到。本发明通过对健康实时事件进行识别时，采用模型无关的元学习策略对事件流检测模型进行优化，实现了以最低代价得到具有个体自适应的检测模型，大大提高模型的泛化能力。
一种实时事件识别方法系统

[发明专利]对图像数据进行无偏见分类的方法-CN201911099709.0有效
发明人：张翼;桑基韬;黄遵锜;于剑;周中元;李泽松 -专利权人：北京交通大学;中国电子科技集团公司第二十八研究所;中电科大数据研究院有限公司
申请日： 2019-11-12 - 公布日： 2021-10-08 - 主分类号： G06F16/55 文献下载
摘要：本发明提供了一种对图像数据进行无偏见分类的方法。该方法包括：根据分类标签和偏见属性对训练图像数据进行标注；构建用于图像分类的深度卷积神经网络，将训练图像数据输入到深度卷积神经网络，将深度卷积神经网络中的卷积层输出的图像特征划分为无偏见分类信息和偏见信息；通过偏见分类器对偏见信息进行分类，通过特征分类器对无偏见分类信息进行分类，利用损失函数对偏见分类器和特征分类器进行迭代优化；利用优化完成后的特征分类器对需要分类的图像数据进行去偏见分类。本发明通过利用完全的数据进行训练，这样能够保证在去偏见的同时，仍然能够提取到充分的分类信息，实现在去偏见的同时，保证模型仍有较高的分类准确率。
图像数据进行偏见分类方法

[发明专利]基于对抗噪声和云端分离的图像隐私保护滤镜生成方法-CN202011541493.1在审
发明人：张家明;桑基韬;陈彦臣 -专利权人：山东彦云信息科技有限公司
申请日： 2020-12-23 - 公布日： 2021-03-19 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种基于对抗噪声和云端分离的图像隐私保护滤镜生成方法，包括以下步骤：S1、利用用户端采集用户要上传的本人原始图像，提取原始图像的图像相关对抗噪声g并上传到服务器端；S2、利用图像相关对抗噪声g和用户已上传的本人图像特征在服务器端生成增强对抗噪声s并发送到用户端；S3、在用户端将增强对抗噪声s加到原始图像上即形成图像隐私保护滤镜。本发明基于对抗噪声和云端分离的图像隐私保护滤镜生成方法，其图像处理过程是云端分离的，服务器端仅处理非隐私数据，隐私数据的处理由用户端完成，使作为保护用户隐私的一方都接触不到用户的原始数据，从而实现了绝对的隐私保护。此外，本发明在图像观感上有很大的优势。
基于对抗噪声云端分离图像隐私保护滤镜生成方法

[发明专利]基于对抗样本的验证码图像的生成方法-CN201911107324.4在审
发明人：施云惠;张家明;孙艳丰;胡永利;桑基韬;于剑 -专利权人：北京工业大学;北京交通大学
申请日： 2019-11-13 - 公布日： 2020-03-06 - 主分类号： G06F21/36 文献下载
摘要：本发明提供了一种基于对抗样本的验证码图像的生成方法。该方法包括：生成原始的验证码图像；对原始的验证码图像进行预处理，该预处理包括高斯滤波处理和图像二值化处理；使用C&W算法对预处理后的验证码图像进行多位输出处理；使用Adaboost算法对多位输出处理后的验证码图像进行集成学习处理，输出基于对抗样本的验证码图像。本发明通过对抗样本来实现对自动破解验证码程序的抵抗，由于对抗样本的特性，使得计算机破解本发明的验证码十分困难，所以本发明设计的验证码的安全性和有效性大大强于现有的验证码。本发明的验证码与普通印刷体文字基本毫无区别，对用户来说不会带来内容上复杂度的提升，所以本发明设计的验证码的友好性比较好。
基于对抗样本验证图像生成方法

[发明专利]基于跨平台用户社交多媒体行为的人口属性推断方法-CN201610409460.9有效
发明人： 桑基韬;徐常胜;项连城 -专利权人：中国科学院自动化研究所
申请日： 2016-06-12 - 公布日： 2019-10-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于跨平台用户社交多媒体行为的人口属性推断方法。其中，该方法包括针对所述用户在所述各平台的社交多媒体行为，提取文本特征和图片特征，得到所述各平台的用户特征；将训练集中用户的人口属性和所述用户特征作为监督信息，进行多个空间的对偶投影矩阵学习，并对所述用户的所述各平台的社交多媒体行为进行约束，以确定所述各平台的对偶投影矩阵和共享稳定的用户信息；根据所述用户特征对所述对偶投影矩阵进行投影变换，并基于投影变换结果所得到的所述共享稳定的用户信息进行所述人口属性的推断。本发明实施例解决了观察到的社交多媒体行为的动态性和相对稳定的人口属性之间的矛盾，提高了用户的人口属性推断结果的准确性。
基于平台用户社交多媒体行为人口属性推断方法

[发明专利]一种酒类信息的查询方法和装置-CN201811243859.X在审
发明人：王巍;桑基韬;付成鹏;丁相国 -专利权人：深圳素问智能信息技术有限公司
申请日： 2018-10-24 - 公布日： 2019-02-01 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例适用于信息技术领域，提供了一种酒类信息的查询方法和装置，所述方法包括：接收用户的查询请求信息；从预置的酒类知识系统中提取出与所述查询请求信息相匹配的查询结果信息；向所述用户展示所述查询结果信息。本实施例通过采集每一款酒的属性信息形成一个统一的酒类知识系统，使得用户可以从构建出的酒类知识系统中查询到不同酒类或不同款酒的具体信息，解决了现有技术中用户无法有效地查询获得与某款酒相关的各种信息的问题。
酒类知识系统查询查询请求信息方法和装置查询结果信息技术领域接收用户属性信息用户展示有效地构建预置匹配采集统一

[发明专利]基于图像的性格测试调查问卷生成方法及调查交互的方法-CN201610484985.9在审
发明人： 桑基韬;徐常胜;张怀文 -专利权人：中国科学院自动化研究所
申请日： 2016-06-28 - 公布日： 2016-08-24 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于图像的性格测试调查问卷生成方法和调查交互的方法。其中，性格测试调查问卷生成方法包括获取用户喜欢的图像集及所述用户的性格属性真值集合，并构建图像与用户的第一关系；进行概念提取，构建图像与概念的关系；提取图像集中各图像的图像特征，构建图像与用户的第二关系；根据图像与概念的关系和图像与用户的第二关系，确定给定用户集合下用户集共有概念集合；然后筛选出具体性格区分度的概念集合；从各概念下的图像集合里筛选具有性格代表性的图像，作为可视化问题的图像选项；通过筛选出的概念和概念下的图像选项，生成调查问卷。通过本发明实施例能够在较短时间内得到较为准确的用户性格，具有更好的跨语言性能。
基于图像性格测试调查问卷生成方法交互

[发明专利]面向个性化应用的跨网络行为关联方法-CN201410341643.2在审
发明人：徐常胜;严明;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2014-07-17 - 公布日： 2014-10-08 - 主分类号： G06F17/30 文献下载
摘要：本发明是一种面向个性化应用的跨网络行为关联方法，首先确定不同网络特有的异构信息并分别对其在各自网络进行主题建模，得到相应信息的主题分布表示；然后，聚合用户在各自网络的行为信息来分别计算得到用户在不同网络的主题分布表示，并利用跨网络关联用户在不同网络上主题分布的一一对应关系分别对不同网络学习一组网络相关的用户属性因子向量；最后，通过不同网络的用户属性因子向量使不同网络信息的主题分布可以进行互相转换，达到跨网络行为信息关联的目的。本发明通过引入主题模型和用户感知，使该关联突破语义关联的局限性，在更细的粒度下进行感知。
面向个性化应用网络行为关联方法

[发明专利]基于逐层标签融合深度网络的图像标注方法-CN201410290316.9在审
发明人：徐常胜;袁召全;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2014-06-25 - 公布日： 2014-09-03 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于逐层标签融合深度网络的图像标注方法，该方法包括以下步骤：对于训练集中的训练图像，提取其底层视觉特征；对于训练图像的标签进行层级化，构建标签的层级结构；对于训练图像，逐层融合其底层视觉特征信息和标签信息，并通过深度网络参数学习，得到训练图像的层级特征表示；对于测试集中的测试图像，提取其底层视觉特征，然后通过深度网络学习得到其层级特征表示，最后根据测试图像的层级特征表示预测其标注信息本发明所述的图像标注方法属于一种层级的标注，比传统的标注方法更加精确。
基于标签融合深度网络图像标注方法

[发明专利]基于深度学习的图像检索排序方法-CN201310626253.5有效
发明人：徐常胜;袁召全;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2013-11-28 - 公布日： 2014-02-19 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于深度学习的图像检索排序方法。该方法包括以下步骤：提取查询对象和训练数据库中图像的底层特征；通过深度网络进行高层语义学习和特征融合，得到多个查询对象-图像对的高层特征以及深度网络的初定参数；对查询对象-图像对的高层特征分别进行线性回归，得到查询对象-图像对的排序分数；得到与查询对象相关的训练数据集中的图像的排序列表，将该排序列表与训练数据集中各图像的真实的排序列表进行比较，得到与查询对象相关的图像对的成对损失值；对深度网络的初定参数进行调整，得到深度网络的最终参数；计算新的查询对象的底部特征，并得到其对应的深度网络；在测试数据集中进行搜索，得到与其相关的图像列表。
基于深度学习图像检索排序方法

[发明专利]基于深度学习的对象间的关联分析方法及其装置-CN201310438984.7有效
发明人：徐常胜;袁召全;桑基韬 -专利权人：中国科学院自动化研究所
申请日： 2013-09-24 - 公布日： 2013-12-11 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种社交媒体网络中对象间的关联分析方法及装置，在很多重要的相关领域已经有了广泛的应用。该方法包括：步骤1、提取对象的底层特征；步骤2、对所提取的底层特征通过深度网络进行高层语义学习，得到对象的高层特征；步骤3、通过对象的高层特征获得对象间的关联关系。该方法中首先从对象的内容信息中学习出高层的抽象特征，然后在这些高层的特征的基础上来进行关联建模。本方法引入隐式特征的概念，在生成式模型的框架下，一方面隐式特征生成对象的内容信息(高层特征)，另一方面，对象的隐式特征之间的交互以最大概率对象之间的关联信息。本方法采用蒙特卡洛近似推断算法来推断模型的参数及隐变量。
基于深度学习对象关联分析方法及其装置

1
2
下一页»
尾页
共 20 条