|
|
钻瓜专利网为您找到相关结果 156个，建议您 升级VIP下载更多相关专利
- [发明专利]一种图片检索方法-CN201911380213.0有效
-
魏志强;殷波;苏育挺;聂为之;刘安安
-
青岛海洋科技中心
-
2019-12-27
-
2023-08-29
-
G06F16/532
- 本发明公开了一种图片检索方法，对处理图片分别进行DCT计算和DWT计算得到第一组哈希码，旋转处理图片分别在90°、180°和270°上进行DCT计算和DWT计算得到第二组哈希码、第三组哈希码和第四组哈希码，基于四组哈希码计算并构建NB+树，并组合成为随机森林模型，使用随机森林模型进行图片检索。使用了分块DCT和DWT技术来构造图片的感知哈希码，加速了哈希码的构造过程；依据不同旋转角度的图片来构造决策树，提高了图片检索的准确性；使用了归一化的B+树将高维输入向量减少至一维，显著改善了时间复杂度；使用随机森林模型，结合图片旋转、DCT和DWT的哈希码等多个决策来提高检索的速度和性能。
- 一种图片检索方法
- [发明专利]基于多模态知识蒸馏的短视频多标签分类方法及装置-CN202310545873.X在审
-
苏育挺;马潇;井佩光
-
天津大学
-
2023-05-16
-
2023-08-15
-
G06F16/75
- 本发明公开了一种基于多模态知识蒸馏的短视频多标签分类方法及装置，方法包括：教师神经网络和学生网络的损失函数包括第一次知识迁移中特征层中各模态之间的损失和第二次知识迁移教师网络和学生网络之间特征表征输出的重构损失，以及学生网络最终分类损失，并以此目标函数指导学生网络寻找学生网络模型的最优解；运用反向传播计算输出层目标函数结果与真实值之间的偏差，进行逐层调节参数，最终求出学生网络模型的局部最优解；基于局部最优解得到由教师网络训练蒸馏出的最佳学生网络模型，并将最佳学生网络运用到短视频多标签分类中，输出短视频多标签的分类结果。装置包括：处理器和存储器。本发明提高了短视频多标签分类任务的准确度，具有重要的实际应用价值。
- 基于多模态知识蒸馏视频标签分类方法装置
- [发明专利]一种基于多尺度注意力融合的短视频事件检测方法及装置-CN202310578964.3在审
-
苏育挺;马潇;井佩光
-
天津大学
-
2023-05-22
-
2023-08-04
-
G06V20/40
- 本发明公开了一种基于多尺度注意力融合的短视频事件检测方法及装置，方法包括：使用不同尺度的滑动窗口生成三种尺度的短视频子序列作为输入；将每个尺度的输入均匀划分成局部块，使用inner transformer和outer transformer将局部块划分为小的补丁块，计算每个补丁块的注意力，将每个补丁块的注意力与该局部块的整体注意力一起送入outer transformer进行计算；inner transformer用于处理补丁块内的视觉信息，outer transformer用于处理将局部和补丁的特征聚合后的视觉信息，该视觉信息应用于短视频事件检测中。装置包括：处理器和存储器。本发明可以学习到图像中的不同视觉元素之间的关系和联系，从而提高分类任务的准确性。
- 一种基于尺度注意力融合视频事件检测方法装置
- [发明专利]一种基于特征子空间分离的交叉数据域微表情分类方法-CN202011044468.2有效
-
刘婧;苏育挺;王蒙蒙
-
天津大学
-
2020-09-28
-
2023-07-07
-
G06V40/16
- 本发明公开了一种基于特征子空间分离的交叉数据域微表情分类方法，包括：构建源域和目标域的训练数据和测试数据，将不同数据域按照标签一致性进行标签重定义，用于两个数据域的标签分类一致；引入公共域对源域和目标域的数据进行处理，源域私有空间和目标域私有空间分别对源域、目标域数据进行处理，用于建立深度学习网络模型；对三部分的损失函数进行加权求和获取最终的目标损失函数，使用随机梯度下降优化器训练网络；将目标域的测试集图像输入到加载训练模型参数后的网络中输出分类结果。本发明解决了微表情识别场景中建立模型使用的训练数据和实际应用中使用的测试数据存在特征分布差异的问题，通过分析微表情在面部表达上动作单元的一致性，以及面部背景的差异性，解决交叉数据域微表情分类的问题。
- 一种基于特征空间分离交叉数据表情分类方法
- [发明专利]一种用于短视频的事件检测方法-CN201910303095.7有效
-
张静;刘靖辉;井佩光;苏育挺
-
天津大学
-
2019-04-16
-
2023-06-30
-
G06V20/40
- 本发明公开了一种用于短视频的事件检测方法，包括：提出低秩约束模型，用于最大化不同视角间的关联性和互补性，获得更加鲁棒的子空间结构；采用判别学习的方式，通过回归分析建立样本的特征表征与类别标签之间的联系；建立弹性的正则化网络，引入非负标号松弛矩阵，将严格的二元标签矩阵松弛为一个松弛变量矩阵，用于在扩大不同类之间的距离同时，提供更多空间来拟合标签；根据获取到的目标函数，将提取的训练集的特征矩阵以及对应的标签矩阵带入，通过拉格朗日乘子法求出字典矩阵，映射矩阵；根据约束条件，带入测试集的特征矩阵进而求出预测的特征集的标签，将其和数据真实的标签做比对，通过计算mAP的方式求出最后的预测结果。
- 一种用于视频事件检测方法
- [发明专利]蛋白质数据特征提取方法-CN202010106311.1有效
-
魏志强;聂婕;刘安安;聂为之;苏育挺
-
青岛海洋科技中心
-
2020-02-21
-
2023-06-27
-
G06V10/422
- 本发明公开了一种蛋白质数据特征提取方法，包括以下步骤：（1）、对蛋白质的原始三维模型进行预处理，得到预处理三维模型；（2）、获取预处理三维模型的多个二维视图，提取各所述二维视图的图像特征矩阵，将所有的图像特征矩阵进行融合，得到蛋白质的二维特征矩阵；（3）、获取蛋白质的三维特征矩阵；（4）、将蛋白质的二维特征矩阵和三维特征矩阵进行融合计算，得到蛋白质数据特征矩阵。本发明的方法通过提取蛋白质的二维视图特征信息和三维模型空间结构信息，使得对蛋白质的外形特征描述更加全面。通避免了仅采用二维提取特征信息不完整，能够保证计算蛋白质模型相似度的科学性和准确性。
- 蛋白质数据特征提取方法
|
