“马卓奇”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18个，建议您升级VIP下载更多相关专利

[发明专利]基于注意力网络的商品类别推荐方法及系统-CN202310168265.1在审
发明人：高熙越;崔江涛;粟洁;马卓奇;夏小芳 -专利权人：西安电子科技大学
申请日： 2023-02-24 - 公布日： 2023-07-04 - 主分类号： G06Q30/0601 文献下载
摘要：本发明公开了一种基于注意力网络的商品类别推荐方法及系统，该方法包括：获取用户历史购买记录、商品类别以及上下文信息；利用基于多通道Transformer架构的ICRec类别推荐模型实现商品类别推荐；其中，ICRec类别推荐模型包括编码器、解码器和合成器；编码器基于多头注意力机制和生命周期注意力机制对用户历史购买记录进行编码，得到编码序列；解码器基于商品类别从编码序列中提取目标类别的个性化特征；合成器将个性化特征与上下文信息进行融合，并预测用户对不同类别商品的购买概率，从而对用户进行商品类别推荐。该方法能够准确的探索出不同类别商品的生命周期规则，从而能在适当的购买周期时间点为客户进行推荐，提升了系统的推荐性能和用户购物体验。
基于注意力网络商品类别推荐方法系统

[发明专利]一种基于手势识别的计算机人机交互方法-CN202310055231.1在审
发明人：李宇楠;张义豪;苗启广;马卓奇;赵博程;卢子祥;宋建锋;刘向增 -专利权人：西安电子科技大学
申请日： 2023-02-04 - 公布日： 2023-04-11 - 主分类号： G06F3/01 文献下载
摘要：本发明一种基于手势识别的计算机人机交互方法，使用选择配置惯用手势信息；按照系统提示和自身习惯分别作出不同动作的手势，并拍摄记录每帧图像中每个手势的信息，开启计算机摄像头，获取视频流；对视频流中的每一帧图像进行亮度和对比度增强；获取增强后的图像中的手部关键点坐标；根据手部关键点坐标，对实时视频进行多尺度距离统一映射，消除因手部与摄像头的距离造成的图像中手部关键点之间的距离误差；根据多尺度距离统一映射后的手部关键点坐标对手势进行分类，每个可识别的分类手势对应人机交互的一种设定操作；根据分类结果进行相应操作。本发明具有轻量级、低门槛、多功能、高实时性的特点。
一种基于手势识别计算机人机交互方法

[发明专利]一种应用于语义分割的软加权多阶段网络模型-CN202210145456.1在审
发明人：苗启广;林鸿凯;刘向增;宋建锋;刘如意;卢子祥;赵博程;郗岳;马卓奇 -专利权人：西安电子科技大学
申请日： 2022-02-17 - 公布日： 2022-05-31 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种应用于复杂场景下的语义分割网络模型，采用空洞变换特征金字塔模块与阶段性特征注意力模块组成软加权多阶段特征网络，其中，空洞变换特征金字塔模块，利用空洞空间金字塔池化和自适应变换函数分别作为模块中深层与浅层阶段性特征的变换函数，扩大网络整体的感受野更好的提取大尺度目标的特征和全局信息；阶段性特征注意力模块，用于在不同阶段的特征上提取对多尺度目标的不同关注程度，从而有效地保存了不同阶段具有辨识度的特征。空洞变换特征金字塔模块相比于特征金字塔模块能从多阶段更好的提取尺度差异过大的目标特征。阶段性特征注意力模块能在不同阶段的特征上提取对多尺度目标的不同关注程度。
一种应用于语义分割加权阶段网络模型

[发明专利]基于深度学习的流式实时语音激活检测方法-CN202210135633.8在审
发明人：苗启广;宋建锋;聂磊;刘如意;卢子祥;刘向增;赵博程;马卓奇;郗岳 -专利权人：西安电子科技大学重庆集成电路创新研究院
申请日： 2022-02-14 - 公布日： 2022-05-27 - 主分类号： G10L25/87 文献下载
摘要：本发明涉及一种基于深度学习的流式语音激活检测方法，先输入RAW声音波形信号片段，进行声学特征提取，结合SpecAugment数据增强算法计算得到提取后的声学特征张量；然后构建基于深度卷积神经网络模型，输出结果为0或1，其中1代表语音信号，0代表非语音信号，并训练得到可用的作为语音激活检测模型权重参数；最后语音激活检测模型在执行预测时，将得到的声学特征张量作为输入，得到预测输出结果。对于算法模型的实时性、准确率、鲁棒性、和弹性伸缩性等，都具有良好的表现，能够为语音通信、语音识别、智能问答、视频会议实时字幕和实时翻译等应用场景提供关键技术支持，同时也可用于非实时性的场景，具有一举两得的效果。
基于深度学习实时语音激活检测方法

[发明专利]基于深度学习的流式实时语音识别方法-CN202210151123.X在审
发明人：苗启广;宋建锋;聂磊;刘如意;卢子祥;刘向增;赵博程;马卓奇 -专利权人：西安电子科技大学重庆集成电路创新研究院
申请日： 2022-02-14 - 公布日： 2022-05-27 - 主分类号： G10L15/16 文献下载
摘要：本发明涉及一种基于深度学习的流式实时语音识别方法，通过输入RAW声音波形信号的语音片段，构建语音识别声学模型并训练，在执行预测时，将得到的声学特征张量作为输入，并通过流式CTC解码器的解码算法进行解码；语音识别的语言模型采用统计N‑Gram模型，通过大规模语料库得到N元组统计数据；结合中文汉语拼音与汉字对应关系的字典，使用流式维特比解码算法进行解码，得到语音识别最终文本结果；在模型落地部署后调用API接口或模块，使用流式算法模式，结合流式实时语音激活检测方法，实现流式实时语音识别。该方法不存在上文信息对下文信息的长时依赖，上下文无关，或仅存在下文信息对上文信息的依赖，可实现算法模型推理时的流式实时语音识别。
基于深度学习实时语音识别方法

[发明专利]一种基于人脸属性的人脸画像识别方法-CN201810615517.X有效
发明人：高新波;王楠楠;刘德成;李洁;彭春蕾;朱明瑞;曹兵;马卓奇;辛经纬;郝毅 -专利权人：西安电子科技大学
申请日： 2018-06-14 - 公布日： 2022-02-22 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于人脸属性的人脸画像识别方法，包括：获取训练样本集和测试样本集；利用所述训练样本集训练深度人脸属性表示模型；利用训练后的所述深度人脸属性表示模型获取所述测试样本集的人脸属性表示特征；利用所述人脸属性表示特征进行相似度计算以对所述测试样本集中的第二人脸画像进行识别。本发明的识别方法使用深度人脸属性表示模型对人脸画像和照片进行特征提取，克服现有技术进行人脸画像编码和照片编码时，编码特征信息没有考虑人脸属性信息的问题，使得本发明能够通过获取人脸的属性信息从而使得识别准确率更高，且对人脸画像的可分辨性更强。
一种基于属性画像识别方法

[发明专利]一种图像风格的转换方法-CN201810615516.5有效
发明人：高新波;王楠楠;马卓奇;李洁;郝毅;曹兵;朱明瑞;刘德成;辛经纬;彭春蕾 -专利权人：西安电子科技大学
申请日： 2018-06-14 - 公布日： 2021-11-30 - 主分类号： G06T7/50 文献下载
摘要：本发明涉及一种图像风格的转换方法，包括：获取风格图像和内容图像；通过所述风格图像获取流派内嵌表示空间；根据所述风格图像的风格深度特征和所述内容图像的内容深度特征获取流派风格化表示空间；根据所述流派内嵌表示空间和所述流派风格化表示空间对所述内容图像进行风格转换。本发明由于采用构建流派内嵌表示空间，将现有方法转换单张图像风格的变为转换为一种根据流派进行风格转换的方式，不仅转换了风格图像的颜色与纹理，同时还根据内容图像和风格图像之间语义信息的对应关系进行转换，使得转换后的图像更具有艺术意义。
一种图像风格转换方法

[发明专利]基于非对称联合学习的人脸画像-照片识别方法-CN201810023591.2有效
发明人：高新波;曹兵;王楠楠;李洁;彭春蕾;朱明瑞;马卓奇;张玉倩;郝毅;刘德成;辛经纬 -专利权人：西安电子科技大学
申请日： 2018-01-10 - 公布日： 2020-04-14 - 主分类号： G06K9/00 文献下载
摘要：一种基于非对称联合学习的人脸画像‑照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。
基于对称联合学习画像照片识别方法

[发明专利]基于深度图模型特征学习的人脸画像合成方法-CN201710602696.9有效
发明人：王楠楠;朱明瑞;李洁;高新波;查文锦;张玉倩;郝毅;曹兵;马卓奇;刘德成;辛经纬 -专利权人：西安电子科技大学
申请日： 2017-07-21 - 公布日： 2020-04-07 - 主分类号： G06K9/46 文献下载
摘要：一种基于深度图模型特征学习的人脸画像合成方法。其步骤为：(1)生成样本集合；(2)生成图像块集合；(3)提取深度特征；(4)求解人脸画像重构块系数；(5)重构人脸画像块；(6)合成人脸画像。本发明使用深度卷积网络提取人脸照片块的深度特征，利用马尔科夫图模型求解深度特征图系数与人脸画像块重构系数，使用人脸画像块重构系数对人脸画像块加权求和得到重构人脸画像块，拼接重构人脸画像块得到合成人脸画像。本发明使用从深度卷积网络中提取的深度特征来代替图像块的原始像素值信息，对光照等环境噪声具有更好的鲁棒性，能合成质量极高的人脸画像。
基于深度模型特征学习画像合成方法

[发明专利]基于子空间岭回归的人脸画像生成方法-CN201610143041.5有效
发明人：高新波;朱明瑞;王楠楠;李洁;孙雷雨;于昕晔;张宇航;彭春蕾;査文锦;马卓奇;曹兵 -专利权人：西安电子科技大学
申请日： 2016-03-14 - 公布日： 2019-11-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片‑画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。
基于空间回归画像生成方法

[发明专利]基于耦合近邻索引的人脸画像合成方法-CN201610224500.2有效
发明人：王楠楠;孙雷雨;高新波;李洁;张宇航;于昕晔;朱明瑞;马卓奇;査文锦;曹兵 -专利权人：西安电子科技大学
申请日： 2016-04-12 - 公布日： 2019-06-21 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于耦合近邻索引的人脸画像合成方法，主要解决现有方法在近邻选择时没有考虑训练画像作用的问题。其实现步骤是：1.划分训练画像样本集、训练照片样本集和测试样本集；2.将所有图像划分成图像块，并组成块集合；3.将训练照片块集合与对应的画像块集合划分为多个子集；4.建立训练照片块子集和训练画像块子集中每一对照片‑画像块到其K近邻对的索引；5.寻找每一测试照片块的最近邻，进而得到其K近邻；6.利用马尔科夫权重网络求解重构权值；7.求解待合成画像块；8.迭代执行步骤5‑7共N次，融合得到最终的合成画像。与现有技术相比，本发明合成画像清晰度高、细节更完整，可用于人脸检索与识别。
基于耦合近邻索引画像合成方法

[发明专利]联合局部与全局特性的两阶段人脸画像生成方法-CN201610333375.9有效
发明人：高新波;朱明瑞;王楠楠;李洁;孙雷雨;于昕晔;张宇航;彭春蕾;査文锦;马卓奇;曹兵 -专利权人：西安电子科技大学
申请日： 2016-05-19 - 公布日： 2019-05-24 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种联合局部与全局特性的两阶段人脸画像生成方法。其步骤为：(1)划分样本；(2)划分图像块；(3)划分图像块子集；(4)生成初始合成画像块；(5)生成最终合成画像块；(6)合成画像。本发明采用了分阶段的方法，第一阶段将样本块划分为具有全局性的多个子集，在子集内合成初始画像块，第二阶段将样本块划分为具有局部性的多个子集，在子集内合成最终画像块，能合成背景干净且细节清晰的高质量画像。本发明仅使用简单的K均值聚类与样本块位置信息划分样本块集合，使用简单映射生合成画像，极大的提升了合成画像速度。
联合局部全局特性阶段画像生成方法

[发明专利]基于约束固定邻域嵌入的图像超分辨重建方法-CN201610537501.2有效
发明人：高新波;孙雷雨;王楠楠;李洁;曹兵;马卓奇;査文锦;于昕晔;朱明瑞;张宇航 -专利权人：西安电子科技大学
申请日： 2016-07-08 - 公布日： 2019-04-23 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于约束固定邻域嵌入的图像超分辨重建方法，主要解决现有方法忽略高分辨块作用造成重建图像模糊的问题。其实现步骤是：1.构建高分辨、低分辨训练图像集合；2.从训练图像集合中构建低分辨、高分辨联合K近邻组；3.提取测试图像的亮度图像分量和色度图像分量；4.对亮度图像分量进行图像分块，并计算块均值，生成初始估计的高分辨特征块；5.查找所有初始估计高分辨特征块的最近邻联合K近邻组，重建高分辨估计图像块；6.组合所有高分辨估计图像块，得到高分辨亮度图像；7.融合高分辨亮度图像和色度图像分量，得到重建的高分辨图像。本发明减少了伪像的产生，提高了重构图像的清晰度，可用于高清晰视频显示。
基于约束固定邻域嵌入图像分辨重建方法

[发明专利]基于方向图模型的人脸画像合成方法-CN201610171867.2有效
发明人：高新波;张宇航;王楠楠;李洁;孙雷雨;朱明瑞;于昕晔;彭春蕾;马卓奇;曹兵;查文锦 -专利权人：西安电子科技大学
申请日： 2016-03-24 - 公布日： 2018-11-30 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于方向图模型的人脸画像合成方法，主要解决现有方法在对人脸图像合成细节不明显的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试照片样本集；(2)对训练画像样本集中的画像、训练照片样本集中的照片和测试照片进行块划分；(3)根据划分的图像块组成待选择照片块集和待选择画像块集；(4)对训练画像和照片样本块集提取像素值特征及方向特征；(5)计算待选择画像块权值集；(6)根据待选择画像块权值集计算伪画像块集；(7)根据伪画像块集，生成伪画像。本发明由于考虑了人脸图像本身的领域约束，使得生成的人脸画像细节部位明显，可用于公共安全领域中人脸检索与识别。
基于方向模型画像合成方法

[发明专利]基于自适应表示的人脸画像合成方法-CN201610152915.3有效
发明人：王楠楠;于昕晔;高新波;彭春蕾;李洁;査文锦;孙雷雨;张宇航;朱明瑞;曹兵;马卓奇 -专利权人：西安电子科技大学
申请日： 2016-03-17 - 公布日： 2018-08-10 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于自适应表示的人脸画像合成方法，主要解决现有方法合成画像清晰度低和细节不完整的问题。其实现步骤是：首先对数据库进行处理，将所有的图像进行图像滤波后，对图像分块并提取图像块特征，得到一个训练画像块字典和两个照片块字典；其次根据测试照片块中是否包含边缘信息或者面部特征信息选择不同的字典，寻找近邻块；最后利用马尔可夫网络模型得到待合成画像块，并对所有的待合成画像块进行融合得到合成画像。本发明与现有方法相比，合成结果具有更高的清晰度、细节更完整，可用于人脸检索与识别。
基于自适应表示画像合成方法

1
2
下一页»
尾页
共 18 条