“徐婧林”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3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于阶段性持续学习的可伸缩单流追踪方法-CN202310691919.9有效
发明人：刘红敏;蔡越峰;徐婧林;樊彬 -专利权人：北京科技大学
申请日： 2023-06-13 - 公布日： 2023-10-27 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及视觉目标追踪技术领域，特别是指一种基于阶段性持续学习的可伸缩单流追踪方法。一种基于阶段性持续学习的可伸缩单流追踪方法包括：获取搜索图像以及模板图像，对搜索图像以及模板图像进行处理，获得输入图像；将输入图像进行特征向量化处理，获得向量化特征；基于向量化特征，通过交互窗口自注意力模块以及动态混合注意力模块，获得目标图像特征；根据目标图像特征，通过分类头以及回归头，获得输出图像；根据输出图像，在目标时序运动中进行目标追踪。本发明是一种基于阶段间持续学习具备优秀前后景区分能力的追踪方法。
一种基于阶段性持续学习伸缩追踪方法

[发明专利]基于反事实样本的视频人体意外动作定位方法和装置-CN202110931899.9有效
发明人：鲁继文;徐婧林;周杰 -专利权人：清华大学
申请日： 2021-08-13 - 公布日： 2022-10-18 - 主分类号： G06V40/20 文献下载
摘要：本申请提出一种基于反事实样本的视频人体意外动作定位方法，包括：获取人体意外动作视频作为原始视频；设计因果模型，因果模型表示输入视频、动作内容、意外动作、模型预测之间的关系；在视频池中检索原始视频的有意动作部分来生成反事实样本；对原始视频和反事实样本进行特征提取得到第一时空特征和第二时空特征；将第一时空特征输入到标准LSTM网络中识别每一个视频帧的动作有意性，将第一、第二时空特征输入到孪生LSTM网络中、学习原始视频的意外动作对模型预测的因果效应，进而学得其真正因果关系,从而实现原始视频中人体意外动作的准确定位。本申请通过分解视频中耦合的动作内容和意图线索，实现了视频中人体意外动作的准确定位。
基于事实样本视频人体意外动作定位方法装置

[发明专利]一种基于协方差度量的小样本学习算法-CN202010783893.7在审
发明人：李文斌;陈思远;霍静;高阳;徐婧林;王雷;罗杰波 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-08-06 - 公布日： 2020-10-30 - 主分类号： G06F16/55 文献下载
摘要：本发明公开了一种基于协方差度量的小样本学习算法，属于计算机视觉领域。其中，一种基于协方差度量的小样本学习算法包括：（1）引入插曲训练机制来学习可迁移知识，（2）设计一个局部协方差表示，然后将其嵌入到深度网络中来学习表达每个概念，（3）基于局部协方差表示，构造一个协方差度量层来度量查询样本和概念之间的分布一致性。本发明提出一个新颖简洁的端到端协方差度量网络CovaMNet，设计一个二阶局部协方差表示来代替传统的一阶概念表征，提出一个新的协方差度量函数。分析多个基准数据集上的对比实验结果可得出，本发明提出的CovaMNet框架在一般小样本分类任务和细粒度小样本分类任务上都表现出具有竞争力的效果。
一种基于协方差度量样本学习算法