“荆晓远”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115个，建议您升级VIP下载更多相关专利

[发明专利]一种基于CoLBP共生特征与GSS特征的行人检测方法-CN201710176356.4有效
发明人：许正;朱松豪;孙成建;荆晓远 -专利权人：南京邮电大学
申请日： 2017-03-23 - 公布日： 2019-07-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
一种基于 colbp 共生特征 gss 行人检测方法

[发明专利]一种用于目标情感分类的深度记忆网络模型及其分类方法-CN201910220139.X在审
发明人： 荆晓远;李晶;左梅;訾璐 -专利权人：武汉大学
申请日： 2019-03-22 - 公布日： 2019-07-12 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种用于目标情感分类的深度记忆网络模型包括输入模块、注意力模块和交互分类模块，通过输入模块可以将句子划分为目标向量和对应的上下文向量，然后通过注意力模块基于输入的目标向量从外部存储的上下文向量中获取对应的情感信息，并获得目标上下文表示；再通过交互分类模块对目标上下文表示与目标向量表示进行交互计算，获得句子文本对指定目标的情感表示，然后将情感表示作为特征进行分类，获得模型预测的情感极性。并基于上述深度记忆网络模型提出了一种分类方法，通过将上下文向量表示与目标之间的交互信息融入最终的情感分类表示，可以实现有效识别上下文对目标的情感极性的技术效果。
上下文向量记忆网络目标向量情感分类目标上下文交互分类情感极性输入模块分类句子注意力技术效果交互计算交互信息模型预测情感信息外部存储有效识别文本融入

[发明专利]一种严重不平衡数据分类方法-CN201910261964.4在审
发明人： 荆晓远;张新玉;贾晓栋;黄鹤;姚永芳;訾璐 -专利权人：广东石油化工学院
申请日： 2019-04-02 - 公布日： 2019-07-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种严重不平衡数据分类方法，该方法将生成对抗网络引入多重集合的构建过程，使得每个子集的分布与原数据集相同，在处理数据的非线性问题上，该方法将深度度量与多重集合的特征学习相结合，并设计了一个新的判定项用于加强度量的判定性，本发明方法充分考虑了严重不平衡数据对分类结果的影响，使用深度神经网络增强了其与原有数据的相似性以及数据本身的判定性，提高了分类效率。
数据分类判定性度量集合非线性问题处理数据分类效率神经网络特征学习原有数据原数据构建子集判定对抗引入网络

[发明专利]基于图片语义和视觉散列的图片检索方法-CN201610128827.X有效
发明人：朱松豪;孙娴;金栋梁;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2016-03-07 - 公布日： 2019-06-28 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了基于图片语义和视觉散列的图片检索方法，该方法能同时表征图片语义相似性和视觉相似性的新颖的散列函数。本发明方法包括以下步骤：首先利用图片特性和视觉特性训练语义散列函数；然后，利用最大熵原则，获得紧凑的二进制码；最后，利用函数衰减原理，消除视觉特征的噪声。本发明能满足两方面的一致性：一是能满足散列二进制码和图片语义表示间的一致性，二是能满足散列二进制码和图片视觉表征的一致性。本发明可以方便人们在公共图片库中检索感兴趣的图片，在公共视频库中具有良好的检测性能。
基于图片语义视觉检索方法

[发明专利]基于典型相关多核学习的彩色人脸识别方法-CN201610861197.7有效
发明人：刘茜;荆晓远 -专利权人：南京信息工程大学
申请日： 2016-09-28 - 公布日： 2019-06-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于典型相关多核学习的彩色人脸识别方法，该方法将多核学习技术应用于彩色人脸图像的典型相关分析，对三个彩色分量分别使用三个不同的核映射，再通过典型相关多核学习对三个彩色分量分别进行非线性特征提取。对于提取到的特征，使用基于余弦距离的最近邻分类器进行分类和识别。本发明识别效果更高，通过典型相关多核学习，彩色人脸特征的分类能力得到了明显增强。
基于典型相关多核学习彩色识别方法

[发明专利]基于测地线流核的神经网络软件缺陷预测方法-CN201811485235.9在审
发明人： 荆晓远;孙静;孙莹;吴飞;董西伟 -专利权人：南京邮电大学
申请日： 2018-12-06 - 公布日： 2019-05-03 - 主分类号： G06F11/36 文献下载
摘要：本发明揭示了一种基于测地线流核的神经网络软件缺陷预测方法，包括如下步骤：S1、将数据集降维到对应的子空间中，并确定最优的子空间维度；S2、利用数据集降维得到的特征表示构建测地线流；S3、计算测地线流核，根据测地线流核计算得到源数据和目标数据的变换矩阵及特征空间；S4、根据得到的特征空间对神经网络分类器进行训练，最终得到预测结果。本发明将迁移学习中的测地线流核和神经网络分类器相结合，通过将源数据和目标数据投影到具有相同分布的子空间中的方式，解决了不同数据集上的数据分布不同以及数据量大时计算效率低下的问题，进而实现了跨项目的软件缺陷预测。
测地线数据集子空间神经网络分类器神经网络软件目标数据缺陷预测特征空间源数据降维变换矩阵计算效率软件缺陷数据分布特征表示预测结果数据量构建维度投影迁移预测学习

[发明专利]无线传感器网络系统-CN201910083765.9在审
发明人： 荆晓远;崔芳怡;黄鹤;孙莹;姚永芳 -专利权人：南京邮电大学
申请日： 2019-01-28 - 公布日： 2019-04-12 - 主分类号： H04W40/10 文献下载
摘要：一种无线传感器网络系统，包括多个分簇，每个分簇包括簇头节点和多个其他传感器节点，所述分簇内的其他传感器节点基于自身与簇头节点之间的距离被划入一个以上的分簇，分簇内的簇头节点在预设的时间周期内轮流唤醒自身分簇内的其他无线传感器节点；被唤醒的其他无线传感器节点在对应的唤醒周期内采集监测数据并将采集到的监测数据发送至所述簇头节点；所述簇头节点接收对应时间周期中自身分簇内的被唤醒的其他无线传感器节点发送的监测数据并将所接收的监测数据进行数据融合后发送至对应的基站节点。上述的方案，可以降低网络能耗，延长无线传感器网络的生命周期。
分簇簇头节点无线传感器节点监测数据唤醒无线传感器网络系统传感器节点时间周期无线传感器网络监测数据发送采集发送基站节点生命周期数据融合网络能耗预设轮流

[发明专利]无线传感器网络数据传输方法、可读存储介质和终端-CN201910083764.4在审
发明人： 荆晓远;崔芳怡;黄鹤;孙莹;姚永芳 -专利权人：南京邮电大学
申请日： 2019-01-28 - 公布日： 2019-04-12 - 主分类号： H04W52/02 文献下载
摘要：一种无线传感器网络数据传输方法、可读存储介质和终端，所述无线传感器网路包括多个分簇，每个分簇包括簇头节点和多个其他传感器节点，所述分簇内的其他传感器节点基于自身与簇头节点之间的距离被划入一个以上的分簇，所述方法包括：分簇内的簇头节点在预设的时间周期内轮流唤醒自身分簇内的其他无线传感器节点；被唤醒的其他无线传感器节点在对应的唤醒周期内采集监测数据并将采集到的监测数据发送至所述簇头节点；所述簇头节点接收对应时间周期中自身分簇内的被唤醒的其他无线传感器节点发送的监测数据并将所接收的监测数据进行数据融合后发送至对应的基站节点。上述的方案，可以降低网络能耗，延长无线传感器网络的生命周期。
分簇簇头节点无线传感器节点无线传感器网络监测数据唤醒可读存储介质传感器节点时间周期数据传输无线传感器网路监测数据发送采集发送终端基站节点生命周期数据融合网络能耗预设轮流

[发明专利]基于核范数正则低秩编码的风机叶片图像故障识别方法-CN201511019000.7有效
发明人：高广谓;岳东;荆晓远;吴松松;邓松 -专利权人：南京邮电大学
申请日： 2015-12-30 - 公布日： 2019-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于核范数正则低秩编码的风机叶片图像故障识别方法，该方法首先获取风机叶片故障图像训练样本集，然后利用基于核范数正则的低秩编码方法，获取待识别样本在训练样本集上的线性表示系数，最后通过计算待识别样本在每个类上的表示残差，根据残差计算出待识别样本的类标。本发明方法不但保持了图像的结构信息，同时还将同类样本本身具有的低秩特征融入其中，并利用稀疏特征信息来得到待识别样本的表示系数，提高了识别精度。
基于范数正则编码风机叶片图像故障识别方法

[发明专利]基于对应关系预测的低分辨率人脸图像识别方法-CN201610364643.3有效
发明人：吴松松;王娟娟;石卉;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2016-05-27 - 公布日： 2019-04-12 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种无对应关系条件下基于对应关系预测的低分辨率人脸识别算法（CRPFR)：首先是一一对应关系的确定，对高低分辨率图像进行训练，同一幅图像在高分辨率空间中与其他类图像的结构与在低分辨率空间中的结构是相似的，通过比对高低分率图像的特征向量来辨别它们是否具有对应关系；其次，将高低分辨率图像投影到一致的特征空间，在特征空间中采用最近邻分类器进行分类，保持类内聚拢、类间分散的整体结构，根据已经求得的一一对应关系和类别信息控制特征空间的结构，目标是求得能够满足特征空间结构的一对高低投影矩阵。与传统的低分辨率人脸识别算法相比，本发明在无对应关系的条件下取得了更优的效果。
基于对应关系预测分辨率图像识别方法

[发明专利]基于ARM平台和独立循环神经网络的手写数字识别方法-CN201811338455.9在审
发明人：杨敏;黄佳凯;荆晓远;程雷 -专利权人：南京邮电大学
申请日： 2018-11-12 - 公布日： 2019-03-22 - 主分类号： G06K9/62 文献下载
摘要：基于ARM平台和独立循环神经网络的手写数字识别方法。包括如下步骤，S1、根据TensorFlow框架构建IndRNN模型；S2、将MNIST训练集导入IndRNN模型进行训练；S3、在ARM平台安装TensorFlow，在PC端上利用FlashFXP通过SFTP over SSH连接方式将训练好的IndRNN模型移植到ARM平台；S4、采集设备采集手写数字照片，并进行预处理；S5、预处理后的照片通过IndRNN模型处理分类识别，最终在SSH终端显示识别结果。本发明利用TensorFlow进行深度学习和人工智能具有开发简单、建模速度快、准确率高的优点。ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
预处理手写数字识别独立循环神经网络人工智能采集设备分类识别框架构建连接方式模型处理模型移植手写数字终端显示实时性训练集准确率建模采集开发学习

[发明专利]软件缺陷预测方法、可读存储介质和终端-CN201811181115.X在审
发明人： 荆晓远;黄琳;孙莹;吴飞;董西伟 -专利权人：南京邮电大学
申请日： 2018-10-10 - 公布日： 2019-02-12 - 主分类号： G06K9/62 文献下载
摘要：一种软件预测方法、可读存储介质和终端，所述方法包括：获取基于boosting的软件缺陷预测模型；采用所获取的软件预测模型对待预测软件进行缺陷预测。上述的方案，可以提高软件缺陷预测的准确性。
软件缺陷可读存储介质软件预测预测终端缺陷预测预测模型

[发明专利]基于多核字典学习的彩色人脸识别方法-CN201610051557.7有效
发明人：刘茜;荆晓远;吴飞 -专利权人：南京信息工程大学
申请日： 2016-01-25 - 公布日： 2019-01-08 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多核字典学习的彩色人脸识别方法，将多核学习技术应用到彩色人脸数据的字典学习和稀疏编码过程中，通过设计核函数选择准则，对彩色人脸图像训练样本集的三个彩色分量分别挑选最优的核映射函数，再对核映射后的三个彩色分量分别学习三个特征提取系数矩阵、结构化字典和相应的稀疏编码，然后使用学习得到的字典对待识别样本的非线性特征进行稀疏编码，并根据重构误差进行分类和识别。本发明识别效果更高，并对图像质量问题具有较好的鲁棒性。
基于多核字典学习彩色识别方法

[发明专利]一种基于属性约束的零样本图像识别新方法-CN201810567969.5在审
发明人：吴松松;王堃;卢志强;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2018-06-04 - 公布日： 2018-12-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于属性约束的零样本图像识别新方法，本方法利用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于编码器‑解码器模型在已知类别训练样本和待测试未知类别样本上共同学习一个属性预测器达到有效减少语义迁移影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他零样本图像识别方法相比，我们的方法在识别率上取得显著提高。
样本图像类别样本属性约束训练样本最近邻分类器解码器模型测试语义有效减少噪声问题真实属性编码器识别率预测器虚拟标签迁移学习

[发明专利]一种基于ARM平台的深度学习数字手写体识别方法-CN201810430232.9在审
发明人：杨敏;黄佳凯;荆晓远;程雷 -专利权人：南京邮电大学
申请日： 2018-05-08 - 公布日： 2018-11-13 - 主分类号： G06K9/68 文献下载
摘要：本发明涉及一种基于ARM平台的深度学习手写数字识别方法，属于图像识别领域，具体步骤为：构建softmax深度学习神经网络模型；利用MNIST训练集训练模型；将深度学习模型移植到ARM平台；摄像头拍摄的手写数字照片预处理；识别并输出结果。本发明利用TensorFlow进行深度学习，具有开发简单、建模速度快、识别准确率高的优点，且ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
学习手写数字识别学习神经网络摄像头拍摄数字手写体照片预处理模型移植手写数字输出结果图像识别训练模型实时性训练集准确率构建建模开发