“蒋树强”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41个，建议您升级VIP下载更多相关专利

[发明专利]基于多模态信息关联分析的食物推荐方法和系统-CN201911251785.9有效
发明人：闵巍庆;王致岭;刘林虎;蒋树强 -专利权人：中国科学院计算技术研究所
申请日： 2019-12-09 - 公布日： 2023-09-22 - 主分类号： G06F16/9535 文献下载
摘要：本发明提出一种基于多模态信息关联分析的食物推荐方法，包括：根据用户的饮食需求和饮食范围生成第一模态信息；根据食物的自然属性和附加属性生成第二模态信息；根据该用户的实时身体状况和饮食环境状况生成第三模态信息；对该第一模态信息、该第二模态信息和该第三模态信息进行关联性分析，生成针对该用户的食物推荐结果。
基于多模态信息关联分析食物推荐方法系统

[发明专利]基于循环一致性的第一视角视频行为预测方法及系统-CN202310232698.9在审
发明人： 蒋树强;张天予;闵巍庆 -专利权人：中国科学院计算技术研究所
申请日： 2023-03-06 - 公布日： 2023-07-14 - 主分类号： G06V20/40 文献下载
摘要：本发明提出一种基于循环一致性的第一视角视频行为预测方法和系统，通过在高维特征空间构建过去信息蒸馏损失函数、未来信息蒸馏损失函数、后向‑前向循环一致性损失函数以及前向‑后向循环一致性损失函数，充分学习过去内容和当前观察内容、当前观察内容和未来内容之间的时序上下文关系。在测试时，我们只根据观察内容去预测未来的行为，通过隐式地扩展可观察的时序范围，在一定程度上能够克服难以获取长距离时序信息的客观条件限制，进而利用更多的信息辅助进行行为预测。
基于循环一致性第一视角视频行为预测方法系统

[发明专利]一种多尺度融合的食品图像分类模型训练及图像分类方法-CN201911373760.6有效
发明人： 蒋树强;罗正东;闵巍庆 -专利权人：中国科学院计算技术研究所
申请日： 2019-12-27 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种训练食品图像分类模型的方法，所述方法包括：对食品图像进行多尺度切割，形成包含原图像的多尺度食品切割图像；分别构建多个尺度的卷积神经网络模型，每个卷积神经网络模型对应一个尺度的食品切割图像；利用带有类别标签的食品图像作为目标图像，将其多尺度切割后代入多个尺度的卷积神经网络模型，利用预测的类别概率与真实的类别标签的比对结果作为反馈来进行多个尺度的卷积神经网络模型的优化。本发明创新性地提出了在原图像基础上进行多尺度切割形成多尺度切片的方式题。本发明在多个公共数据集都达到目前最好的识别性能：本发明的方法在公共数据集ETH Food‑101上可以达到90.56％的识别准确率，在公共数据集VireoFood‑172上可以达到90.61％的识别准确率。
一种尺度融合食品图像分类模型训练方法

[发明专利]一种食品检测系统、模型训练方法和食品检测方法-CN202211698870.1在审
发明人：闵巍庆;刘春霖;周鹏飞;刘涛;蒋树强 -专利权人：中国科学院计算技术研究所
申请日： 2022-12-28 - 公布日： 2023-03-28 - 主分类号： G06V20/68 文献下载
摘要：本发明提供了一种食品检测系统、模型训练方法和食品检测方法，该系统包括基于神经网络构建的特征提取器和检测头，其中，特征提取器，用于根据多个处理层对输入的图像进行特征提取以得到图像特征，其中至少部分处理层为动态可变形卷积层，动态可变形卷积层包括多个可变形共享块，每个可变形共享块包括用于确定与输入的图像适配的变形参数的变形单元和多个用于根据该变形单元的变形参数调整卷积形态的动态卷积分支；检测头，用于根据图像特征对输入的图像进行检测，确定输入的图像中食品的位置区域和各位置区域对应的食品类别；本发明可提高食品检测模型的检测性能。
一种食品检测系统模型训练方法

[发明专利]一种用于食品图像分类的模型的训练方法和图像检索方法-CN202211579758.6在审
发明人： 蒋树强;宋佳骏;李卓;闵巍庆 -专利权人：中国科学院计算技术研究所
申请日： 2022-12-06 - 公布日： 2023-03-14 - 主分类号： G06V20/68 文献下载
摘要：一种用于食品图像分类的模型的训练方法，所述模型包括特征提取器和分类器，所述方法包括：S1、获取包含多个样本和对应标签的初始的训练集并将其划分为多个批次，在每个批次基于当前批次中的样本构建多个包含锚样本、正样本和负样本的三元组，其中，每个样本为一张食品图像，样本对应的标签指示食品图像的类别；S2、对初始的训练集的每个批次选定部分三元组进行优化，优化时将选定的三元组的负样本用其正样本替代并将选定的三元组的正样本用其锚样本替代以得到优化的三元组，基于优化的三元组与未选定的三元组构成优化的训练集；S3、利用优化的训练集训练用于提取样本特征的特征提取器以及用于根据样本特征对样本进行分类的分类器进行分批次训练。
一种用于食品图像分类模型训练方法检索

[发明专利]基于反事实分析的第一视角视频行为预测模型训练方法-CN202210985312.7在审
发明人： 蒋树强;张天予;闵巍庆 -专利权人：中国科学院计算技术研究所
申请日： 2022-08-17 - 公布日： 2022-11-18 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种基于反事实分析的第一视角视频行为预测模型训练方法，采用第一视角视频训练集对预测模型进行多轮迭代训练直至收敛，其中，每轮训练包括：分别提取每个样本的视觉特征和语义特征；分别对视觉特征和语义特征进行编解码处理得到视觉特征对应的下一时刻的高维特征向量和语义特征对应的下一时刻的高维特征向量；基于高维特征向量分别获得下一时刻的反事实预测向量和事实预测向量；从每个样本对应的事实预测向量中按照相似度抠除反事实预测向量得到下一时刻的最终行为预测向量；每个样本的下一时刻的行为对应的最终预测向量与对应下一时刻的行为标签对应的向量之间的交叉熵损失更新预测模型的参数。
基于事实分析第一视角视频行为预测模型训练方法

[发明专利]一种基于小样本数据的团餐图像检测方法-CN202210931955.3在审
发明人： 蒋树强;闵巍庆;梅舒 -专利权人：中科苏州智能计算技术研究院
申请日： 2022-08-04 - 公布日： 2022-11-18 - 主分类号： G06V20/68 文献下载
摘要：本发明公开了一种基于小样本数据的团餐图像检测方法，该方法利用已有的基础数据库构建基本检测模型，并构建元模型，通过比对基础类的特征和元模型学习基础特征，调整基础特征的重要程度，并在新数据小样本上进行目标检测。该方法采用“端到端”训练方法，将训练和分类融入到同一套框架，且准确率方面相比于传统算法更高，平均识别准确率98%左右，识别速度0.02s一张，完全能满足实用所需；同时，通过度量学习的方法，解决了现有方法在训练阶段样本不充分情况下导致模型过拟合或性能恶化的问题。
一种基于样本数据图像检测方法

[发明专利]一种团餐场景菜品数据合成方法-CN202210757152.0在审
发明人： 蒋树强;闵巍庆;梅舒欢;苏海涛 -专利权人：中科苏州智能计算技术研究院
申请日： 2022-06-30 - 公布日： 2022-10-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种团餐场景菜品数据合成方法，通过对单个菜品进行前后景分离、分割、背景合成、菜品拼接，合成目标识别所需的数据，具体流程包括：S1：对数十类以上的单个菜品图像分别进行分割，并获得分割mask区域；S2：采集盘子的背景图像，并对背景图像进行3×2区域划分；S3：通过mixup进行随机菜品和背景盘子的拼接，生成团餐场景菜品训练数据。应用该数据合成方法生成用于团餐场景菜品识别算法模型训练的数据集，减少了对标签数据的需求，节约了人力成本；而且增强了目标识别算法下训练数据的泛化能力，有利于提高模型训练过程中新菜品特征的学习效率和识别精度。
一种场景菜品数据合成方法

[发明专利]视觉文本预训练模型的训练方法、装置、介质和设备-CN202210612980.5在审
发明人：郑茂;袁宇辰;柴子峰;蒋树强;黎向阳;朱永清;杨嘉豪 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-05-31 - 公布日： 2022-09-30 - 主分类号： G06V10/80 文献下载
摘要：本申请提供了一种视觉文本预训练模型的训练方法、装置、介质和设备，可应用于人工智能、计算机视觉、智慧交通等场景，该方法包括：根据视频文本样本对进行特征提取得到初始视频特征和初始文本特征；根据初始视频特征和初始文本特征进行特征融合得到融合特征；根据融合特征和预设的多个中间特征确定桥接特征；根据初始视频特征、初始文本特征、桥接特征和预设的掩码矩阵确定目标视频特征和目标文本特征，预设的掩码矩阵用于使初始视频特征和初始文本特征相互掩模；根据初始视频特征、初始文本特征、桥接特征、目标视频特征以及目标文本特征确定目标函数，并根据目标函数对进行模型训练，以学习多模态交互信息、且保持多模态之间的模态分离性。
视觉文本训练模型方法装置介质设备

[发明专利]基于极坐标和颜色阈值的颜色餐盘检测方法-CN202210609926.5在审
发明人： 蒋树强;闵巍庆;梅舒欢;苏海涛 -专利权人：中科苏州智能计算技术研究院
申请日： 2022-05-31 - 公布日： 2022-09-20 - 主分类号： G01J3/46 文献下载
摘要：本发明公开了一种基于极坐标和颜色阈值的颜色餐盘检测方法，特点是：依次通过颜色阈值、极坐标及霍夫曼圆的方法，将未遮挡部分的圆弧、轮廓形状和轮廓面积转化成极坐标进而确定圆，针对菜品边缘遮挡，餐具贯穿遮挡，大排等大物遮挡效果情况下，达到提高对餐盘识别准确率的目标。本案使用极坐标和笛卡尔坐标参数作为判定条件，即使在多个遮挡，多个圆弧的情况下也可以精准判定识别餐盘圆弧，在遮挡的问题方面有较大的改进提升，解决了部分遮挡、大物遮挡及贯穿遮挡导致餐盘识别错误的问题。
基于坐标颜色阈值检测方法

[发明专利]一种训练场景图像分类模型的方法及场景图像分类方法-CN202210758373.X在审
发明人： 蒋树强;陈恭巍;宋新航;王博瀚 -专利权人：中国科学院计算技术研究所
申请日： 2022-06-29 - 公布日： 2022-09-13 - 主分类号： G06V20/00 文献下载
摘要：本发明提供一种训练场景图像分类模型的方法，所述模型包括卷积神经网络、类别激活图模块，所述方法包括：S1、获取多个原始场景图像并组成原始场景图像数据集，其中，每个原始场景图像对应有场景分类标签；S2、对每个原始场景图像进行掩盖处理来获得其对应的修改图像，并将原始场景图像的场景分类标签作为其对应修改图像的场景分类标签，将原始场景图像与其对应修改图像组成图像对，所有的图像对组成训练集；S3、采用训练集将模型训练至收敛。本发明使得场景图像分类模型去探索了更多的大聚焦区域，提高了场景分类效果。
一种训练场景图像分类模型方法

[发明专利]基于数字图像处理的团餐菜品数据合成方法-CN202210613833.X在审
发明人： 蒋树强;闵巍庆;梅舒欢;苏海涛 -专利权人：中科苏州智能计算技术研究院
申请日： 2022-06-01 - 公布日： 2022-09-09 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于数字图像处理的团餐菜品数据合成方法，特点是：通过对替换图片进行最小矩阵处理，获取最小矩阵斜边与水平线的偏转角度，进行图片矫正，最后抓取图片的四个边缘点坐标；对待替换目标处理，设置两种方法分别是构建鼠标点击函数，通过鼠标点击获取代替换目标的位置信息和通过导入标注文件获取待替换目标的位置信息；基于获取到的目标餐盘抠图图像信息，构建单应矩阵函数，将待替换目标位置信息和替换图片的边缘点信息作为输入，其输出为合成的新数据。本案通过单应矩阵的方法，获取代替换目标的位置信息和替换图片的信息，进而使替换图片和待替换目标完成尺寸大小不变，最小矩阵不变和偏转角度不变的平替效果。
基于数字图像处理菜品数据合成方法

[发明专利]一种数据分类方法及电子设备-CN201610509623.0有效
发明人： 蒋树强;李雪;贺志强 -专利权人：联想（北京）有限公司;中国科学院计算技术研究所
申请日： 2016-06-30 - 公布日： 2022-05-31 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种数据分类方法，用于提供一种较好的增量学习的方式。所述方法包括：获取待学习的第一数据；通过分类器根据所述第一数据确定N个分界面；所述分界面用于对数据进行分类；N为正整数；基于所述N个分界面确定至少两个数据类别，且将所述第一数据分配到所述至少两个数据类别中的第一数据类别；所述第一数据类别为根据所述第一数据新增的数据类别或原有的数据类别。本发明还公开了相应的电子设备。
一种数据分类方法电子设备

[实用新型]一种振动沉管桩桩尖结构-CN202123006523.1有效
发明人：李志浩;李哲;刘建军;蒋树强;李彬彬;纪伟;朱张英;胡航;孙贵平;吕越洋 -专利权人：中建筑港集团有限公司
申请日： 2021-12-01 - 公布日： 2022-05-03 - 主分类号： E02D5/72 文献下载
摘要：本实用新型涉及一种振动沉管桩桩尖结构，其技术方案的要点是包括桩管以及固定在桩管下端的靴管，所述靴管的下端设置有两个倾斜相交的下沉斜面，两下沉斜面处分别设置有用于对靴管下端开口进行密封的活动密封板，所述靴管的周壁上固定有一对安装板，两安装板之间设置有铰接轴，所述铰接轴的两端分别与两安装板固定连接；所述活动密封板的端部固定有连接套，所述连接套绕铰接轴轴线与铰接轴铰接；所述铰接轴的下部固定有冲击刃；本实用新型能够减小桩管的下沉阻力以及其端部铰接轴在使用过程的弯曲变形现象。
一种振动桩桩结构

[发明专利]目标图像识别方法及装置、电子设备及可读存储介质-CN202111621115.9在审
发明人：魏晓明;王致岭;闵巍庆;康丽萍;魏晓林;蒋树强 -专利权人：北京三快在线科技有限公司;中国科学院计算技术研究所
申请日： 2021-12-27 - 公布日： 2022-04-29 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种目标图像识别方法及装置、电子设备及可读存储介质。其中，该方法包括：将目标图像输入至预先训练完成的目标图像识别模型；通过目标图像识别模型的特征学习模块，获取目标图像对应的多个不同维度的多个局部特征，以及确定多个局部特征对应的多个第一向量表示；通过目标图像识别模型的特征增强模块，确定多个局部特征对应的第二向量表示；通过目标图像识别模型的特征分类模块，对多个第一向量表示以及第二向量表示进行分类，以得到目标图像的预测结果。本发明解决了由于相关技术中食品图像预测结果准确性低的技术问题。
目标图像识别方法装置电子设备可读存储介质

1
2
3
下一页»
尾页
共 41 条