[发明专利]用于偏差分析的候选特征的确定在审
| 申请号： | 202111497324.7 | 申请日： | 2021-12-09 |
| 公开（公告）号： | CN115457341A | 公开（公告）日： | 2022-12-09 |
| 发明（设计）人： | P.奥哈拉;M.C.考夫曼;A.班纳吉;I.丹佛;A.麦克沙恩 | 申请（专利权）人： | 商业对象软件有限公司 |
| 主分类号： | G06V10/771 | 分类号： | G06V10/771;G06V10/74;G06V10/764 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 邵亚丽 |
| 地址： | 爱尔兰*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了用于偏差分析的系统和方法。该方法包括:基于与离散值相关联的连续特征的值，为多个离散特征中的每一个确定离散特征的每个离散值的统计，基于为离散特征的每个离散值确定的统计，为每个离散特征确定第一概要统计，基于为离散特征确定的第一概要统计和为离散特征的每个离散值确定的统计，为每个离散特征确定相异度，基于所确定的相异度确定离散特征的候选离散特征，候选离散特征包括少于所有的离散特征，基于与候选离散特征的每个离散值相关联的连续特征的值，为候选离散特征中的每一个确定第二概要统计，基于第二概要统计确定候选离散特征中的每一个的偏差分数，以及基于所确定的偏差分数呈现候选离散特征。 | ||
| 搜索关键词： | 用于 偏差 分析 候选 特征 确定 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于商业对象软件有限公司，未经商业对象软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111497324.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 向量确定方法、装置、计算机设备和存储介质-202310898467.1
- 黄川;程宏俊;吴慧兰;郁培基;谭志林;张飞;付文;曹磊;朱文兵;范立青 - 中信湘雅生殖与遗传专科医院有限公司;苏州超云生命智能产业研究院有限公司
- 2023-07-21 - 2023-10-27 - G06V10/771
- 本申请涉及一种向量确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标图像，对目标图像进行局部特征提取，得到特征图像；对特征图像进行深层次特征提取，得到深层次特征向量；对特征图像进行全局特征提取，得到全局特征向量；局部特征提取和全局特征提取所使用的神经网络不同；确定深层次特征向量在全局特征向量上的正交投影向量；将正交投影向量与深层次特征向量进行拼接，得到目标图像所对应的目标向量；目标向量为用于进行相似度度量学习的特征向量。采用本方法能够提高目标向量的准确性。
- 一种筛选局部特征点的方法及装置-201880089229.3
- 林天鹏;占云龙;左韶军;赵强;王林召 - 华为技术有限公司
- 2018-06-13 - 2023-10-27 - G06V10/771
- 本申请实施例提供一种筛选局部特征点的方法及装置，涉及图像处理领域，用于解决现有技术中筛选出的局部特征点在图像中分布比较集中且误差较大的问题。该方法包括：确定第一帧图像中每个网格所包含的局部特征点；利用第二帧图像中每个网格的局部特征点的信息分别对第一帧图像中处于相同位置的网格所包含的局部特征点进行筛选，以得到第一帧图像中每个网格保留的局部特征点，其中，第二帧图像为第一帧图像的上一帧图像，第一帧图像和第二帧图像的尺寸相同，第一帧图像和第二帧图像中处于相同位置的网格一一对应；根据第一帧图像中每个网格中保留的局部特征点的信息确定待输出的局部特征点。
- 一种高光谱图像的波段选择方法、装置及计算机设备-202310926224.4
- 陈涛;孙悦;陈华月 - 西华师范大学
- 2023-07-25 - 2023-10-20 - G06V10/771
- 本发明提供了一种高光谱图像的波段选择方法、装置及计算机设备，属于高光谱图像领域，包括如下步骤：获取高光谱图像数据集；野马优化器IBSWHO使用Sobol序列对所述高光谱图像数据集进行种群初始化；对初始化后的种群进行柯西变异扰动，以更新局部最优波段子集；使用动态随机搜索技术对更新后的局部最优波段子集进行迭代搜索，得到满足标准的波段子集；使用SVM分类器对满足标准的波段子集进行波段选择，得到目标波段。本发明搜索能力和收敛性能较好，具有较好寻优效果；其分类效果优于常用波段选择方法。
- 用于对有用学习数据进行取舍筛选的基于CNN的方法及装置-201911007257.9
- 金桂贤;金镕重;金寅洙;金鹤京;南云铉;夫硕焄;成明哲;吕东勋;柳宇宙;张泰雄;郑景中;诸泓模;赵浩辰 - 斯特拉德视觉公司
- 2019-10-22 - 2023-10-20 - G06V10/771
- 本发明涉及用于对有用学习数据进行取舍筛选的基于CNN的方法及装置，该学习方法包括以下步骤：学习装置(a)使第一CNN模块(i)生成第一特征映射，使第二CNN模块生成第二特征映射，(ii)使用第一特征映射生成表示对象的识别信息或位置信息的第一输出，并参考第一输出和与其对应的GT图像来生成第一损失，(b)使第二CNN模块(i)改变第一特征映射的尺寸，然后整合第一特征映射和第二特征映射，产生第三特征映射，(ii)产生第四特征映射，并计算第二损失；以及(c)参考第一损失和第二损失计算自动筛选器损失。
- 一种基于改进正余弦优化算法的乳腺癌图像特征选择方法-202010784030.1
- 汪鹏君;周伟;陈慧灵;李洪;陈博 - 温州大学
- 2020-08-06 - 2023-10-20 - G06V10/771
- 本发明提供一种基于改进正余弦优化算法的乳腺癌图像特征选择方法，包括提取乳腺癌图像特征的特征数据，得到训练样本集，并初始化种群；根据述训练样本集设计支持向量机分类器，并进行分类；计算当前种群的适应度值，并更新樽海鞘和灰狼策略中相关参数；设置正余弦优化算法的相关参数，并获取通过正余弦优化算法更新的种群；将所获取的正余弦优化算法更新的种群分别通过樽海鞘、灰狼和莱维飞行策略进行更新，以获取三个种群；通过贪婪选择筛选出最佳种群；若符合终止条件，则结束并输出最优解，否则继续迭代直至迭代计算结束。实施本发明，能解决正余弦优化算法的陷入局部最优解、收敛速度慢等问题，实现对乳腺癌图像的分类及预测。
- 数据筛选方法、装置、车载设备和存储介质-202310950633.8
- 尤超勤;舒寒丹 - 福思（杭州）智能科技有限公司
- 2023-07-31 - 2023-10-20 - G06V10/771
- 本申请涉及一种数据筛选方法、装置、车载设备和存储介质。所述方法包括：获取不同传感器在同一驾驶环境中采集的驾驶数据；其中，驾驶数据包括多个数据帧；对驾驶数据进行特征提取，得到目标感知信息；其中，目标感知信息包括目标对象的不同特征维度的特征信息；针对目标对象，对目标感知信息中的至少一个相同特征维度的特征信息进行逐帧检测，从驾驶数据中确定异常数据片段；基于预设场景标签对驾驶数据进行提取，得到与预设场景标签对应的目标场景数据片段；对异常数据片段和目标场景数据片段进行筛选，得到目标筛选数据。采用本方法能够提高筛选数据的质量以及完善驾驶场景数据。
- 一种图像特征点过滤方法以及终端-201911368851.0
- 邹李兵;张一凡;李保明;宁越 - 歌尔股份有限公司
- 2019-12-26 - 2023-10-17 - G06V10/771
- 本申请公开了一种图像特征点过滤方法以及终端。图像特征点过滤方法包括：为图像中提取的特征点设置质量分值，根据特征点以及特征点的质量分值，训练神经网络模型；一次过滤启动后，获取一帧原始图像并提取所述原始图像的特征点；将所述原始图像以及所述原始图像的特征点输入到神经网络模型中，得到所述原始图像的特征点对应的质量分值并输出所述原始图像的特征点对应的质量分值；根据所述原始图像的特征点对应的质量分值以及预设过滤规则，过滤所述原始图像的特征点。图像特征点过滤方法可提高重定位应用场景中特征点的匹配成功率，从而提升定位效率。终端能对特征点进行过滤减少特征点数量，从而减少对计算和存储资源的需求。
- 深度学习模型的训练方法、图像处理方法和装置-202211147121.X
- 李弼;彭楠;希滕;张刚 - 北京百度网讯科技有限公司
- 2022-09-20 - 2023-10-17 - G06V10/771
- 本公开提供了一种深度学习模型的训练方法，涉及人工智能、深度学习和计算机视觉领域。具体实现方案为：深度学习模型包括级联的L个特征计算层；从样本图像的M个特征中确定部分特征作为第1层的冗余特征，将M个特征中除冗余特征外的剩余特征输入第1层，得到第1层的输出特征，其中，M为大于等于2的整数；将第i层的输出特征和第i层的冗余特征组成第i+1层的全量特征，从第i+1层的全量特征中确定部分特征作为第i+1层的冗余特征，将第i+1层的全量特征中除第i+1层的冗余特征外的剩余特征输入第i+1层，得到第i+1层的输出特征，其中，i＝1，……L‑1；根据第L层的输出特征，确定深度学习模型的损失；以及根据损失，调整深度学习模型的参数。
- 一种图形用户界面的元素识别方法、装置及系统-202310816275.1
- 申广鸽;李亚萍;王松鹤 - 百富计算机技术（深圳）有限公司
- 2023-07-04 - 2023-10-10 - G06V10/771
- 本申请适用于计算机技术领域，提供了一种图形用户界面的元素识别方法、装置及系统，其中，上述方法包括：获取图形用户界面的界面特征；基于预设的识别规则，对所述界面特征进行识别，得到识别结果；其中，所述识别规则是迭代规则集合中识别准确率和/或识别速度满足预设条件的规则。通过上述方法，将图形用户界面的界面特征和识别规则进行匹配，根据筛选出来的识别规则，确定图形用户界面中的界面特征为识别结果，其中识别规则是对图形用户界面的识别准确率和/或识别速度满足预设条件的识别规则，通过上述方法能够确定更准确或更快的识别规则，从而使图形用户界面元素的识别结果更为准确或者减少识别过程所需的时间。
- 一种基于克隆选择算法的隐写分析特征选择方法-202310806326.2
- 王宏霞;刘育 - 四川大学;郑州信大先进技术研究院
- 2023-07-01 - 2023-10-03 - G06V10/771
- 本发明公开了一种基于克隆选择算法的隐写分析特征选择方法，针对经典的富模型隐写分析特征维数过高且包含大量冗余特征的问题，本发明基于克隆选择算法实现了对高维隐写分析特征集的约简，通过设计特征的亲和度函数Af来计算特征的亲和度值aff，并按照亲和度值的高低对特征进行排序，通过T轮迭代从处于特定小生境中的特征筛选出最佳特征子集F，并经变异操作，得到变异的特征子集Fm；比较特征子集F和变异特征子集Fm的分类性能，得到该小生境的最终的特征子集C；在T轮迭代完成后获得目标特征子集C1。本发明方法计算容易实现，且能在保证检测精度的同时大大降低特征维数，且对空域和JPEG域的隐写分析特征均有效，具有实用价值。
- 一种构建多视角相机俯视特征图的高效方法与系统-202310757148.9
- 王春现;蒋达夫 - 智己汽车科技有限公司
- 2023-06-26 - 2023-09-29 - G06V10/771
- 本发明涉及一种构建多视角相机俯视特征图的高效方法与系统，涉及智能驾驶视觉感知领域，应用于车辆，所述车辆上安装有多个视角相机，各所述相机成像覆盖所述车辆周侧范围，所述方法包括：构建包括无效深度层以及多个有效深度层的视锥点云空间模型；利用深度学习模型获取并过滤位于所述无效深度层的无效像素数据，获得目标像素数据；利用所述深度学习模型处理所述目标像素数据生成俯视特征图。本发明具有降低构建多视角相机俯视特征图时的计算量、提高构建俯视特征图构建效率的效果。
- 一种图的特征选择方法及系统-202010679163.2
- 何芳;贾维敏;张峰干;伍宗伟;沈晓卫;赵建伟;胡豪杰;金伟;何佑明;朱玉杰 - 中国人民解放军火箭军工程大学
- 2020-07-15 - 2023-09-29 - G06V10/771
- 本发明涉及一种图的特征选择方法及系统。所述方法包括根据图的像素点构造自适应近邻图；根据所述图的像素点确定投影矩阵；对所述初始图和所述投影矩阵进行半监督学习，得到半监督特征选择模型；获取待特征选择的图；采用所述半监督特征选择模型对所述待特征选择的图进行特征选择。本发明所提供的一种图的特征选择方法及系统，选取数据的重要特征，降低数据间的冗余性，解决大规模数据降维问题。
- 一种用于电阻抗成像技术中多维参数的不确定性量化方法-202211213824.8
- 赵营鸽;李颖;王灵月;闫延鹏;靳瑞霞;吴贝贝 - 赵营鸽
- 2022-09-30 - 2023-09-15 - G06V10/771
- 本发明提供了一种用于解决电阻抗成像技术中多维参数的不确定性量化方法。该方法首先通过训练深度神经网络用于构建原不确定系统的替代模型，进而基于深度神经网络替代模型，结合单变元降维法对不确定性参数分析量化，最终得到不确定性输出的分布。并与基准方法对比，评估本发明方法的性能。结果表明，本发明方法计算精度高，能准确量化输出的不确定性；在随着参数的不确定性维度增加时，能够有效解决高维参数的不确定性量化问题，缓解了“维数灾难”，且不受变量间是否存在交互作用的限制，有效降低了计算成本。此外，该方法也可拓展应用于其它复杂领域的不确定性系统量化中。
- 面向目标计数的选择性继承学习方法、装置以及电子设备-202310765059.9
- 白磊;韩滔;欧阳万里 - 上海人工智能创新中心
- 2023-06-27 - 2023-09-12 - G06V10/771
- 本申请涉及计算机视觉技术领域，公开了一种面向目标计数的选择性继承学习方法、装置以及电子设备。所述方法将目标图像输入特征提取网络，提取到多个不同分辨率的第一特征；按照分辨率从低到高的次序，利用预设的选择性继承适配器从低分辨率的融合特征中提取并传递第二特征，并将第二特征与高分辨率的第一特征融合生成高分辨率的融合特征；其中，第二特征为低分辨率的融合特征中最具有鉴别性的特征区域；将最高分辨率下的融合特征作为目标特征，并根据目标特征进行目标计数。本申请实施例可以在每个分辨率下选择最具有鉴别性的特征区域进行特征学习，并从低分辨率向高分辨率逐步继承具有鉴别性的特征，可以有效解决尺度变化的问题。
- 一种融合改进过滤式与封装式策略的湿地特征集优选方法-202310675270.1
- 赵金奇;张庆洁;霍雯浩;商浩淼;舒菲娅;曹婧淼;谢诗雯;李宇轩;陈志盛;刘瑶;王猛 - 莱斯科技（湖北）有限公司
- 2023-06-08 - 2023-09-05 - G06V10/771
- 本发明公开了一种融合改进过滤式与封装式策略的湿地特征集优选方法，其步骤包括：根据研究区的实际情况，完成样本选取及建立分类体系；选取多源遥感数据，并对各数据进行相应的预处理；对预处理后的数据进行特征提取并构建原始特征集；将LS、DC以及JM距离三种单准则过滤式算法进行融合得到MCF‑LDJ算法，基于MCF‑LDJ对原始特征集进行初步选择，得到初选特征集；将步骤4中得到的初选特征集利用封装式算法进一步优选，得到最终的优选特征子集；其提出了多准则融合的过滤式算法，使计算的特征重要性更加合理。利用过滤式算法与封装式算法的互补性提高特征选择算法的运行速度和评估准确性。
- 图片处理方法、系统、设备及介质-202310668217.9
- 王立;范宝余;郭振华;李仁刚 - 苏州浪潮智能科技有限公司
- 2023-06-07 - 2023-08-25 - G06V10/771
- 本发明涉及计算机视觉领域，公开了一种图片处理方法、模型、基本块结构、设备及介质。该方法包括：获取目标图片在n个分支下提取到的n个分支特征，n为正整数；计算各个分支对应的分支特征通道权重值向量，每个分支特征通道权重值向量用于表征对应分支特征的各个通道对应的通道重要程度；使用分支特征通道权重值向量，对对应的分支特征进行通道级别的特征加权，得到n个通道加权分支特征；将n个通道加权分支特征进行融合，得到目标图片的输出特征。基于本发明提供的技术方案，可以增强网络中能够对性能有提升的通道的表达能力，同时抑制对最终结果影响不大的通道的表达能力，进而提升图片的处理效果。
- 用于泡沫浮选工况识别过程的混合特征选择方法及系统-201911241685.8
- 周晓君;王启安;徐冲冲 - 中南大学
- 2019-12-06 - 2023-08-25 - G06V10/771
- 本发明公开了用于泡沫浮选工况识别过程的混合特征选择方法及方法，分别计算出数据集中各个特征的初始权重，并根据各个特征的初始权重对所述数据集中各个特征进行排序，得到排序特征集；根据排序，使用启发式搜索算法生成多个的特征子集，并将多个特征子集分别输入至分类器中以计算多个特征子集的分类准确率，提取分类准确率最高的特征子集作为初筛特征子集；再通过二值状态转移算法迭代生成初筛特征子集的多个候选特征子集，并将多个候选特征子集输入到分类器中以计算多个候选特征子集的分类准确率，选取分类准确率最高的候选特征子集作为最优特征子集输出，能快速选取泡沫浮选工况的特征，并保证所选特征子集的分类准确率，提高工况识别的效果。
- 人脸数据清洗方法、装置、电子设备及存储介质-202310579834.1
- 陈运华;向超前;余祖杰;郭宇超 - 蓝思系统集成有限公司
- 2023-05-22 - 2023-08-18 - G06V10/771
- 本申请公开了一种人脸数据清洗方法、装置、电子设备及存储介质，属于计算机数据处理技术领域。其中，该方法包括：获取待清洗的初始人脸图像集合；计算所述初始人脸图像集合中的每个人脸图像对应的质量分数，滤除所述初始人脸图像集合中质量分数低于第一阈值的人脸图像，得到第一人脸图像集合；提取所述第一人脸图像集合中每个人员ID对应的基准人脸特征；根据所述基准人脸特征，对所述第一人脸图像集合中的人脸数据进行数据清洗。通过本申请，解决了相关技术中人脸数据清洗算法存在人脸数据库过清洗或清洗不够的技术问题。
- 基于改进型蚁群算法的高光谱影像特征选择方法及装置-201911295185.2
- 丁小辉;杨骥;李勇;李华朋;刘凌佳;吴鹏 - 广州地理研究所;南方海洋科学与工程广东省实验室（广州）
- 2019-12-16 - 2023-08-11 - G06V10/771
- 本发明涉及一种基于改进型蚁群算法的高光谱影像特征选择方法及装置，利用蚁群算法对高光谱影像的特征集进行特征选择，通过获取当前蚂蚁已选择的特征子集和候选特征，计算已选择的特征子集与候选特征之间的平均皮尔森相关系数，得到已选择的特征子集与候选特征之间的相关程度，根据所述平均皮尔森相关系数重新获取候选特征的启发函数值，根据启发函数值计算蚂蚁选择所述候选特征的概率并利用自适应的信息素更新策略及时更新路径上的信息素浓度。相比较现有技术，本发明能够有效提高高光谱影像特征选择准确性和效率。
- 图像特征检测方法、装置、电子设备及存储介质-202210062327.6
- 张超 - 北京小米移动软件有限公司
- 2022-01-19 - 2023-08-01 - G06V10/771
- 本公开涉及一种图像特征检测方法、装置、电子设备及存储介质，包括：确定待检测图像相对于对应的拼接图像的外参数矩阵，根据外参数矩阵和预设外参数矩阵阈值集合，确定外参数矩阵所在的目标外参数子矩阵，其中预设外参数矩阵阈值集合中的预设外参数矩阵阈值将预设外参数矩阵划分为多个外参数子矩阵，预设外参数矩阵阈值两侧的外参数子矩阵对应的特征检测算法不同；通过目标外参数子矩阵对应的特征检测算法对待检测图像进行特征检测。通过确定待检测图像相对于对应的拼接图像的外参数矩阵所在的目标外参数子矩阵，并通过目标外参数子矩阵预设的对应特征检测算法对待检测图像进行特征检测，可以提高全景图像拼接中图像特征检测的准确性和适用性。
- 一种平原和丘陵区的作物识别特征优选方法及系统-202310453932.0
- 张焕雪;李江明月;王琛;王昊平;陈宸;房冠儒;宋文瑶;张浩彧 - 山东师范大学
- 2023-04-20 - 2023-07-28 - G06V10/771
- 本发明提出了一种平原和丘陵区的作物识别特征优选方法及系统，包括：制定查找表，将制图单元的最佳特征集与相应的景观模式标签均存储到查找表中；获取待查询的农田景观区景观模式，根据查找表中的记录，输出当前景观模式对应的制图单元和最佳特征集合；采用相应制图单元的最佳特征集和分类器，完成待查询的农田景观区景观模式的作物分类任务。本发明所述方法适用于平原和丘陵区作物分类和制图单元优选，方法可行性、稳健性和分类结果准确度较高。
- 一种特征比对方法、装置及设备-201910980095.0
- 罗仕胜;陈益新;李二连 - 杭州海康威视数字技术股份有限公司
- 2019-10-15 - 2023-07-28 - G06V10/771
- 本申请提供一种特征比对方法、装置及设备，该方法包括：从所有GPU中确定出用于处理待检测特征的至少一个目标GPU；将待检测特征发送给目标GPU，以使目标GPU根据待检测特征与第一特征库中的每个第一特征模型之间的相似度，将第一特征库中的多个第一特征模型的模型信息发送给CPU；根据目标GPU发送的模型信息，从第二特征库中选取多个第二特征模型；根据待检测特征与选取的每个第二特征模型之间的相似度，从多个第二特征模型中确定出至少一个目标特征模型；第一特征库中的第一特征模型的特征点数量小于第二特征库中的第二特征模型的特征点数量。通过本申请的技术方案，通过GPU加载小特征模型的方式，扩大GPU加载的特征模型数量，并保障比对精度。
- 一种基于特征共享的多尺度特征融合方法-202210011977.8
- 陈忠昊;高红民;张亦严 - 河海大学
- 2022-01-06 - 2023-07-25 - G06V10/771
- 本发明公开了一种基于特征共享的多尺度特征融合方法，属于人工智能领域。所述方法包括：在主干提取网络提取的多尺度特征中，选取所有不同尺度的特征图作为输出特征，其中，选出的特征图具有不同大小的空间尺度；为所述输出特征构建基于共享机制的多尺度特征融合模块，所述多尺度特征融合模块通过逐点卷积和深度卷积并行的方式来实现尺度间的强融合，使得在保证每个特征图在包含原有尺度的特征的上下文语意信息外还包含其他来自其他所有尺度特征的融合特征；根据融合后的特征，对图像/视频中的目标进行分割、分类以及检测。采用本发明，能够提高对提取到的多尺度特征的利用率以提高模型性能。
- 一种基于神经网络模型剪枝的特征波段选择方法-202310237510.X
- 庞锟锟;刘忆森;周松斌;廖奕校;赵路路;殷泽轩 - 广东省科学院智能制造研究所
- 2023-03-10 - 2023-06-27 - G06V10/771
- 本发明提供一种基于神经网络模型剪枝的特征波段选择方法，该方法包括如下步骤：获取高光谱数据集；将所述数据集分为训练集、验证集和预测集；根据所述数据集构建分类网络模型；构建用于训练所述分类网络模型的损失函数；将所述训练集和验证集输入分类网络模型进行训练，针对特征波段进行修剪，筛选出具有判别性的高光谱数据波段；利用训练好的分类网络模型和筛选得到的波段对所述预测集进行分类，得到分类结果。本发明在保证分析技术精度的同时减少所需波段，可保留对分类具有更强判别性的波段，从而使得分类准确率有着明显提升，提高了分类模型的泛化性，降低了工业现场的高光谱数据获取成本。
- 一种双通道人脸识别方法及装置-202310100987.3
- 吴筝 - 北京六律科技有限责任公司
- 2023-01-18 - 2023-06-27 - G06V10/771
- 本申请实施例提供一种双通道人脸识别方法及装置，所述方法包括，从动态验证视频获取多张人脸图像；对所述人脸图像进行预处理，获取预处理图像；使用图像分类模型进行特征提取，获取多个多维特征向量；对所述多维特征向量分类，获取特殊多维向量或一般多维向量；标记具有所述特殊多维向量的所述预处理图像为个性脸图像，其余为大众脸图像；使用双通道识别模型识别所述个性脸图像或大众脸图像；所述个性脸图像通过计算所述特殊多维向量与数据库人脸图像的相似度，获取人脸识别结果；所述大众脸图像通过面部特征深度学习，获取人脸识别结果。本申请实施例中，针对不同辨识度的人脸图像，灵活采用不同的人脸识别算法，有利于提高识别效率。
- 一种信息增益混合邻域粗糙集的高维度特征选择方法-201910168981.3
- 陆惠玲;周涛;张飞飞;梁蒙蒙;杨健 - 宁夏医科大学
- 2019-03-06 - 2023-06-27 - G06V10/771
- 本发明公开了一种信息增益混合邻域粗糙集的高维度特征选择方法，具体步骤包括如下：步骤一：数据预处理；步骤二：图像分割；步骤三：特征提取；步骤四：特征归一化；步骤五：基于信息增益的特征选择；步骤六：基于领域粗糙集的特征选择；步骤七：对两次约简结果进行分类识别。本发明公开提供了一种信息增益混合邻域粗糙集的高维度特征选择方法，并从理论层面分析两阶段约简算法的可行性。算法可以提高算法的正确率，有效降低时间复杂度，并且综合对比不同方法构建的高维特征选择算法的性能，确保本文方法的优越性，从模型方法的逐步选择上保证结果的科学性，对肺部肿瘤良恶性的识别具有一定的参考价值。
- 一种图像特征点的选取方法、装置、电子设备及存储介质-202310301526.2
- 杨黎健;胡继浩;王歆誉;何宗权;胡一琳;黄冠星 - 广汽埃安新能源汽车股份有限公司
- 2023-03-23 - 2023-06-23 - G06V10/771
- 本申请实施例提供一种图像特征点的选取方法、装置、电子设备及存储介质，其中，该方法包括：获取输入图像；对所述输入图像进行特征点检测，得到多个特征点；对所述输入图像进行网格划分，得到网格图像；将多个特征点与所述网格图像进行匹配，得到所述网格图像中的每个网格对应的特征点数量；根据所述每个网格对应的特征点数量对所述多个特征点进行特征点筛选，得到目标特征点。实施本申请实施例，可以提高对图像特征点的选取能力，使得特征点的鲁棒性更高，确保对图像特征的完整提取，提高对多帧图像检测过程中的效率和准确率。
- 工件圆孔识别方法、装置、设备及存储介质-202211089715.X
- 王永飞;张传明;齐建潮;辛凤奎;阮利春 - 东风汽车有限公司东风日产乘用车公司
- 2022-09-07 - 2023-06-23 - G06V10/771
- 本发明公开了一种工件圆孔识别方法、装置、设备及存储介质，属于视觉定位技术领域。本发明通过获取输入的工件图像；将工件图像与模板图像进行匹配，以识别工件图像上的多个待筛选工件圆孔；基于预设特征阈值对多个待筛选工件圆孔进行特征筛选，得到多个候选工件圆孔；对各个候选工件圆孔进行特征评价，并根据评价结果从多个候选工件圆孔中筛选出目标工件圆孔，先对输入的工件图像进行模板匹配，然后针对识别到的圆孔特征进行二阶孔特征计算，最后再通过特征筛选以及特征评价，准确地得到工件上的圆孔，通过特征筛选和特征评价这两个方面共同保证圆孔特征提取的准确性，克服、光照变化、大尺寸、阴影遮挡等因素的干扰，稳定性强。
- 基于无监督特征选择的图像特征降维方法、装置及设备-202211624660.8
- 张新禹;郑钧璟;霍凯;姜卫东;刘永祥;张双辉;夏靖远;杨磊 - 中国人民解放军国防科技大学
- 2022-12-16 - 2023-06-23 - G06V10/771
- 本申请涉及一种基于无监督特征选择的图像特征降维方法、装置及设备。所述方法包括：通过将样本图像基于像素进行展开得到对应的样本向量，并将各样本向量进行排列构成数据矩阵，再基于数据矩阵以及半正定约束，构建SPCA无监督特征选择凸模型，并交替利用导数与半正定投影对SPCA无监督特征选择凸模型进行迭代求解，直至收敛，得到最优重构矩阵，根据最优重构矩阵对数据矩阵进行特征降维。采用本方法能够同时兼顾图像特征降维的性能、算法稳定性与运算效率。
- 一种基于spark的图像处理方法及系统-202310242960.8
- 陈金源 - 合肥追善网络科技有限公司
- 2023-03-14 - 2023-05-30 - G06V10/771
- 本申请实施例涉及图像处理和大数据并行处理技术领域，具体涉及一种基于spark的图像处理方法及系统。该方法首先提取待处理图像的图像特征；其次将所述图像特征进行聚类分析，构建视觉词袋模型，得到视觉词袋特征向量；然后在所述待处理图像中划分不同的尺度空间，构建图像空间金字塔模型；最后将所述视觉词袋特征向量输入至所述图像空间金字塔模型，得到所述待处理图像的图像特征信息，得到了更加准确的图像特征信息，为后续在spark平台上进行图像分类打下了良好的基础。
- 专利分类
