“识别域”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果832516个，建议您升级VIP下载更多相关专利

[发明专利]身份比对识别方法、装置及终端设备-CN202210081907.X在审
发明人：陶大鹏;李华锋;林旭 -专利权人：云南联合视觉科技有限公司
申请日： 2022-01-24 - 公布日： 2022-05-27 - 主分类号： G06V40/70 文献下载
摘要：本发明提出一种身份比对识别方法、装置及终端设备，所述方法包括如下步骤：通过神经网络构建源域身份比对识别模型和目标域身份比对识别模型；利用源域身份图像对所述源域身份比对识别模型进行训练，提取所述源域身份比对识别模型的引导参数；利用目标域身份图像和所述引导参数对所述目标域身份比对识别模型进行训练，得到训练好的目标域身份比对识别模型；通过所述训练好的目标域身份比对识别模型对身份图像进行识别。本发明通过利用目标域身份图像和所述引导参数对所述目标域身份比对识别模型进行训练，得到训练好的目标域身份比对识别模型，能够有效缓解源域与目标域间域偏移带来的不利影响，提升识别速度和性能。
身份识别方法装置终端设备

[发明专利]一种面向手势识别的领域自适应方法及系统-CN202211477992.8有效
发明人：卫文韬;任林燕;周博文 -专利权人：南京理工大学
申请日： 2022-11-23 - 公布日： 2023-06-30 - 主分类号： G06V40/20 文献下载
摘要：本发明的目的是提供一种面向手势识别的领域自适应方法及系统，涉及手势识别技术领域，获取用户的待识别目标域表面肌电信号；将待识别目标域表面肌电信号分别输入到多个目标域手势识别模型中，得到多个源域视角下的目标域手势识别结果；不同目标域手识别模型使用的训练数据的源域不同；根据多个源域视角下的手势识别结果，以及每个源域视角下的权重，确定待识别目标域表面肌电信号的手势种类。本发明通过构建不同源域下的目标域手势种类识别模型，并基于多个目标域手势识别模型的识别结果进行融合，提高手势识别的准确性。
一种面向手势识别领域自适应方法系统

[发明专利]一种多源特征多层次综合识别处理架构-CN202211636452.X在审
发明人：李归;邬诚;马咏雪;姚元;王霞;邢文革;任财;谢燕军 -专利权人：中国电子科技集团公司第十四研究所
申请日： 2022-12-20 - 公布日： 2023-01-20 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种多源特征多层次综合识别处理架构，包括单感知域识别层、跨域多特征识别层、决策级融合识别层，所述单感知域识别层用于负责完成电磁散射、电磁辐射、光频、声频不同感知域的目标识别；所述跨域多特征识别层用于根据电磁散射、电磁辐射、光频、声频不同感知域的特征，完成跨域多特征的目标识别；所述决策级融合识别层用于根据单感知域识别层识别结果、跨域多特征识别层识别结果及其他来源识别结果完成决策级目标融合识别。本发明可满足单感知域识别、跨域多特征识别、决策级融合识别等多维度、多层次的识别需求；具有普适性及良好的泛化性能，为综合识别技术工程化应用提供支持。
一种特征多层次综合识别处理架构

[发明专利]跨域抓取识别方法、装置、电子设备及存储介质-CN202110434039.4在审
发明人：伍广彬;言宏亮;夏壮;娄常绪;曹晟;于波;张华 -专利权人：深圳市格灵精睿视觉有限公司
申请日： 2021-04-22 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种跨域抓取识别方法、装置、电子设备及存储介质，涉及视觉技术领域，其中跨域抓取识别方法包括：生成图像跨域生成式对抗网络；利用所述图像跨域生成式对抗网络将源域图像生成具有目标域风格的伪目标域图像；构建初始抓取识别模型；利用所述伪目标域图像预训练所述初始抓取识别模型；根据预设的域分类器和所述初始抓取识别模型得到目标物体跨域抓取识别模型；建立多目标物体抓取数据集，根据所述多目标物体抓取数据集和所述目标物体跨域抓取识别模型进行复杂场景中目标物体的跨域抓取识别上述跨域抓取识别方法，能够从数据层面和网络结构层面减小异域数据的差异，实现抓取识别模型的有效跨域迁移。
抓取识别方法装置电子设备存储介质

[发明专利]一种基于渐进式子域挖掘的单源域领域泛化步态识别方法-CN202310498977.X有效
发明人：单彩峰;王玚;黄延;陈宇 -专利权人：山东科技大学
申请日： 2023-05-06 - 公布日： 2023-08-15 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于渐进式子域挖掘的单源域领域泛化步态识别方法，属于步态识别技术领域，该方法为：在多个域中分别采集独立的数据集；构建渐进式子域挖掘步态识别框架，并嵌入GaitPart步态识别网络模型，构成步态识别模型；对步态识别模型进行基础训练；设计子域信息挖掘模块，根据聚类结果将源域划分为多个子域和异常值；对多个子域进行域泛化训练；在多个目标域上测试训练好的模型参数，评估步态识别模型最终的泛化性能。本发明采用无监督聚类将单个大域分解成多个小域，并设计两个损失函数约束步态识别网络提取域不变特征，减少不同域之间的域间隙，提高步态识别网络的域泛化能力。
一种基于渐进式子挖掘单源域领域泛化步态识别方法

[发明专利]一种报文头域的识别方法、装置、设备及存储介质-CN202210412422.4在审
发明人：刘科栋;曲德帅;徐太忠;王大伟;李扬曦;李舒;杨威;刘庆云 -专利权人：国家计算机网络与信息安全管理中心
申请日： 2022-04-19 - 公布日： 2022-11-22 - 主分类号： H04L69/22 文献下载
摘要：本申请涉及一种报文头域的识别方法、装置、设备及存储介质，涉及网络安全技术领域，该报文头域的识别方法包括：获取待识别的报文信息，从所述报文信息中提取头域字段信息，针对所述头域字段信息进行定位处理，确定所述头域字段信息对应的头域字段树节点，基于所述头域字段树节点对所述头域字段信息进行匹配识别处理,得到所述报文信息对应的头域识别结果，从而解决了现有技术中单纯采用字符串匹配的方式进行HTTP协议头域识别所导致的问题，实现协议头域快速识别，提高协议头域识别效率
一种报文识别方法装置设备存储介质

[发明专利]模型训练方法、装置、计算机设备及存储介质-CN202210067926.7在审
发明人：季繁繁;刘洛麒;曲晓超 -专利权人：厦门美图之家科技有限公司
申请日： 2022-01-20 - 公布日： 2022-05-10 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：采用源域的样本图像对初始识别模型进行训练，得到源域的识别模型，采用目标域的样本图像对源域的识别模型进行训练，得到目标域的初始识别模型，对目标域的初始识别模型中的多个模型参数进行剪枝，得到目标域的稀疏模型，采用目标域的样本图像对目标域的稀疏模型进行训练，得到目标域的识别模型，以对目标域中的图像进行分类识别。本申请在不增加训练成本的同时，可以有效提高识别模型对目标域数据的分类效果。
模型训练方法装置计算机设备存储介质

[发明专利]图像重识别方法及相关模型的训练方法及相关装置、设备-CN202010111675.9在审
发明人：葛艺潇;朱烽;赵瑞;李鸿升 -专利权人：北京市商汤科技开发有限公司
申请日： 2020-02-24 - 公布日： 2020-07-24 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种图像重识别方法及相关模型的训练方法及相关装置、设备，其中，图像重识别方法包括：获取待识别目标域图像；利用目标域图像编码器，在目标域上对待识别目标域图像提取行人图像特征；根据行人图像特征得到待识别目标域图像的识别结果上述方案，能够在目标域进行识别。
图像识别方法相关模型训练装置设备

[发明专利]人脸识别模型的训练方法、装置、电子设备及存储介质-CN202111637930.4在审
发明人：张烁 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2021-12-29 - 公布日： 2022-04-12 - 主分类号： G06V40/16 文献下载
摘要：本发明实施例提供了一种人脸识别模型的训练方法、装置、电子设备及存储介质，方法包括：获取源域人脸特征以及初始化识别模型；获取目标域的目标人脸图像样本；基于目标人脸图像样本以及源域人脸特征，调整初始化识别模型的部分模型参数，直到初始化识别模型收敛，得到针对源域和目标域的人脸识别模型。初始化模型在使用源域的全量人脸图像样本训练后，保存部分源域人脸特征，并固定初始化模型部分参数。进而，使用目标域的目标人脸图像样本和源域人脸特征对该初始化模型进行进一步训练后，得到针对源域和目标域的人脸识别模型。既保持了对源域全量人脸图像的识别能力，又可以准确识别目标域的目标人脸图像，提高了人脸识别模型的识别能力和精度。
识别模型训练方法装置电子设备存储介质

[发明专利]迁移学习、行人重识别方法及相关设备-CN202111619619.7在审
发明人：邵晓雯;潘华东 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-27 - 公布日： 2022-05-10 - 主分类号： G06V10/42 文献下载
摘要：本发明公开了一种迁移学习、行人重识别方法及相关设备。迁移学习方法包括：将源域图像和目标域图像输入目标识别模型，获取源域图像的全局特征、目标域图像的全局特征、目标域图像的局部特征；其中，目标识别模型至少包括全局分支网络和局部分支网络，利用全局分支网络提取得到源域图像的全局特征和目标域图像的全局特征，利用局部分支网络提取得到目标域图像的局部特征；利用源域图像的全局特征、目标域图像的全局特征以及目标域图像的局部特征计算目标识别模型的损失；基于目标识别模型的损失，更新目标识别模型的模型参数。通过上述方式，本发明能够对齐源域图像与目标域图像的特征分布，以有利于提高目标识别模型的识别性能。
迁移学习行人识别方法相关设备

[发明专利]AD域威胁识别方法、装置、电子设备和存储介质-CN202310140460.3有效
发明人：李明郎;王鑫;樊兴华;薛锋;赵林林 -专利权人：北京微步在线科技有限公司
申请日： 2023-02-21 - 公布日： 2023-06-20 - 主分类号： H04L9/40 文献下载
摘要：本申请提供一种AD域威胁识别方法、装置、电子设备和存储介质，其中，AD域威胁识别方法包括：获取AD域的域控流量；基于所述域控流量，识别所述AD域是否存在攻击威胁，其中，所述攻击威胁包括信息收集阶段威胁、本申请能够识别AD域威胁，并提高威胁识别覆盖度和提高威胁识别精确度。
ad 威胁识别方法装置电子设备存储介质

[发明专利]基于深度学习与知识迁移的物联网设备小样本识别方法-CN202310050128.8有效
发明人：桂冠;付雪;刘超;杨泽洋;王诚;王禹 -专利权人：南京邮电大学
申请日： 2023-02-01 - 公布日： 2023-07-04 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于深度学习与知识迁移的物联网设备小样本识别方法，以物联网设备识别为目标，首先搭建用于源域物联网设备识别的深度特征提取模型与特征识别模型，然后将源域深度特征提取模型作为目标域的初始化深度特征提取模型，并搭建用于目标域物联网设备识别的初始化特征识别模型，最后利用小样本目标域物联网设备电磁信号样本微调目标域的初始化深度特征提取模型与特征识别模型，以最大平均误差函数评估源域与目标域深层特征的分布差异，有效地实现知识由源域向目标域迁移，得到适用于目标域物联网设备识别的深度特征提取模型与特征识别模型，最终实现小样本场景下的物联网设备识别，解决了因样本量不足而无法准确识别设备类别的问题。
基于深度学习知识迁移联网设备样本识别方法

[发明专利]一种基于1DCNN模型的目标域负荷识别准确率提升方法-CN202211333865.0在审
发明人：刘斌;谈竹奎;肖永;岑正军;王秀镜;杨成;张秋雁;徐玉韬;代吉玉蕾;唐赛秋;丁超;古庭赟 -专利权人：贵州电网有限责任公司
申请日： 2022-10-28 - 公布日： 2023-01-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于1DCNN模型的目标域负荷识别准确率提升方法包括：预先通过智能插座采集电器负荷数据；对步骤获得的负荷波形数据进行滑窗式事件检测；以获得的单体负荷波形作为样本建立源域数据集，基于1DCNN模型训练源域负荷识别模型；在目标应用场景按上述步骤构建目标域数据集；利用获得的源域、目标域数据集，使用基于分布差异的域适应算法对源域识别模型进行训练与参数调优；将训练得到的目标域负荷识别模型投入实际应用基于1DCNN模型的目标域负荷识别准确率提升方法可有效利用源域数据集与目标域数据集，减少域间分布差异对负荷识别模型实际应用的影响，并且目标域数据集无需标签，是一种针对负荷识别领域的迁移学习方法。
一种基于 dcnn 模型目标负荷识别准确率提升方法

[发明专利]一种浮选工况跨域识别方法-CN202210013885.3在审
发明人：岑丽辉;李选普;陈晓方;唐朝晖;谢永芳 -专利权人：中南大学
申请日： 2022-01-06 - 公布日： 2022-04-19 - 主分类号： G06V10/764 文献下载
摘要：本公开实施例中提供了一种浮选工况跨域识别方法，属于数据处理技术领域，具体包括：将视频数据分为源域数据集和目标域数据集，并将源域数据集和目标域数据集根据精矿品位定义不同工况类别；构建基于Transformer模型的浮选工况识别网络，其中，浮选工况识别网络包括特征提取网络、工况分类网络和域辨识网络，域辨识网络通过计算源域数据集和目标域数据集的特征分布之间的Wasserstein距离来区分不同域；将带工况类别的源域数据集和不带工况类别的目标域数据集迭代训练浮选工况识别网络，得到识别模型；将不带工况类别的待检测数据集输入识别模型，得到识别结果。通过本公开的方案，提高了工况识别效率、准确率和适应性。
一种浮选工况识别方法

[发明专利]一种基于样本加权的无监督多源域适应的行人重识别方法-CN202211623329.4在审
发明人：田青;程耀 -专利权人：南京信息工程大学
申请日： 2022-12-16 - 公布日： 2023-03-31 - 主分类号： G06V40/10 文献下载
摘要：本发明公开一种基于样本加权的无监督多源域适应的行人重识别方法，该方法基于样本加权和多源域信息融合进行行人重识别，其包括如下步骤：将数据集划分为若干源域和一个目标域，并对各源域及目标域中的每个样本进行加权运算；其中，数据集由行人图片组成；构造域代理节点和图数据结构，对多源域的信息进行融合操作；基于源域和目标域的样本对识别模型进行训练，确定模型参数；将待识别的行人图片输入识别模型，得到分类识别结果。本发明的行人重识别方法能防止多个域因为域样本的大小不平衡而出现模型偏差的问题，缩小域间隔，将更多具有相似特征的图像分类到一起，提高相同类内图像的密度，从而达到更高的分类识别效果。
一种基于样本加权监督多源域适应行人识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条