公开(公告)号：CN118522441A

公开(公告)日：2024-08-20

申请号：CN202410630934.7

申请日：2024-05-21

Applicant: 南京信息工程大学

Inventor： 宋彪 ,  张梓豪 ,  张小瑞 ,  孙伟 ,  张浩明

IPC: G16H50/20 ,  G16H50/30 ,  G06V40/16 ,  G06V40/20 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/62 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多特征融合的抑郁倾向检测方法、存储介质及设备，包括：获取待预测人物视频，输入到预先训练好的基于多特征融合的抑郁倾向预测模型，得到最终抑郁倾向预测结果；模型处理过程，包括：根据待预测人物视频分别提取头部运动特征和面部表情特征；根据头部运动特征预测基于头动的抑郁倾向预测结果；根据面部表情特征预测基于表情的抑郁倾向预测结果；使用加权投票法对预测结果进行融合得到最终抑郁倾向预测结果。优点：结合表情及头动信息对抑郁倾向进行评估，可以缓解仅凭表情变化对抑郁倾向进行评估的不可靠性，通过时空块提取抽象时空信息，在不大量增加计算量的同时增强模型的视频理解能力，提高模型预测准确率。

公开(公告)号：CN110766063A

公开(公告)日：2020-02-07

申请号：CN201910987689.4

申请日：2019-10-17

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  杨明明 ,  宋彪 ,  金子龙

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于压缩激励和紧密连接卷积神经网络的图像分类方法，将轻量级的紧密连接卷积神经网络(DenseNet)和高性能的压缩和激励模块(SE)结合，通过训练卷积神经网络，计算损失函数，根据梯度下降更新网络；测试卷积神经网络，计算分类准确度；重复上述步骤构建保存准确度最高的准确度数值和卷积神经网络模型参数，得到效果最好的卷积神经网络模型。本发明压缩和激励模块可以显式地建模通道之间的相互依赖关系，且计算量很小；相较于传统卷积神经网络图像分类方法，能够以很少的参数量和计算量获得高准确度的图像分类结果。

公开(公告)号：CN110766063B

公开(公告)日：2023-04-28

申请号：CN201910987689.4

申请日：2019-10-17

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  杨明明 ,  宋彪 ,  金子龙

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于压缩激励和紧密连接卷积神经网络的图像分类方法，将轻量级的紧密连接卷积神经网络(DenseNet)和高性能的压缩和激励模块(SE)结合，通过训练卷积神经网络，计算损失函数，根据梯度下降更新网络；测试卷积神经网络，计算分类准确度；重复上述步骤构建保存准确度最高的准确度数值和卷积神经网络模型参数，得到效果最好的卷积神经网络模型。本发明压缩和激励模块可以显式地建模通道之间的相互依赖关系，且计算量很小；相较于传统卷积神经网络图像分类方法，能够以很少的参数量和计算量获得高准确度的图像分类结果。