-
公开(公告)号：CN110879982A
公开(公告)日：2020-03-13
申请号：CN201911122534.0
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本发明公开了一种人群计数系统及方法，该系统包括图像预处理模块、模型训练模块及人群计数预测模块，其中：所述图像预处理模块，用于：获取训练集中每个训练样本的人群密度图及人数类别；其中，所述训练样本为人群图像；所述模型训练模块，用于：利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络，得到对应的预测模型；其中，所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器；所述人群计数预测模块，用于：利用所述预测模型预测待测样本的人群密度图；其中，所述待测样本为人群图像。从而能够准确预估不同密集度的人群图像的密度图。
-
公开(公告)号：CN106444653B
公开(公告)日：2019-07-19
申请号：CN201610696202.3
申请日：2016-08-19
Applicant: 苏州大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明公开了一种故障检测方法和系统，将工业过程中的已有训练数据集映射到非线性特征空间，生成映射后的训练样本数据集；将在所述工业过程中收集的数据映射到所述非线性特征空间，生成映射后的测试数据；根据所述训练样本数据集判断所述测试数据是否为故障数据。本申请提供的技术方案把工业过程中采集的数据经非线性映射投影到非线性特征空间，在非线性特征空间中利用训练样本数据集对测试数据进行高效的故障检测，可以提高对于故障的检测精度，能够获得更高的故障检测率。
-
公开(公告)号：CN109918532A
公开(公告)日：2019-06-21
申请号：CN201910175051.0
申请日：2019-03-08
Applicant: 苏州大学
IPC: G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实施例公开了一种图像检索方法、装置、设备及计算机可读存储介质。其中，方法包括以图像数据库中的图像对为输入，以图像对映射得到的哈希编码对间的距离、标签类别和图像对的特征相似度为损失值，采用机器学习优化算法优化损失值以训练得到深度哈希映射模型；将待检索图像利用深度哈希映射模型映射为待检索哈希编码；在预先构建的哈希编码库中查找与待检索哈希编码的汉明距离差值满足预设条件的目标图像，作为待检索图像在图像数据库的检索结果进行输出，哈希编码库为将图像数据库中每张图像经深度哈希映射模型映射后所得。本申请有效地解决了相关技术中同一类别图像哈希编码过于一致的问题，从而实现了同一类别图像的准确检索。
-
公开(公告)号：CN109829065A
公开(公告)日：2019-05-31
申请号：CN201910174727.4
申请日：2019-03-08
Applicant: 苏州大学
IPC: G06F16/50 , G06F16/535 , G06N3/04
Abstract: 本发明实施例公开了一种图像检索方法、装置、设备及计算机可读存储介质。其中，方法包括首先利用卷积层数不同的两个卷积神经网络并联构造双列卷积哈希映射模型，第一卷积神经网络与第二卷积神经网络的池化层数目、池化窗口的大小和步长均相同；该模型包含由第一卷积神经网络和第二卷积神经网络的输出并联而成的第一全连接层及作为哈希编码层的第二全连接层。将待检索图像利用双列卷积哈希映射模型映射为待检索哈希编码；在哈希编码库中查找与待检索哈希编码的汉明距离差值满足预设条件的目标图像，以作为待检索图像在图像数据库的检索结果；哈希编码库为将图像数据库中每张图像经双列卷积哈希映射模型映射后所得。本申请提高图像检索的准确率。
-
公开(公告)号：CN105825236A
公开(公告)日：2016-08-03
申请号：CN201610156405.3
申请日：2016-03-18
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6215 , G06K9/6268
Abstract: 本发明公开了检测一种样本检测模型的构建方法和系统，从预设的训练样本集中确定多个类别的训练样本；基于余弦去中心相似性原理，并根据多个类别的训练样本的同类相似样本集和异类相似样本集，建立低维特征空间的投影矩阵；依据投影矩阵以及多个类别的训练样本构建样本检测模型；样本检测模型用于检测待测样本的类别参数。本发明基于余弦去中心相似性原理来度量待测样本与训练样本之间的相似度，与采用欧氏距离的现有技术相比，本申请方案的相似度的度量精度更高，从而可以提高对待测样本的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN103886562A
公开(公告)日：2014-06-25
申请号：CN201410149176.3
申请日：2014-04-14
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本申请公开了一种合成孔径雷达图像边缘检测方法及系统，该方法包括：通过对接收的合成孔径雷达SAR图像进行支持值滤波器去噪处理，去除掉SAR图像中的高频图像，只保留低频图像，从而很好的去除掉了相干斑噪声，然后利用最小二乘支持向量机来对去噪图像进行边缘检测，得到边缘检测图像。采用本申请提供的方法，针对SAR图像所特有的相干斑噪声能够很好的进行去除，因此提取的SAR图像的边缘图像更加的准确。
-
公开(公告)号：CN103218613A
公开(公告)日：2013-07-24
申请号：CN201310123085.8
申请日：2013-04-10
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像；依据像素点的灰度值，确定该待识别图像中的特定的像素点的至少三种像素特征；依据该特定的像素点的至少三种像素特征，分别确定该待识别图像的相应协方差；分别计算该待识别图像的每一协方差与预设的训练图像集合所包含每一类数字类别标签相应的李群均值之间的距离；分别将为该待识别图像的每一个协方差所确定出的多个距离中的最小距离所对应数字类别标签确定为备用数字类别标签；将该备用数字类别标签中个数最多的数字类别标签确定为待识别图像中的待识别数字类别标签。可见，通过利用本方案，可以有效提高手写体数字的识别准确性。
-
公开(公告)号：CN116740403B
公开(公告)日：2024-09-06
申请号：CN202211644751.8
申请日：2022-12-20
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/772 , G06V10/774
Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。
-
公开(公告)号：CN112215290B
公开(公告)日：2024-04-09
申请号：CN202011110501.7
申请日：2020-10-16
Applicant: 苏州大学
IPC: G06F18/2132 , G06F18/2115 , G06N20/00
Abstract: 本发明涉及一种基于Fisher得分的Q学习辅助数据分析方法及系统,包括：将待处理数据输入训练样本中，初始化Q值表；从所述训练样本中任意选择多个数据组成本轮迭代的片段，计算所述片段中每个特征类内距离和类间距离，初始化本轮训练特征子集，获得本轮学习率和更新概率；根据Q值表选择当前状态下的动作，更新Q值表及本轮子集状态；判断本轮子集是否已满，若未满，则返回上一步，若已满，则继续判断是否满足迭代次数，若未满，则返回第二步，若已满，进入下一步；根据Q值表获得当前排序，返回目标子集。本发明不但提升速度快、更加稳定，且具有更好的泛化性能，时间复杂度较低。
-
公开(公告)号：CN116740403A
公开(公告)日：2023-09-12
申请号：CN202211644751.8
申请日：2022-12-20
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/772 , G06V10/774
Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.029 seconds)
