零样本学习方法
    2.
    发明公开

    公开(公告)号:CN111914929A

    公开(公告)日:2020-11-10

    申请号:CN202010750578.4

    申请日:2020-07-30

    Inventor: 罗新新 蔡子赟

    Abstract: 本发明提供了一种零样本学习方法,通过从可见类别样本到不可见类别样本进行知识迁移,以识别从未见过的数据类别,主要包括以下步骤:获取训练特征数据集;搭建基于生成网络、噪声自编码器、回归网络以及判别网络的零样本学习模型;训练生成网络和噪声自编码器;训练判别网络;得到总目标函数,并进行迭代以达到算法优化的目的。本发明通过知识迁移,融合属性和词向量两种语义特征,在对抗机制下进行训练以最小化真实样本和生成样本的分布差异,并通过回归网络将视觉特征映射到语义特征,有效地解决了模型预测结果邻域迁移的问题,可以对难以标注的样例进行识别,同时减小识别成本。

    一种基于正交三角分解的光照不变特征提取方法

    公开(公告)号:CN113361492B

    公开(公告)日:2023-10-24

    申请号:CN202110813505.X

    申请日:2021-07-19

    Abstract: 本发明公开了一种基于正交三角分解的光照不变特征提取方法,包括如下步骤:步骤1:采集人脸彩色图像,并转化为人脸灰度图像;步骤2:通过正交三角分解算法,获得#imgabs0#局部邻域的上三角矩阵对角线元素,并对其进行非线性放大;步骤3:对步骤2获得的非线性放大后的上三角矩阵对角线元素,构造光照不变特征。本发明充分考虑了人脸灰度图像的光照特性,通过正交三角分解算法,能有效消除阴影边缘的影响。

    一种快速HSI空间模型的构建方法
    5.
    发明公开

    公开(公告)号:CN115690318A

    公开(公告)日:2023-02-03

    申请号:CN202211392161.0

    申请日:2022-11-08

    Abstract: 本发明属于模式识别领域,具体的说是一种快速HSI空间模型的构建方法,使其能够更加快速地实现图像RGB空间与HSI空间的转换具体包括如下步骤:步骤一、通过图像采集,获得图像RGB空间;步骤二、求取图像RGB空间转换到HSI空间的模型;步骤三:求取步骤二中得到的图像HSI空间转换为RGB空间的模型。本发明充分考虑了图像的RGB空间和HSI空间之间的关系,对原始HSI空间进行改进,实现彩色图像在RGB空间与快速HSI空间的相互转换。

    零样本学习方法
    6.
    发明授权

    公开(公告)号:CN111914929B

    公开(公告)日:2022-08-23

    申请号:CN202010750578.4

    申请日:2020-07-30

    Inventor: 罗新新 蔡子赟

    Abstract: 本发明提供了一种零样本学习方法,通过从可见类别样本到不可见类别样本进行知识迁移,以识别从未见过的数据类别,主要包括以下步骤:获取训练特征数据集;搭建基于生成网络、噪声自编码器、回归网络以及判别网络的零样本学习模型;训练生成网络和噪声自编码器;训练判别网络;得到总目标函数,并进行迭代以达到算法优化的目的。本发明通过知识迁移,融合属性和词向量两种语义特征,在对抗机制下进行训练以最小化真实样本和生成样本的分布差异,并通过回归网络将视觉特征映射到语义特征,有效地解决了模型预测结果邻域迁移的问题,可以对难以标注的样例进行识别,同时减小识别成本。

    一种基于正交三角分解的光照不变特征提取方法

    公开(公告)号:CN113361492A

    公开(公告)日:2021-09-07

    申请号:CN202110813505.X

    申请日:2021-07-19

    Abstract: 本发明公开了一种基于正交三角分解的光照不变特征提取方法,包括如下步骤:步骤1:采集人脸彩色图像,并转化为人脸灰度图像;步骤2:通过正交三角分解算法,获得局部邻域的上三角矩阵对角线元素,并对其进行非线性放大;步骤3:对步骤2获得的非线性放大后的上三角矩阵对角线元素,构造光照不变特征。本发明充分考虑了人脸灰度图像的光照特性,通过正交三角分解算法,能有效消除阴影边缘的影响。

Patent Agency Ranking