-
公开(公告)号：CN109558882B
公开(公告)日：2023-05-05
申请号：CN201811455651.4
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06V10/40 , G06V10/778 , G06V10/82 , G06N3/0464
Abstract: 本发明实施例公开了一种基于鲁棒局部低秩稀疏CNN特征的图像分类方法、装置、设备及计算机可读存储介质。其中，方法包括首先利用一般卷积神经网络提取待分类图像的原始深度特征，利用预先构建的投影矩阵对原始深度特征进行低秩与稀疏特征提取，得到分类识别特征；将分类识别特征输入分类模型中，得到待分类图像的标签；其中，投影矩阵为采用鲁棒的邻域保持的联合低秩与稀疏特征算法学习训练样本集中各样本图像的原始深度特征所得，用于提取具有邻域保持能力的低秩与稀疏特征。本申请提供的技术方案增强了分类特征的鲁棒性，提升了图像特征提取的准确性，显著提升了图像分类的精准度。
-
公开(公告)号：CN108121962B
公开(公告)日：2022-05-17
申请号：CN201711393961.3
申请日：2017-12-21
Applicant: 苏州大学
IPC: G06V40/16 , G06V10/77 , G06V10/774 , G06K9/62
Abstract: 本发明实施例公开了一种基于非负自适应特征提取的人脸识别方法、装置、设备及计算机存储介质。其中，方法包括将非负矩阵分解，特征提取和自适应邻域学习集成进为统一的框架，利用非负矩阵分解技术得到局部重构数据，在非负重构空间和特征嵌入空间对重构误差同时进行最小化，对重构数据进行权重自适应构造和标签传播学习，并利用基于投影的特征近似错误项进行最小化学习；通过对人脸识别模型进行交替优化和学习，得到用于保持近邻信息的自适应权重系数矩阵、用于提取特征的投影矩阵及近邻保持非负分解矩阵；利用投影矩阵提取人脸测试样本集的识别特征，以利用人脸识别模型根据识别特征实现人脸识别。本申请提供的技术方案提升了人脸识别的准确率。
-
公开(公告)号：CN113901925A
公开(公告)日：2022-01-07
申请号：CN202111187941.7
申请日：2021-10-12
Applicant: 苏州大学
Abstract: 本申请公开了一种文本识别方法、装置、电子设备及可读存储介质。其中，方法包括预先基于卷积神经网络构建文本识别网络模型；文本识别网络模型包括特征提取层、密集融合块和转录层。密集融合块包括第一密集块、第二密集块和卷积运算层，第一密集块和第二密集块相连，密集融合块用于将特征提取层提取的图像特征、第一密集块输出特征和第二密集块输出特征通过连接操作在不同层进行融合处理；转录层包括分类器和损失函数层。可以有效提高文本识别的准确度和识别效率。将待识别文本数据输入至已经训练好的文本识别网络模型，得到文本识别结果，从而可以有效提高图像数据中的文本识别的准确度和识别效率。
-
公开(公告)号：CN106845358B
公开(公告)日：2020-11-10
申请号：CN201611217910.0
申请日：2016-12-26
Applicant: 苏州大学
Abstract: 本发明公开了手写体字符图像特征识别的方法及系统，在特征学习方面，目标在于紧凑局部软标签类内散度并分离局部软标签类间散度，同时在所有训练数据上进行局部保持特征提取；为了在特征提取和展示方面对于噪声鲁棒，对于噪声鲁棒的1‑范数规则被用于构造样本间的相似度，使得在识别中图像展示的能力可得到显著提升；基于比例的模型可通过一个迭代的方法得到描述矩阵，该描述矩阵具有判别性与局部保持的特点且具有正交特性；样本外图像的归纳通过将测试样本向描述矩阵进行投影，进而将提取的特征输入最近邻分类器进行归类，取对应欧式距离最小值的位置，用于测试图像的类别鉴定，得到最准确的识别结果。
-
公开(公告)号：CN106897700B
公开(公告)日：2020-04-07
申请号：CN201710107890.X
申请日：2017-02-27
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种单样本人脸识别方法及系统，该方法包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与待识别人脸图像的t个子图一一对应的t个特征；将待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到待识别人脸图像对应的类别；其中，子图权重集合为在对训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；子图权重集合中的第r个权重为训练集中任一人脸图像样本的第r个子图对应的权重。本申请有效地提升了单样本人脸识别技术的识别率。
-
Patent Agency Ranking
公开(公告)号：CN105354595B
公开(公告)日：2019-09-27
申请号：CN201510728736.5
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒视觉图像分类方法及系统，为了有效实现训练样本内无标签样本的类别预测和待测样本的快速归纳与合理降维，通过将基于弹性回归分析的误差度量集成到训练样本外的标签传播模型，并通过参数权衡归一化流形正则化项、基于软标签l2,1范数正则化的标签拟合项及基于l2,1范数正则化的弹性回归残差项对样本描述及类别鉴定的影响，完成标签传播模型的建立；进而通过对标签传播模型的迭代优化获取用于确定待测样本的类别的投影矩阵。因此，本申请中通过引入基于l2,1范数正则化的回归误差项及软标签l2,1范数正则化，能够在继承标签传播分类方法的优点的同时有效提高了系统的鲁棒性，使待测样本的归纳过程快速且精确。
-
公开(公告)号：CN105760872B
公开(公告)日：2019-06-11
申请号：CN201610076500.2
申请日：2016-02-03
Applicant: 苏州大学
Abstract: 本申请公开了一种基于鲁棒图像特征提取的识别方法及系统，先利用原始训练图像样本构造重构权重系数；为了有效保持图像像素间的拓扑结构和相关性，设计直接作用于二维图像的特征提取系统；为了降低图像样本中噪声或异类数据对性能的影响，对图像样本的邻域重构错误进行L2,1‑范数正则化；为了确保优化得到稀疏判别的显著图像特征，直接对投影矩阵进行L2,1‑范数正则化。最后，利用稀疏投影矩阵，提取相应的稀疏判别特征并输入至最近邻分类器，取与测试图像样本的特征相似性最大的训练图像样本的标签，以完成类别鉴定。本申请通过引入L2,1‑范数正则化技术，有效提升了数据中噪声和异类数据的鲁棒性，系统性能更好。
-
公开(公告)号：CN105469117B
公开(公告)日：2019-01-01
申请号：CN201510882718.2
申请日：2015-12-03
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于鲁棒特征提取的图像识别方法及装置，通过对原始训练样本进行判别学习，在紧凑局部类内散度和分离局部类间散度的同时有效保持图像像素间的拓扑结构，设计基于1范数度量的特征学习框架，可输出一个可用于样本内和样本外图像特征提取的投影矩阵,进而通过投影矩阵获取原始训练样本的二维鲁棒特征，构造出可用于对待测样本进行分类的最近邻分类器。可见，本申请中提供的上述方案无需将图像对应的二维矩阵转换到高维的向量空间，而是可直接作用于图像，由此，不但可有效保持图像像素间的拓扑结构和内在相关性，而且可有效降低模型计算过程的复杂度。此外，基于1范数度量，可确保在特征提取过程中对噪音的鲁棒性。
-
公开(公告)号：CN108710703A
公开(公告)日：2018-10-26
申请号：CN201810522150.7
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于聚类算法的影片评分预测方法，在输入评分训练样本集后，对评分进行预处理得到评分集合，对评分集合中，值为零的评分项首先进行一次预测得到不为零的新评分，将新评分替代每个类别集合中相应的值为零的评分项，得到新评分集合，新评分集合与预测前的类别评分集合相比，稀疏度得到有效降低，因此利用新评分集合确定的目标用户的近邻就会更优，从而就会很大程度上提高电影评分预测的准确性，以及提高电影推荐的准确性。本发明还提供了一种基于聚类算法的电影评分预测系统、装置及计算机可读存储介质，同样可以实现上述效果。
-
公开(公告)号：CN104616000B
公开(公告)日：2018-08-07
申请号：CN201510089247.X
申请日：2015-02-27
Applicant: 苏州大学
Abstract: 本发明提供种人脸识别方法和装置。该方法在原有的小样本有监督拉普拉斯判别分析的基础上进行改进,在最小化类内散度的目标函数中融入了最大化类间散度,使用拉普拉斯判别分析,通过实现最优目标函数求得投影矩阵,对高维人脸数据进行降维。在用此种方法降维后,对人脸图像识别率比原SLDA方法高,能更好地进行人脸识别。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.024 seconds)
