本发明公开了一种结合低秩表示与流形学习的运动想象脑电信号特征提取方法，包括以下步骤：S1:进行运动想象脑电信号采样，建立样本集；S2:将数据使用滤波器组共空间模式进行预处理，得到数据样本原始特征集，同时划分为训练样本原始特征集及测试样本原始特征集；S3:使用提出的特征提取方法进一步提取数据特征，并进行降维；S4:利用支持向量机对所提取的特征进行分类。利用低秩表示方法，将原始数据分干净部分和噪声部分，有效地去除了噪声，并且对噪声具有很强的鲁棒性；将低秩表示、判别投影和流形学习方法集成到统一模型中,既保留了原始样本的全局结构信息，又保留了原始样本的局部邻域关系，更大程度地获取了有效特征，提高了后续的分类精度。
📄 2021113137835
📂 A61B5_372
👤 杭州电子科技大学
📅 2021-11-08
本发明公开了一种网络安全态势评估方法及其模型训练方法，包括：获取日志信息；对日志信息进行预处理，得到目标日志信息；采用网络安全数据特征提取模型对目标日志信息进行特征提取；网络安全数据特征提取模型包括若干特征提取单元，对输入的目标日志信息进行特征提取；特征提取单元包括选择性卷积结构单元；flatten层将网络安全数据特征提取模型提取的特征转换为一维特征向量；支持向量机分类器对一维特征向量进行分类，得到日志信息对应的网络安全状态。本发明在网络安全态势评估模型中加入选择性卷积结构单元，使用支持向量机分类器对目标日志信息进行分类，有效减少了模型中的参数，提高了网络安全态势评估模型的准确率和鲁棒性。
📄 2022105167299
📂 G06K9_62
👤 河北师范大学
📅 2022-05-12
本发明涉及一种基于联合注意力ResNeSt的复杂场景下网络直播视频特征提取方法。首先对网络直播视频进行关键帧提取，得到视频的关键帧数据。为了利用视频帧的多尺度特征，按照特征金字塔网络的多尺度结构，设计了一个并行通路。该并行通路是自下而上构建的，与原有主干通路之间利用横向连接和斜向连接进行信息交换，其中横向连接和斜向连接均为卷积运算。考虑到网络直播的画面表现形式多以人为主体，同时夹杂大量冗余信息，因此引入空间——通道联合注意力，便于聚焦画面主体特征。最后，将融合了联合注意力的并行特征金字塔结合卷积层和池化层，构造ResNeSt特征提取模块，通过多层模块叠加，实现复杂场景下网络直播视频的特征提取。
📄 2020115095457
📂 H04N21_2187
👤 北京工业大学
📅 2020-12-18
本申请属于图像处理技术领域，公开了一种掩膜引导的图像恢复与融合模型及其训练方法和使用方法，通过编码器对红外和可见光图像进行特征编码，得到初步特征并生成初步融合特征，再由多个串联的掩膜引导特征提取模块根据输入特征动态生成掩膜，并在掩膜的引导下进行跨模态交叉注意力计算，最后，通过第一HTB模块和第一残差模块以及输出层，输出最终的红外、可见光和融合特征；克服了现有“复原+融合”两阶段方案存在的网络优化难度大、误差累积明显以及“伪Ground Truth”约束训练导致的泛化能力不足等问题。
📄 2025115501877
📂 G06T5_50
👤 佛山大学
📅 2025-10-28
本申请属于图像处理技术领域，公开了一种多模态图像融合与去模糊模型及其训练方法和使用方法，通过构建一体化的多模态图像融合与去模糊模型，并采用特定的纹理增强和特征交互融合机制，实现了多模态图像融合与去模糊的一体化处理，提高了效率并减少了误差累积，同时增强了可见光图像纹理，具有实现多模态图像融合与去模糊的一体化处理，提高效率并减少误差累积，同时提高图像融合质量的优点。
📄 2025109456709
📂 G06T5_73
👤 佛山大学
📅 2025-07-09
本发明公开了一种基于时序差异特征提取的合成氨一段炉运行异常检测方法，旨在如何自适应的为合成氨一段炉过程数据实时提取时序差异特征，从而实现并完成高敏感性的合成氨一段炉运行异常检测任务。具体来讲，本发明方法通过合成氨一段炉的过程数据自适应的建立时序误差生成模型。在此基础上，利用在线自回归模型的误差实施合成氨一段炉运行异常检测。本发明方法最大的技术优势在于：本发明采用了一种全新的时序差异特征分析算法技术对合成氨一段炉的过程数据进行特征分析提取，能够自适应的更新得到从最大化时序误差的时序差异特征。因此，从这个角度出发，本发明方法理论上能使用高敏感性的时序差异特征来实施异常检测。
📄 202210651302X
📂 G06Q10_06
👤 宁波大学科学技术学院
📅 2022-04-30
本公开公开了目标检测模型的训练方法及装置、电子设备和存储介质，涉及人工智能技术领域，涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。通过获取训练图像信息将样本图像输入目标检测模型，以获取特征图序列以及预测目标信息，针对特征图序列中任意两个特征图组成的特征图对，对特征图对中的两个特征图按照第一尺度进行区域关系图提取处理，得到区域关系图对，根据各个区域关系图对、样本目标信息、预测目标信息，对目标检测模型进行训练时，采用任意两个特征图对中的区域关系，且区域关系为从尺度较大的特征图中提取得到，能够让目标检测模型中的各个网络层学习到更多更丰富特征，进而提高目标检测模型的检测准确度。
📄 2021108681665
📂 G06V20_40
👤 北京百度网讯科技有限公司
📅 2021-07-29
本公开披露了一种人脸活体检测模型的训练方法、人脸活体检测方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于智慧城市和智慧金融场景下。人脸活体检测模型的训练方法包括：将多个训练图像输入人脸活体检测模型中，其中，多个训练图像包括人脸活体图像和N类攻击图像，人脸活体检测模型包括N个子模型，N个子模型与N类攻击图像一一对应，N为大于或等于2的整数；针对N个子模型中的每个子模型，利用子模型对人脸活体图像和与子模型对应的攻击图像进行识别，得到第一识别结果；至少基于第一识别结果，调整人脸活体检测模型的模型参数，以得到经训练的人脸活体检测模型。
📄 2021106062764
📂 G06V40_16
👤 北京百度网讯科技有限公司
📅 2021-05-31
本申请公开了图像处理模型的训练的方法、装置、电子设备和存储介质，涉及深度学习和图像处理技术领域。具体实现方案为：通过将生成器生成的第二图像输入至判别器，获取第二图像中各个图像块属于真实图像的各个第一概率，并从各个图像块对应的第一概率中提取多个目标概率，根据提取的多个目标概率对判别器进行修正。由此，通过提取部分概率对判别器进行修正，不仅增加了提取的概率对应的图像块的损失的回传梯度，提高了模型生成图像的效果，而且减少了计算量。
📄 2020104842729
📂 G06V10_774
👤 北京百度网讯科技有限公司
📅 2020-06-01
本公开提供了一种语义分割模型训练方法、语义分割方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术，具体可用于3D视觉场景下。具体实现方案为：在训练语义分割模型时，通过使用3D语义分割与2D语义分割一致性损失函数，使得3D分割结果与2D分割结果尽可能一致，从而利用3D信息来引导2D的语义分割，进而能够提升训练的模型的精度与鲁棒性。
📄 2021107243945
📂 G06T7_11
👤 北京百度网讯科技有限公司
📅 2021-06-29
本申请公开了条件对抗网络的训练方法、装置、电子设备和存储介质，涉及深度学习和图像处理技术领域。实现方案：通过将噪声编码和当前的条件编码，输入至生成器，得到包含目标对象的第一图片，并将第一图片输入至判别器，根据生成的第一图片属于真实图片的概率、及目标对象在第一图片中的第一判别方向角度与目标方向角度的差值，对生成器和判别器进行修正，以对条件对抗网络进行训练。由此，通过将条件为方向角度的连续量转换为离散量角度区间，并利用分类和回归混合监督的方式，对条件对抗网络进行训练，可以得到条件为连续量的条件对抗网络，不仅提高了网络的收敛效果，而且可以稳定地生成各个方向角度的目标对象。
📄 2020104849060
📂 G06N3_0475
👤 北京百度网讯科技有限公司
📅 2020-06-01
本公开提供了一种图像识别方法及装置、神经网络模型的训练方法及装置，涉及人工智能领域，具体为计算机视觉和深度学习领域。实现方案为：将待识别图像输入神经网络模型；以及至少基于多个网络模块中靠近神经网络模型的输入侧的部分网络模块执行对待识别图像的识别，其中，针对至少一个超网络模块中任一超网络模块及其所对应的预测器，在该超网络模块接收到上一个网络模块所输出的特征图的情况下，将特征图输入与该超网络模块所对应的预测器，以获取该预测器所输出的预测值，基于预测值，确定该超网络模块的至少两个子网络中的一个子网络为选中子网络，以及在该超网络模块中，利用选中子网络执行对待识别图像的识别。
📄 2021101275529
📂 G06V10_82
👤 北京百度网讯科技有限公司
📅 2021-01-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台