科技工作者之家
彭宇新

彭宇新

计算机应用,信息处理技术

北京大学计算机科学技术研究所

入选新世纪优秀人才支持计划
入选北京市科技新星计划
863项目首席专家

基本信息

2011年:彭宇新(1974-),男,贵州都匀人,博士生,主要研究领域为基于内容的视频检索.彭宇新,Corresponding author: Phn: 86-10-62752426, Fax: 86-10-62981438, E-mail: peng_yuxin@icst.pku.edu.cnhttp://www.icst.pku.edu.cn

专利成果

总专利数
15
国内专利数
15
国际专利数
0
有效专利数
15
总发文数(篇)
158
总被引数(次)
1259
H指数
24
TOP1%高被引
0

成果分析

期刊发文占比
专利在审情况: 历年专利情况; 重点学科匹配度; 文章被引情况

专利列表更多

一种基于多粒度层级网络的跨模态关联学习方法
- 摘要：
  本发明涉及一种基于多粒度层级网络的跨模态关联学习方法,包括以下步骤:1.建立包含多种模态类型的跨模态数据库,并将该数据库中的数据分为训练集、验证集和测试集,对数据库中不同模态数据进行分块处理,提取所有模态原始数据以及分块后数据的特征向量.2.利用原始数据和分块后的数据训练多粒度层级网络结构,为不同模态数据学习统一表征.3.利用训练好的多粒度层级网络结构,得到不同模态数据的统一表征,进而计算不同模态数据的相似性.4.取测试集中的任意一种模态类型作为查询模态,以另一种模态类型作为目标模态,计算查询样例和查询目标的相似性,根据相似性得到目标模态数据的相关结果列表.本发明能够提高跨模态检索的准确率.
- 发明人：
  彭宇新綦金玮
- 申请人：
  北京大学
- 公开日：
  2017-11-14
一种基于时空注意力的视频分类方法
- 摘要：
  本发明涉及一种基于时空注意力的视频分类方法,包括以下步骤:对训练视频和待预测视频提取帧和光流,将若干光流堆叠为多通道的图像;搭建时空注意力模型,包括空域注意力网络、时域注意力网络和连接网络;联合训练时空注意力模型中的三个组成部分,使空域、时域注意力的效果同时提升,得到能够准确建模空域、时域显著性并适用于视频分类的时空注意力模型;利用学习得到的时空注意力模型对待预测视频的帧和光流提取空域、时域显著性并进行预测,融合帧和光流的预测得分得到待预测视频的最终语义类别.本发明能够同时建模空域、时域注意力,并通过联合训练充分利用二者的协作性能,学习得到更准确的空域、时域显著性,从而提高了视频分类的准确率.
- 发明人：
  彭宇新张俊超
- 申请人：
  北京大学
- 公开日：
  2017-11-07
一种基于自适应权重的双路协同学习的视频分类方法
- 摘要：
  本发明提出一种基于自适应权重的双路协同学习的视频分类方法,包括以下步骤:利用视频训练样本,对预先使用大规模图像数据集训练好的卷积神经网络模型进行精细调整,得到适用于视频特征学习的卷积神经网络模型;利用训练得到的卷积神经网络模型,提取视频的运动和静态特征,并通过运动‑静态协同学习优化这两种特征的表示,最终输出与运动和静态特征对应的两种预测得分;利用两种预测得分,对于每个类别自适应地学习融合权重,并根据得到的权重预测视频所属的语义类别.本发明通过协同学习和自适应权重学习提高了视频分类的准确率.
- 发明人：
  彭宇新赵韫禛
- 申请人：
  北京大学
- 公开日：
  2017-09-29
一种基于多深度网络结构的跨媒体排序方法
- 摘要：
  本发明涉及一种基于多深度网络结构的跨媒体排序方法,包括以下步骤:1.建立包含多种媒体类型的跨媒体数据集,提取所有媒体数据的特征向量;2.利用跨媒体数据集来训练多深度网络结构,用于为不同媒体的数据学习统一表示;3.利用训练好的多深度网络结构,得到不同媒体数据的统一表示,从而计算不同媒体类型数据的相似性;4.取一种媒体类型的每个数据作为查询样例,检索另一种媒体中的数据,计算查询样例和查询目标的相似性,并按照相似性从大到小排序,得到目标媒体数据的结果排序列表.本发明结合使用多种网络结构,能够同时建模媒体之间和媒体内部的关联信息,进而利用两级网络进行统一表示的学习,提高了跨媒体排序的准确率.
- 发明人：
  彭宇新黄鑫綦金玮
- 申请人：
  北京大学
- 公开日：
  2016-06-29
一种视觉目标检测与识别方法
- 摘要：
  本发明提供了一种视觉目标检测与识别方法,包括以下步骤:对训练样本提取基本视觉特征训练级联分类器,得到目标的初步检测模型;对训练样本提取强视觉特征训练强分类器,得到目标的二次判别验证模型;利用滑动窗策略对图像进行扫描,得到候选图像区域;利用二次判别验证模型对目标候选区域进行二次判别验证,得到最终的检测与识别结果.本发明在初步检测过程中采用多种基本视觉特征,增强了对复杂应用场景的鲁棒性,并利用级联分类器快速过滤掉大部分非目标区域,大大提高检测速度,然后利用描述能力更强的局部特征和分类性能更好的强分类器对候选区域进行二次判别验证,进一步去除较难分辨的非目标区域,有效提高了检测与识别的准确性.
- 发明人：
  彭宇新唐攀攀
- 申请人：
  北京大学
- 公开日：
  2016-06-29
一种基于卷积神经网络的特定视频检测方法
- 摘要：
  本发明提供了一种基于卷积神经网络的特定视频检测方法,包括以下步骤:利用现有标注的正负样本数据,对预先使用大规模数据集训练得到的卷积神经网络进行精细调整,得到适用于特定视频检测的卷积神经网络模型;利用该网络模型直接对视频关键帧进行特征提取并进行预测,根据预测结果判断是否为特定视频.本发明充分利用了卷积神经网络能够在大规模视频数据中自动学习视频特征的优势,考虑了特征学习与分类学习两个任务的相互作用关系,大大提高了特定视频检测的准确率.
- 发明人：
  彭宇新何相腾
- 申请人：
  北京大学
- 公开日：
  2016-06-29

相关推荐