简介:摘要:知识产权是权利人对所创作的智力劳动成果所享有的财产权利,其本质核心就是为了证明是谁在什么时 间创作了什么样的劳动成果。但由于传统登记方式的局限性,一直存在存证难、取证 难、确权难、维权难、交易难、成本高及周期长等诸多问题。为了解决上述知识产权存在的诸多难题,提出利用人工智能+区块链构建知 识产权溯源平台。该平台一方面对人工智能纹理识别技术进行研究,用于对数据资产提取高维特征向量,将高维特征向量作为证据上传到平台,解决自动化存证和取证的问题;另一方面将通过纹理技术取 证的信息以NFT智能合约的方式放到区块链上,以期解决知识产权维权难、交易难及周期长的问题,利用NFT智能合约也可 以将证据在多个涉及到产权的部门间可信自动化流转。
简介:摘 要:通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理,上传到系统后端,再和数据库的人脸照片进行比对,最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域,而基于特征提取的人脸识别算法是人脸识别系统中的关键部分,接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。
简介:摘要:特征提取是对原始数据关键特征的表达,能凸显原始数据的主要信息,避免和非主要信息产生“等价”变换,而弱化了主要信息价值。对于时间序列的电池组数据,设计基于注意力机制的时间序列特征提取算法,从而快速地对采集的数据进行有效降维与压缩。
简介:摘要:目标行为特征提取是计算机视觉和行为分析领域的重要任务之一。本研究基于深度学习方法,探索了对目标行为特征进行有效提取的方法。首先,我们回顾了深度学习在计算机视觉任务中的成功案例,并分析了深度学习在目标行为分析和行为识别中的优势。接着,我们概述了基于深度学习的目标行为特征提取方法,并讨论了深度学习模型在这一领域中的应用现状、优势和局限性。我们还比较和评估了不同的深度学习模型,探讨了它们在目标行为特征提取方面的性能差异。在模型设计方面,我们介绍了模型架构和网络结构设计、数据预处理和标注方法、损失函数和训练策略,以及模型参数调优和优化方法。最后,我们进行了实验和评估,通过比较不同模型在目标行为特征提取任务上的表现,验证了深度学习在该领域的有效性和潜力。本研究的结果对于改进目标行为特征提取方法、推动计算机视觉和行为分析的发展具有重要意义。