-
公开(公告)号：CN110555379B
公开(公告)日：2022-03-25
申请号：CN201910692940.4
申请日：2019-07-30
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种根据性别动态调整特征的人脸愉悦度估计方法，包括以下步骤：S1、通过对人脸图片进行数据预处理得到经过预处理的图片I；S2、将经过预处理的图片I输入到性别识别网络中进行性别识别；S3、根据性别识别结果，将经过预处理的图片I输入到对应的特征调整网络，得到特征图调整矩阵；S4、将经过预处理的图片I输入到愉悦度估计网络中，通过特征图调整矩阵对愉悦度估计网络的特征图进行调整，最终输出愉悦度估计的结果。所述方法结合人脸的性别特征，自动识别人脸图片的性别，通过特征调整网络动态地调整愉悦度估计网络的特征，得到了准确的愉悦度估计结果，具有广阔的应用前景。
-
公开(公告)号：CN110555379A
公开(公告)日：2019-12-10
申请号：CN201910692940.4
申请日：2019-07-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种根据性别动态调整特征的人脸愉悦度估计方法，包括以下步骤：S1、通过对人脸图片进行数据预处理得到经过预处理的图片I；S2、将经过预处理的图片I输入到性别识别网络中进行性别识别；S3、根据性别识别结果，将经过预处理的图片I输入到对应的特征调整网络，得到特征图调整矩阵；S4、将经过预处理的图片I输入到愉悦度估计网络中，通过特征图调整矩阵对愉悦度估计网络的特征图进行调整，最终输出愉悦度估计的结果。所述方法结合人脸的性别特征，自动识别人脸图片的性别，通过特征调整网络动态地调整愉悦度估计网络的特征，得到了准确的愉悦度估计结果，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110223245A
公开(公告)日：2019-09-10
申请号：CN201910405703.5
申请日：2019-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，所述方法包括以下步骤：通过模糊算法将原图像P进行模糊化处理得到图像 将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。
-
公开(公告)号：CN110533074B
公开(公告)日：2022-03-29
申请号：CN201910694450.8
申请日：2019-07-30
Applicant: 华南理工大学
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双深度神经网络的图片类别自动标注方法及系统，所述方法包括：S1、准备已经标注完成的图片及需要进行自动标注的未标注图片，将已经标注完成的图片分为分别用于训练分类网络和判别网络的两部分图片；S2、搭建包含分类网络和判别网络的双深度神经网络模型；S3、使用已经标注完成的图片训练双深度神经网络模型；S4、使用已训练的双深度神经网络模型对未标注图片的类别进行预测；S5、对未标注图片的预测结果进行处理并选择开启下一次迭代或者结束自动标注。本发明基于双深度神经网络模型，通过判别模型对分类模型的输出进一步优化，实现了低成本、高质量的数据标注，具有广阔的应用前景。
-
公开(公告)号：CN110223245B
公开(公告)日：2021-07-16
申请号：CN201910405703.5
申请日：2019-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，所述方法包括以下步骤：通过模糊算法将原图像P进行模糊化处理得到图像将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。
-
公开(公告)号：CN111938642A
公开(公告)日：2020-11-17
申请号：CN202010867971.1
申请日：2020-08-26
Abstract: 本发明为基于电阻抗成像技术的足底压力面参数测量系统及方法，包括压力面参数感应鞋垫、传感器阵列控制模块、电极阵列、结果计算和显示终端；电极阵列铺设在压力面参数感应鞋垫上；传感器阵列控制模块包括单片机、激励电极选通模块、电压测量电极选通模块，电极阵列采集足底电压数据并传输给单片机，单片机对所采集的足底电压数据进行处理后，向结果计算和显示终端输出处理后的电压数据组，通过电阻抗成像算法和关联特性标定方法得出整片导电橡胶上的压力分布。本发明采集数据速率快、精度高，检测结果直观、全面，且对人体无损害，为临床诊断、矫形处方、康复治疗等提供可靠数据和客观评价。
-
公开(公告)号：CN110533074A
公开(公告)日：2019-12-03
申请号：CN201910694450.8
申请日：2019-07-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双深度神经网络的图片类别自动标注方法及系统，所述方法包括：S1、准备已经标注完成的图片及需要进行自动标注的未标注图片，将已经标注完成的图片分为分别用于训练分类网络和判别网络的两部分图片；S2、搭建包含分类网络和判别网络的双深度神经网络模型；S3、使用已经标注完成的图片训练双深度神经网络模型；S4、使用已训练的双深度神经网络模型对未标注图片的类别进行预测；S5、对未标注图片的预测结果进行处理并选择开启下一次迭代或者结束自动标注。本发明基于双深度神经网络模型，通过判别模型对分类模型的输出进一步优化，实现了低成本、高质量的数据标注，具有广阔的应用前景。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
