-
公开(公告)号：CN106022392B
公开(公告)日：2019-09-13
申请号：CN201610389949.4
申请日：2016-06-02
Applicant: 华南理工大学
Abstract: 本发明公开的一种深度神经网络样本自动取舍的训练方法，其特征在于，包括如下步骤：A、样本的领域知识计算；B、计算所有样本的复选概率；C、小批量训练集样本自动取舍；D、网络参数和样本配额更新。本发明的训练方法，能使学习效果不好的样本出现的频率变高，学习效果好的样本出现的频率变低，把一些坏样本逐渐移除，以减少对深度神经网络的学习效果的破坏，高效地实现了对训练样本的合理利用。
-
公开(公告)号：CN108875738A
公开(公告)日：2018-11-23
申请号：CN201810607294.2
申请日：2018-06-13
Applicant: 深圳市云识科技有限公司 , 华南理工大学
IPC: G06K9/32
Abstract: 本发明提供了一种智能摄像表的云识别纠错方法，包括：步骤S1：自动校正，具体为：根据相邻两次图像采集间隔的最大读数差值、以及前一次识别读数值，对当前识别读数值进行自动校正；步骤S2：置信度预测及人工纠错，具体为：根据前一次识别读数值以及当前识别读数值，对当前识别读数值的置信度进行有效预测，并对仪表读数区域定位和仪表读数识别结果进行人工纠错。本发明的另一个目的还提供一种智能摄像表的云识别纠错系统。本发明将自动校正与人工纠错有机结合，既保障了识别的可靠性，也有效提高了大批量数据纠错的时效性，有效减少人工纠错的工作量，具有明显优势。
-
公开(公告)号：CN104297519B
公开(公告)日：2017-11-28
申请号：CN201310307180.3
申请日：2013-07-19
Applicant: 广州三星通信技术研究有限公司 , 华南理工大学 , 三星电子株式会社
IPC: G01P15/00
Abstract: 本发明提供一种人体运动姿态识别方法和移动终端，所述方法包括下述步骤：采集人体运动的加速度数据；根据采集的加速度数据来计算重力方向的加速度，从而得到关于时间的重力方向的加速度曲线；确定重力方向的加速度曲线是否具有处于失重状态的部分，从而根据确定结果来识别人体运动姿态。因此，可以准确地识别出各种人体运动姿态而不需要相对于人体固定加速度传感器。
-
公开(公告)号：CN107220655A
公开(公告)日：2017-09-29
申请号：CN201610168622.4
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的手写、印刷文本的分类方法。具体包括下列步骤：(1)数据获取：采集手写、印刷文本图像，以形成训练集；(2)对训练集图像进行二值化、高度归一化处理；(3)泛化样本：对训练集图像进行切割、加噪处理；(4)构造深度卷积神经网络，利用训练集图像对所构造的深度卷积神经网络进行训练；(5)切割拟分类的文本图片，输入步骤(4)所构造的深度卷积神经网络，根据得到的概率分布，对概率分布求均值，输出分类结果。本发明通过深度学习算法从样本中自动学习出手写文本与印刷文本之间的不同特征，能够使计算机智能地对手写文本、印刷文本图像进行分辨。
-
公开(公告)号：CN107145946A
公开(公告)日：2017-09-08
申请号：CN201710161311.X
申请日：2017-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种在不同神经网络结构间进行知识迁移的方法，包括步骤将已经训练好的神经网络纵向划分为多个子网络；根据不同的需求设计需要进行知识转移的目标网络；对所述需要进行知识转移的目标网络进行优化；提取所述需要进行知识转移的目标网络，对所述需要进行知识转移的目标网络进一步优化。与现有技术相比，本发明进一步地拓展了知识迁移模式，在精度上、迁移收敛速度上、灵活性上都具有显著的优势；而且实现简单方便，用户只需简单改写一下网络定义文件，就可以实现大部分的功能，因此具有一定的工程意义。
-
Patent Agency Ranking
公开(公告)号：CN104268330B
公开(公告)日：2017-08-25
申请号：CN201410484142.X
申请日：2014-09-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种复杂曲线的Bezier拟合方法，包括以下顺序的步骤：利用基于固定弦弧比的方法来准确确定曲线G1分裂点的位置，将曲线分解成弯曲变化小的曲线段，并且在分裂点处保留了曲线的G1连续性；采用了直接调整曲线控制点的方法，使得各段曲线独立进行Bezier拟合后既保证了任意相邻的Bezier曲线具有G1连续性，又保证了算法的高效性。本发明的方法，可以高效地对复杂曲线进行Bezier曲线拟合。
-
公开(公告)号：CN106682664A
公开(公告)日：2017-05-17
申请号：CN201611114543.1
申请日：2016-12-07
Applicant: 华南理工大学
CPC classification number: G06K9/2054 , G06N3/04
Abstract: 本发明公开了基于全卷积递归神经网络的水表圆盘区域检测方法，包括步骤：获取水表图像，标注水表图像上的水表圆盘区域外界矩形框，获取水表圆盘区域外界矩形框的标注信息；构建全卷积递归神经网络，提取水表图像的多通道特征图；使用滑动窗口扫描多通道特征图，筛选出表盘区域候选窗；提取表盘区域候选窗位置的相应位置特征，获取最终目标检测结果；利用表盘区域候选窗损失及最终目标损失，更新全卷积递归神经网的参数。本发明利用深度学习中的全卷积递归神经网络，自动提取水表圆盘特征，解决了复杂背景下水表圆盘区域检测的问题，将识别出圆盘的位置进一步作为水表读数识别的输入，大大提高了水表读数识别的识别率。
-
公开(公告)号：CN106372630A
公开(公告)日：2017-02-01
申请号：CN201611037721.5
申请日：2016-11-23
Applicant: 华南理工大学
CPC classification number: G06K9/00268 , G06K9/6256 , G06K9/66 , G06N3/061 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人脸方向检测方法，包括步骤：构建用于人脸方向检测数据库；构建卷积神经网络；将归一化后的所述用于深度学习的人脸图片输入到所述卷积神经网络中进行训练，得到人脸方向检测模型；将需要进行人脸方向检测的图片输入到所述人脸方向检测模型，得到图片中的人脸方向。与现有技术相比，本发明摒弃传统的手工提取人脸图片的方法，利用深度学习中的卷积神经网络自动提取图片特征；将特征提取和人脸方向检测合为一体，有利于整体优化，实现了真正的端到端的人脸方向检测；与人脸大数据的结合使检测模型可以得到进一步的优化，人脸数据的增加可以使模型在光照、背景复杂度等干扰下仍具有较强的鲁棒性。
-
公开(公告)号：CN103500010B
公开(公告)日：2016-10-05
申请号：CN201310462133.6
申请日：2013-09-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种以Kinect为摄像工具的视频人手指尖定位方法,步骤如下：（1）从摄像头获取彩色和深度图像；（2）手部分割；（3）手部的三视图投影；（4）手指定位；（5）指尖定位；计算每个手指候选点与前臂点在拳部中心所构成的夹角值，移除小于90°的候选点，再从剩下的候选点中取距离拳部中心最远的点作为指尖点。本发明具有很大的拓展空间、适用于深度摄像头下通用物体的辅助识别以及节省了后续的计算量和提高最终的准确率等优点。
-
公开(公告)号：CN103488744B
公开(公告)日：2016-10-05
申请号：CN201310432630.1
申请日：2013-09-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种大数据图像分类方法，包括如下步骤：1）收集图像样本作为训练集；2）寻找大数据图像分类最优的投影矩阵；3）对无标注数据进行投影；4）对投影后的样本采用最小距离分类器分类。利用本发明提出的方法能够有效利用样本分布的局部几何信息，并提取分类的鉴别信息，减少大数据图像分类对人工标注样本的依赖，有效减少训练过程中的存储成本，其分类准确度高于有代表性的基于线性判别分析的图像分类方法。
-
-
-
-
-
-
-
-
-
Search Results
342
records
(took 0.068 seconds)
