-
公开(公告)号：CN108545577A
公开(公告)日：2018-09-18
申请号：CN201810298594.7
申请日：2018-04-04
Abstract: 本发明公开了一种斜挂式可调节轮椅升降平台，包括移动导轨、安装板、控制操作平台、轮椅平台、蓄电池、动力系统和设备电路，所述安装板安装于移动导轨，所述控制操作平台和蓄电池均安装于安装板的正面，所述轮椅平台与控制操作平台连接，所述动力系统和设备电路均与控制操作平台连接，所述蓄电池与设备电路连接；还包括非晶硅薄膜制成的发电板和非晶硅薄膜制成的卷材发电电池，所述发电板通过外框安装于安装板的背面，所述卷材发电电池通过卷拉筒机构安装于轮椅平台的背面，且所述发电板和卷材发电电池和蓄电池均通过相应的电池电路与设备电路连接。本发明可减慢老化速度，减少安全隐患，且能源转化效能高。
-
公开(公告)号：CN117935381A
公开(公告)日：2024-04-26
申请号：CN202410116282.5
申请日：2024-01-29
Applicant: 华南理工大学
IPC: G06V40/40 , G06V20/40 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/20 , G06V10/26 , G06V10/46 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于整体伪造痕迹和局部细节信息提取的换脸视频检测方法及系统，该方法包括下述步骤：视频预处理，基于裁剪人脸和人脸关键点生成自融合增强图像，将压缩后的图像和原图送入对比深度监督框架进行对比学习，截取主干网络中间特征提取伪造痕迹明显区域，将该区域进行图像压缩，将压缩后的区域图像和原始区域送入对比深度监督框架进行对比学习，利用整体分类损失、整体对比深度监督损失、区域分类损失、区域对比深度监督损失、提案约束损失、结构建模损失的组合损失函数监督训练网络模型。本发明有效的整合了低层次特征和高级语义特征，以及全局特征和局部特征，在不同的数据库均获得较好的检测准确率，具有较好的域泛化性和通用性。
-
公开(公告)号：CN117854162A
公开(公告)日：2024-04-09
申请号：CN202410087187.7
申请日：2024-01-22
Applicant: 华南理工大学
IPC: G06V40/40 , G06V40/16 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种增加风格多样性的人脸活体检测方法及系统，包括下述步骤：提取人脸图像并设置真伪标签和域标签；提取人脸图像的内容特征和风格特征；将内容特征输入带有梯度反转层的域判别器，计算域判别器损失；进行类引导的风格特征混合操作得到混合风格特征；构建自组装特征和重组特征；通过基于代理的对比学习损失对自组装特征和重组特征进行约束；通过分类器计算得到人脸图像为真的概率值，基于真伪标签对分类器的输出进行监督，得到分类损失；构建总损失函数；基于总损失函数训练得到预测模型，得到人脸图像为真的预测概率。本发明增加了风格多样性，可以接触到大量未知域的风格，提高了表征能力，具有较好的泛化性能及鲁棒性。
-
公开(公告)号：CN116434297A
公开(公告)日：2023-07-14
申请号：CN202310234596.0
申请日：2023-03-10
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于人脸关键点图建模的换脸视频篡改检测方法及装置，其中方法包括：获取换脸视频数据，根据换脸视频数据获取训练集和测试集；构建基于人脸关键点图建模的篡改检测模型；采用训练集对篡改检测模型进行训练；采用测试集对训练后的篡改检测模型进行测试；其中，所述篡改检测模型包括前端人脸关键点提取模块、关键点拓扑图特征生成模块、并行图注意力神经网络模块、后端循环神经网络模块以及判决输出模块。本发明通过对人脸关键点进行拓扑图建模，并使用图注意力神经网络提取关键点拓扑图节点的高维几何特征，进一步丰富单帧人脸的特征表示，提升了模型的鲁棒性与检测准确性。本发明可广泛应用于数字视频的篡改检测技术领域。
-
公开(公告)号：CN108596818B
公开(公告)日：2021-10-26
申请号：CN201711401184.2
申请日：2017-12-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多任务学习卷积神经网络的图像隐写分析方法：S1、设计包括图像隐写分析主网络和像素点隐写分析分支网络的多任务学习网络模型；S2、对原始图像进行隐写得到隐写图像，保存每张图像的图像隐写分析标签和像素点隐写分析标签；S3、使用高通滤波器对多任务学习网络模型中的第一层卷积层的权值参数进行初始化，其余卷积层使用Xavier方式进行初始化；S4、将步骤S2得到的数据集随机划分为训练集和测试集，应用Adam算法在训练集上对多任务学习网络模型同时进行图像隐写分析和像素点隐写分析有监督的学习训练，在测试集上进行测试，最后保存在测试集上结果最好的模型作为最终模型；S5、使用最终模型对其余新的测试图像进行隐写分析。
-
Patent Agency Ranking
公开(公告)号：CN113158789A
公开(公告)日：2021-07-23
申请号：CN202110275351.3
申请日：2021-03-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种遥感图像的目标检测方法、系统、装置及介质，其中方法包括以下步骤：获取待检测图片，对所述待检测图片进行特征提取，获得带有检测框的特征图；将所述特征图输入两级级联的检测网络，在第一级检测结构中采用多方向RoI Align获取所述特征图的方向敏感特征，使所述检测框带有角度参数；在第二级检测结构中采用多分支形变卷积模块对所述特征图进行对齐处理，获得最终的检测框，实现目标检测。本发明无需在区域提取网络阶段生成额外的多种朝向的候选框，而是提取多个不同方向的特征，计算量相对来说没有增长，同时获取的方向敏感特征对于回归分支有着比较好的增益效果，提升了模型的整体表现，可广泛应用于图像处理技术领域。
-
公开(公告)号：CN108596818A
公开(公告)日：2018-09-28
申请号：CN201711401184.2
申请日：2017-12-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多任务学习卷积神经网络的图像隐写分析方法：S1、设计包括图像隐写分析主网络和像素点隐写分析分支网络的多任务学习网络模型；S2、对原始图像进行隐写得到隐写图像，保存每张图像的图像隐写分析标签和像素点隐写分析标签；S3、使用高通滤波器对多任务学习网络模型中的第一层卷积层的权值参数进行初始化，其余卷积层使用Xavier方式进行初始化；S4、将步骤S2得到的数据集随机划分为训练集和测试集，应用Adam算法在训练集上对多任务学习网络模型同时进行图像隐写分析和像素点隐写分析有监督的学习训练，在测试集上进行测试，最后保存在测试集上结果最好的模型作为最终模型；S5、使用最终模型对其余新的测试图像进行隐写分析。
-
公开(公告)号：CN108400646A
公开(公告)日：2018-08-14
申请号：CN201810061998.4
申请日：2018-01-23
Abstract: 本发明公开了一种具有薄膜发电系统的轮椅升降平台及其充电方法，所述平台包括轮椅升降平台系统和薄膜发电系统，所述薄膜发电系统包括多块薄膜发电电池和电池电路连接框，所述薄膜发电电池包括发电薄膜和电池外框，所述薄膜发电电池通过电池外框进行并联连接，多块薄膜发电电池通过电池电路连接框进行固定，所述电池电路连接框与轮椅升降平台系统的电池安装架进行配合并实现薄膜发电系统与轮椅升降平台系统的电路连接。该轮椅升降平台具备薄膜发电系统，可以在阳光稀缺的地区或室内场所为轮椅升降平台提供动力能源，室外使用设备不易老化，并且能够根据电量需求控制薄膜发电系统的阳光直射面积，提高光电转化效率。
-
公开(公告)号：CN107784659A
公开(公告)日：2018-03-09
申请号：CN201710957025.4
申请日：2017-10-16
Applicant: 华南理工大学
CPC classification number: G06T7/13 , G06T7/246 , G06T9/00 , G06T2207/10048
Abstract: 本发明公开了一种搜索电气设备红外图像相似可见光图像的方法，所述方法基于行边界灰度值边缘检测算法对可见光图像库中的可见光图像和提供的红外图像进行边缘提取得到相应的边缘图像，然后使用基于SURF算子的图像感知哈希算法对可见光边缘图像和红外边缘图像进行感知哈希编码，之后计算红外边缘图像哈希编码与可见光边缘图像哈希编码间的汉明距离，得到与红外边缘图像哈希编码汉明距离最小的可见光边缘图像集合，最后将可见光边缘图像集合中的图像分别与红外边缘图像进行SURF特征点的匹配，并基于斜率一致性对匹配点对进行筛选，筛选出正确的匹配点，得到与红外边缘图像匹配点最多的可见光边缘图像对应的可见光图像就是本搜索方法的搜索结果。
-
公开(公告)号：CN107194315A
公开(公告)日：2017-09-22
申请号：CN201710260509.3
申请日：2017-04-20
Applicant: 华南理工大学
CPC classification number: G06K9/00771 , G06K9/00288 , G06K9/00751 , G06Q50/205
Abstract: 本发明公开了一种基于人脸识别的智能实践教学过程监控方法及系统，方法包括课外部分和课内部分；系统包括学生端、教师端、监控设备以及教学平台系统端。本发明将人脸识别技术应用到实践教学过程中，实时监控实践过程，有效避免了实践过程中代做、帮做和抄袭实验结果等舞弊现象，促进了实践教学的智能化和规范化，提升了教学质量，同时使实践成绩评定更加客观化，有效避免了师生冲突，具有极好的应用推广价值。本发明可广泛应用于教学领域中。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.024 seconds)
