-
公开(公告)号：CN114565789A
公开(公告)日：2022-05-31
申请号：CN202210151148.X
申请日：2022-02-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集合预测的文本检测方法、系统、装置及介质，其中方法包括：S1、预设查询向量；S2、利用神经网络对包含文本的图片进行特征提取，通过感兴趣区域池化对齐机制映射每个所述查询向量对应的文本区域高维特征向量；S3、对查询向量进一步编码，获得加强查询向量；S4、将所述加强查询向量与所述文本区域高维特征向量进行联合解码，输入到共享的多层全连接感知器，解析获得每个查询向量所编码的文本检测结果；S5、重复步骤S2至S4若干次，迭代得到更准确的文本检测结果。本发明采用级联的结构迭代预测，在文本行尺度变化剧烈，密集，变形等情况下，检测结果依然精确，可广泛应用于模式识别与人工智能技术领域。
-
公开(公告)号：CN109886155B
公开(公告)日：2021-08-10
申请号：CN201910089817.3
申请日：2019-01-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的单株水稻检测定位方法、系统、设备及介质，所述方法包括：获取大田水稻样本图像数据；对大田水稻样本图像数据进行预处理和标注，得到预处理图像数据；建立深度卷积神经网络检测模型；使用预处理图像数据对深度卷积神经网络检测模型进行优化训练；利用训练后的深度卷积神经网络检测模型对大田水稻待测图像的单株水稻进行检测定位。本发明采用计算机视觉中基于深度学习的检测方法，可以大大改善上述现有技术的缺陷，通过设计深度卷积神经网络模型，提取植株高维度空间语义特征，在复杂的环境下依然有很好的定位精度和鲁棒性，能够广泛应用于农业的自动化、智能化生产管理中。
-
公开(公告)号：CN109255351B
公开(公告)日：2020-08-18
申请号：CN201811031633.3
申请日：2018-09-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于三维卷积神经网络的边界框回归方法、系统、设备及介质，所述方法包括：构建回归器，对跟踪算法预测出的目标边界框进行回归；根据给定跟踪序列的第一帧信息，生成样本对并训练回归器；在后续每一帧的目标跟踪过程中，使用回归器对跟踪算法预测的目标边界框进行回归；在设定三维卷积神经网络的时序维度输入量为N的情况下，当跟踪到第N帧时，将前N帧的跟踪目标图像作为三维卷积神经网络的输入，再根据第一帧的信息，生成样本对，对回归器进行适应性调优重训练。本发明首次将边界框回归应用在基于三维卷积神经网络的目标跟踪算法领域，使预测的边界框经过回归后更接近真实值，提高了跟踪效果的精确性。
-
Patent Agency Ranking
公开(公告)号：CN109919025A
公开(公告)日：2019-06-21
申请号：CN201910089785.7
申请日：2019-01-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的视频场景文本检测方法、系统、设备及介质，所述方法包括：获取静态自然场景文本图像数据；对静态自然场景文本图像数据进行预处理，得到预处理场景文本图像数据；构建基于回归的端到端深度卷积神经网络模型；使用预处理场景文本图像数据对深度卷积神经网络模型进行优化训练；利用训练后的深度卷积神经网络模型进行视频场景文本检测。本发明采用计算机视觉中基于深度学习的检测方法，通过设计高效的基于回归的端到端深度卷积神经网络模型，可以快速并且实时准确地获取视频中的场景文本，能够为后续文字识别等任务提供基础，对视频语义理解、字幕翻译、治安监控安防、无人机飞行、自动驾驶等场景有着重要的应用。
-
公开(公告)号：CN109886155A
公开(公告)日：2019-06-14
申请号：CN201910089817.3
申请日：2019-01-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的单株水稻检测定位方法、系统、设备及介质，所述方法包括：获取大田水稻样本图像数据；对大田水稻样本图像数据进行预处理和标注，得到预处理图像数据；建立深度卷积神经网络检测模型；使用预处理图像数据对深度卷积神经网络检测模型进行优化训练；利用训练后的深度卷积神经网络检测模型对大田水稻待测图像的单株水稻进行检测定位。本发明采用计算机视觉中基于深度学习的检测方法，可以大大改善上述现有技术的缺陷，通过设计深度卷积神经网络模型，提取植株高维度空间语义特征，在复杂的环境下依然有很好的定位精度和鲁棒性，能够广泛应用于农业的自动化、智能化生产管理中。
-
公开(公告)号：CN109308725B
公开(公告)日：2020-09-22
申请号：CN201810998168.4
申请日：2018-08-29
Applicant: 华南理工大学
Abstract: 本发明属于人工智能与互联网技术领域，为移动端表情趣图生成的系统，包括移动端和服务器端；移动端包括数据采集获取单元、控制单元、显示单元和数据请求单元，保存单元、分享单元分别与显示单元连接，数据采集获取单元、显示单元、数据请求单元分别与控制单元连接；服务器端采用基于生成对抗网络的方法构造深度卷积神经网络模型；控制单元通过数据请求单元对深度神经网络模型进行先验的条件控制，使其将数据请求单元输入的原图进行相应控制单元所需要图片的生成，生成完成之后通过数据请求单元返回显示单元。本发明能学习出面部表情特征以生成不同情绪、不同发色、不同年龄的人脸表情，转换性能好、速率快，满足人们猎奇和趣味恶搞的心理需求。
-
公开(公告)号：CN109255351A
公开(公告)日：2019-01-22
申请号：CN201811031633.3
申请日：2018-09-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于三维卷积神经网络的边界框回归方法、系统、设备及介质，所述方法包括：构建回归器，对跟踪算法预测出的目标边界框进行回归；根据给定跟踪序列的第一帧信息，生成样本对并训练回归器；在后续每一帧的目标跟踪过程中，使用回归器对跟踪算法预测的目标边界框进行回归；在设定三维卷积神经网络的时序维度输入量为N的情况下，当跟踪到第N帧时，将前N帧的跟踪目标图像作为三维卷积神经网络的输入，再根据第一帧的信息，生成样本对，对回归器进行适应性调优重训练。本发明首次将边界框回归应用在基于三维卷积神经网络的目标跟踪算法领域，使预测的边界框经过回归后更接近真实值，提高了跟踪效果的精确性。
-
公开(公告)号：CN107045708A
公开(公告)日：2017-08-15
申请号：CN201710256994.7
申请日：2017-04-19
Applicant: 华南理工大学
CPC classification number: G06Q50/205 , G09B7/00
Abstract: 本发明公开了一种基于实验过程管理的实验台智能电源管理方法及系统，方法包括：参加实验相关人员用账号登录，申请进入系统；根据登陆的账号判断用户类型；对于学生用户，进入实验设备供电抑制状态；对于教师和管理员用户，进入实验设备条件上电状态；调用习题库对习题进行习题下发或修改，为未通过预习测试的学生重新下发测试题；对预习测试进行成绩判别；通过预习测试学生对应的实验台进入实验设备条件上电状态。本发明通过控制实验设备通电情况控制实验过程的进行，限制预习情况不佳学生的实验进程，从而增强了学生预习的主动性，减轻教师的负担，并提高了实验教学的质量。本发明可广泛应用于教学领域中。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.034 seconds)
