-
公开(公告)号：CN112990280B
公开(公告)日：2023-08-25
申请号：CN202110223442.2
申请日：2021-03-01
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种面向图像大数据的类增量分类方法、系统、装置及介质，其中方法包括初始化训练阶段和增量学习阶段；所述初始化训练阶段包括：构建图像的初始数据集；根据所述初始数据集训练初始分类模型；所述增量学习阶段包括：根据所述初始数据集和图像的新数据构建增量学习数据集；根据所述初始分类模型获取增量学习新模型，根据增量学习数据集和蒸馏算法训练所述增量学习新模型，得到能够识别新旧类别的模型；其中，所述蒸馏算法使模型的类间距离扩大及类内距离缩小。本发明通过蒸馏算法更新增量学习模型，使模型的类间距离扩大及类内距离缩小，能够在有限的存储空间和计算资源下，提升模型对新旧数据识别性能，可广泛应用于大数据应用领域。
-
公开(公告)号：CN110136226A
公开(公告)日：2019-08-16
申请号：CN201910274529.5
申请日：2019-04-08
Applicant: 华南理工大学
IPC: G06T11/60 , G06F16/51 , G06F16/535 , G06F16/58 , G06F16/583
Abstract: 本发明属于深度学习和计算机视觉技术领域，涉及一种基于图像组协同描述生成的新闻自动配图方法，包括：制作用于图像描述生成的新闻类中文数据集；使用新闻类中文数据集，构建及训练图像组协同描述生成模型；基于训练好的图像组描述生成模型，进行新闻自动化配图。本发明以更具体、更丰富的图像描述提高新闻配图的准确率，解决了目前新闻配图方法独立提取图片特征和文字特征后做匹配，深度学习对图片特征和文字特征的处理存在差异导致匹配效果不佳的问题。
-
公开(公告)号：CN101162233B
公开(公告)日：2011-01-19
申请号：CN200710031507.3
申请日：2007-11-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种中央空调通风管道多功能空气质量分析机器人，包括履带式行走模块、机器人箱体、前向视觉传感器模块、后向视觉传感器模块、声纳距离传感器、红外距离传感器、空气质量检测模块、灰尘定量采样模块、灰尘测重模块、电源模块、电机驱动板、无线通信模块、中央控制单元和远程遥控单元；该机器人可以实时检测中央空调风管空气中有害气体的含量，可以采集中央空调风管底部和中央空调风管侧壁上的灰尘，并可以实时地测量所采集灰尘的重量；该机器人具有在中央空调风管中自主运动和自主决策的能力，使操作人员不需要掌握高深的机器人领域的专业知识就可以轻松地进行操作，并且减少机器人作业中的人为干预，能更好地保证检测结果的可靠性与公平性。
-
公开(公告)号：CN118963817A
公开(公告)日：2024-11-15
申请号：CN202411026930.4
申请日：2024-07-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种在Kubernetes系统中实施蓝绿发布的系统，属于计算机技术领域。该系统包括：蓝绿发布自定义资源；工作负载的webhook模块，用于监测新版本发布，并为工作负载进行蓝绿发布做前置处理；自定义资源控制器，用于根据蓝绿发布自定义资源，对相应的工作负载执行发布控制逻辑，以达到期望的蓝绿发布行为；其中，当webhook模块监测到发布新版本时，检查本次发布是否应该被允许，如果允许，则将发布新版本置于短暂的暂停状态，以便之后自定义资源控制器进行发布管理。本发明以旁路式的方式对目标工作负载进行蓝绿发布，发布前后不会变更工作负载的元信息；不需要创建额外的工作负载，简化了发布过程的管理，且支持对存量工作负载进行。
-
公开(公告)号：CN118196397B
公开(公告)日：2024-07-19
申请号：CN202410584964.9
申请日：2024-05-13
Applicant: 华南理工大学
IPC: G06V10/25 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种图像目标检测方法及系统，属于图像处理技术领域，本发明方法中借助大型视觉模型的知识，为未知类别提供监督。使用SAM为潜在物体生成初步伪标签，并通过交并比和最短边界框边缘长度进行精炼。本发明中提出双重匹配标签分配策略，以区分已知和未知类别的标签。此外，还使用类别意识中和器，以减少模型对已知类别的偏见。在开放世界目标检测基准测试上的评估结果表明，本发明方法在未知类别召回率上比先前的SOTA方法具有显著优势；此外，本发明方法不增加任何额外参数，保持了Faster R‑CNN的推理速度优势，效率较高。
-
Patent Agency Ranking
公开(公告)号：CN115082142B
公开(公告)日：2024-04-30
申请号：CN202210504352.5
申请日：2022-05-10
Applicant: 华南理工大学
IPC: G06Q30/0601 , G06F16/901 , G06F16/9536 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。
-
公开(公告)号：CN110136226B
公开(公告)日：2023-12-22
申请号：CN201910274529.5
申请日：2019-04-08
Applicant: 华南理工大学
IPC: G06T11/60 , G06F16/51 , G06F16/535 , G06F16/58 , G06F16/583
Abstract: 本发明属于深度学习和计算机视觉技术领域，涉及一种基于图像组协同描述生成的新闻自动配图方法，包括：制作用于图像描述生成的新闻类中文数据集；使用新闻类中文数据集，构建及训练图像组协同描述生成模型；基于训练好的图像组描述生成模型，进行新闻自动化配图。本发明以更具体、更丰富的图像描述提高新闻配图的准确率，解决了目前新闻配图方法独立提取图片特征和文字特征后做匹配，深度学习对图片特征和文字特征的处理存在差异导致匹配效果不佳的问题。
-
公开(公告)号：CN113011513B
公开(公告)日：2023-03-24
申请号：CN202110333791.X
申请日：2021-03-29
Applicant: 华南理工大学
IPC: G06V10/80 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于通用域自适应的图像大数据分类方法，本发明方法包括将获取的目标域图像数据Xt输入预先训练好的通用域自适应网络，通过特征提取器F将目标域图像数据Xt转化成目标域图像特征向量Zt,通过分类部分G对特征向量Zt进行分类输出得到分类结果Yt和余弦相似度Ct,通过域判别器D对特征向量Zt进行域判别输出得到目标域判别dt。将得到的余弦相似度Ct和域判别dt结合得到目标域权重Wt，目标域权重Wt与阈值相比较，大于阈值则输出分类结果Yt。本发明能够解决图像大数据域自适应的问题，使训练好的模型可以应用在任意图像大数据集上，极大地提高了模型的泛化能力和分类效果，减轻对模型源域数据集的依赖。
-
公开(公告)号：CN115082142A
公开(公告)日：2022-09-20
申请号：CN202210504352.5
申请日：2022-05-10
Applicant: 华南理工大学
IPC: G06Q30/06 , G06F16/901 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。
-
公开(公告)号：CN113011513A
公开(公告)日：2021-06-22
申请号：CN202110333791.X
申请日：2021-03-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于通用域自适应的图像大数据分类方法，本发明方法包括将获取的目标域图像数据Xt输入预先训练好的通用域自适应网络，通过特征提取器F将目标域图像数据Xt转化成目标域图像特征向量Zt,通过分类部分G对特征向量Zt进行分类输出得到分类结果Yt和余弦相似度Ct,通过域判别器D对特征向量Zt进行域判别输出得到目标域判别dt。将得到的余弦相似度Ct和域判别dt结合得到目标域权重Wt，目标域权重Wt与阈值相比较，大于阈值则输出分类结果Yt。本发明能够解决图像大数据域自适应的问题，使训练好的模型可以应用在任意图像大数据集上，极大地提高了模型的泛化能力和分类效果，减轻对模型源域数据集的依赖。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.048 seconds)
