-
公开(公告)号：CN103115586A
公开(公告)日：2013-05-22
申请号：CN201310047160.7
申请日：2013-02-05
Applicant: 华南理工大学
IPC: G01B11/25
Abstract: 本发明公开了一种基于激光干涉条纹的微三维传感装置，包括激光器、第一凸透镜、第二凸透镜、分束器、第三凸透镜、CCD摄像机和微型计算机；第一凸透镜和第二凸透镜放置在激光器和分束器之间，激光器位于第一凸透镜的焦距处，第一凸透镜位于第二凸透镜的焦距处；第三凸透镜位于被测物体与CCD摄像机之间，被测物体位于第三凸透镜前面，CCD摄像机的传感器感光面位于第三凸透镜的像面处；微型计算机与CCD摄像头信号连接。本发明以高频的激光干涉条纹作为投射光栅，分辨率相远高于基于数字投影技术的测量系统，可实现微小物体表面结构测量。投射光栅的频率可以通过调节入射光束与分束镜的角度来调节，操作十分方便。
-
公开(公告)号：CN102063778A
公开(公告)日：2011-05-18
申请号：CN201010536999.3
申请日：2010-11-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于单片机的视力保护警示系统，包括依次连接的超声波测距模块、接口电路模块和计算机；超声波测距模块包括单片机、超声波发射电路和超声波接收电路；超声波发射电路和超声波接收电路分别与单片机信号连接；单片机产生控制信号，控制超声波发射电路发射出超声波，单片机内部的定时器启动，超声波遇到计算机的显示屏反射回来，经超声波接收电路接收，测量出超声波信号从发出到接收所花的时间；进而计算得到人脸和屏幕之间的距离；计算机将获得测量的距离与设定的阈值进行比较，如该距离小于允设定的阈值，在计算机屏幕上弹出警告信息，达到保护用户眼睛的目的，为用户带来健康、完善的使用体验。
-
公开(公告)号：CN116403127A
公开(公告)日：2023-07-07
申请号：CN202310210638.7
申请日：2023-03-06
Applicant: 华南理工大学 , 广东微步智能科技有限公司
Abstract: 本发明公开了一种无人机航拍图像目标检测方法、装置和存储介质，其中方法包括：主干网络对无人机航拍图像进行特征提取，获得初步特征；使用跨阶段局部空洞空间金字塔池化模块获得不同感受野的特征，并进行通道聚合，得到深层特征；将得到的深层特征输入到路径聚合网络模块中进行特征融合，并使用坐标注意力多尺度堆叠模块提取到更加丰富的空间位置信息，得到不同尺度的特征表示；将不同尺度的特征表示通过卷积模块和非线性激活函数进行目标分类和边界框回归。本发明通过采用坐标注意力多尺度堆叠模块在实现多尺度提取特征的同时将坐标信息注入到通道中，保留了更多的细节信息来帮助图像中小目标的检测。本发明可广泛应用于目标检测领域。
-
公开(公告)号：CN112634136B
公开(公告)日：2023-05-23
申请号：CN202011556673.7
申请日：2020-12-24
Applicant: 华南理工大学
IPC: G06T3/40 , G06T7/10 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于图像特征快速拼接的图像超分辨率方法及其系统，该系统包括多级快速的大视野图像信息提取模块、图像特征快速拼接模块、图像上采样重建模块以及对抗神经网络判别器。其中，所述多级快速的大视野图像信息提取模块从图像中快速提取大视野的信息；所述图像特征快速拼接模块将各级视野的图像信息以不均衡加权的方式整合起来；所述图像上采样重建模块使用亚像素卷积的方法从图像信息中重建出超分辨率图像；所述对抗神经网络判别器为算法模型的训练提供对抗损失。本发明将图像下采样的卷积计算引入到图像超分辨率重建的问题中，提升了图像超分辨率重建的计算速度和精度，具有广阔的应用前景。
-
公开(公告)号：CN115965874A
公开(公告)日：2023-04-14
申请号：CN202310082983.7
申请日：2023-01-18
Applicant: 华南理工大学 , 广东微步智能科技有限公司
IPC: G06V20/10 , G06V10/774 , G06V10/52 , G06V10/776 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种农作物病害识别方法、系统、装置和存储介质，其中方法包括：获取农作物病害数据集，对数据集进行预处理和数据扩增，得到预处理后的数据集；构建病害识别模型，采用获得的数据集对所述病害识别模型进行训练，将训练后的模型用于农作物病害识别；其中，所述病害识别模型以CSPResNet50作为主干网络，并将主干网络中的残差块用金字塔卷积替代其中的3×3卷积；在主干网络的残差块中，添加注意力机制模块。本发明通过采用金字塔卷积模块，增大卷积核的感受野，提高网络模型对多尺度信息的提取能力。此外，通过采用注意力机制模块，使模型更加关注于重要的病害特征。本发明可广泛应用于农作物病害图像识别技术领域。
-
Patent Agency Ranking
公开(公告)号：CN112891156A
公开(公告)日：2021-06-04
申请号：CN202110317612.3
申请日：2021-03-25
Applicant: 广东微步智能科技有限公司 , 广东技术师范大学 , 华南理工大学
IPC: A61H3/00
Abstract: 本发明具体涉及一种仿生储能助行器，包括护腰带，护腰带的一侧连接有下肢助行机构，下肢助行机构包括连接块、储能弹簧、大腿仿生外骨骼、小腿仿生外骨骼和脚托，连接块的一端与护腰带连接，连接块的另一端与大腿仿生外骨骼的上端转动连接，大腿仿生外骨骼的下端与小腿仿生外骨骼的上端转动连接，小腿仿生外骨骼的下端固定连接有脚托，储能弹簧的上端固定在连接块上，储能弹簧的下端固定在大腿仿生外骨骼上，大腿仿生外骨骼上还连接有大腿绑带，小腿仿生外骨骼上还连接有小腿绑带。本发明遵循人体下肢结构仿生设计，在连接块和大腿仿生外骨骼之间连接储能弹簧，为使用者提供抬腿以及向前迈步的动力，为使用者的行走助力。
-
公开(公告)号：CN111246256B
公开(公告)日：2021-05-25
申请号：CN202010108302.6
申请日：2020-02-21
Applicant: 华南理工大学 , 广州梦辉机器人有限公司
IPC: H04N21/25 , H04N21/466 , G06F16/783 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态视频内容和多任务学习的视频推荐方法，包括步骤：通过经预训练的模型提取短视频的视觉、音频、文本特征；采用注意力机制方法对视频多模态特征进行融合；采用深度游走方法学习用户社会关系的特征表示；提出基于注意力机制的深度神经网络模型学习多域特征表示；基于上述步骤生成的特征嵌入作为多任务模型的共享层，再分别通过多层感知机生成预测结果。本发明利用注意力机制结合用户特征对视频多模态特征进行融合，使得整个推荐更加丰富和具有个性化；同时，针对多域特征，考虑到交互特征在推荐学习中的重要性，提出一种基于注意力机制的深度神经网络模型丰富了高阶特征的学习，为用户提供更加精准的个性化视频推荐。
-
公开(公告)号：CN108599994B
公开(公告)日：2021-04-20
申请号：CN201810253899.6
申请日：2018-03-26
Applicant: 华南理工大学
Abstract: 本发明目的是通过统计并聚类所有网络流的服务质量需求，分别构造适合每类流量传输的网络切片，以更好地利用网络资源、保障网络服务质量；在每个切片更新周期T内，其主要步骤包括：收集用户的SLA(服务等级合约)与全网物理链路资源容量C与可用资源R；统计各流量需求的QoS特性，得到OD流量特性；对OD流量特性聚类，得到典型的QoS需求类别与规模；将每类QoS需求的流量装配到物理链路中，得到适合承载相应QoS类流量的网络切片，由SDN控制器下发切片信息至转发设备的切片维护表；当SDN转发设备收到客户的数据流时，根据QoS请求寻找适合传送的切片进行转发，同时监测切片内资源利用率与SLA违约等切片性能情况。
-
公开(公告)号：CN107092861B
公开(公告)日：2020-11-27
申请号：CN201710153326.1
申请日：2017-03-15
Applicant: 华南理工大学 , 华南智能机器人创新研究院
Abstract: 本发明公开了一种基于压力与加速度传感器的下肢动作识别方法，该方法具体实施步骤如下：首先实时采集人体下肢运动的压力传感器信号，对压力传感器信号进行预处理后，根据压力传感器数据的上升沿以及下降沿标定下肢动作的开始以及结束，当检测到压力的上升沿后开始采集加速度传感器三轴加速度信号并存储，当检测到压力的下降沿之后停止采集加速度传感器三轴加速度信号，将上升沿与下降沿之间采集的加速度传感器三轴信号称之为加速度信号片段，接着对上一步提取的加速度信号片段提取频域特征以及统计特征，提取完特征之后对提取的特征进行数据降维，最后使用训练好的分类器对降维后的特征数据进行分类，得出动作模式的分类结果。
-
公开(公告)号：CN111246256A
公开(公告)日：2020-06-05
申请号：CN202010108302.6
申请日：2020-02-21
Applicant: 华南理工大学 , 广州梦辉机器人有限公司
IPC: H04N21/25 , H04N21/466 , G06F16/783 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态视频内容和多任务学习的视频推荐方法，包括步骤：通过经预训练的模型提取短视频的视觉、音频、文本特征；采用注意力机制方法对视频多模态特征进行融合；采用深度游走方法学习用户社会关系的特征表示；提出基于注意力机制的深度神经网络模型学习多域特征表示；基于上述步骤生成的特征嵌入作为多任务模型的共享层，再分别通过多层感知机生成预测结果。本发明利用注意力机制结合用户特征对视频多模态特征进行融合，使得整个推荐更加丰富和具有个性化；同时，针对多域特征，考虑到交互特征在推荐学习中的重要性，提出一种基于注意力机制的深度神经网络模型丰富了高阶特征的学习，为用户提供更加精准的个性化视频推荐。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.022 seconds)
