-
公开(公告)号：CN116665018A
公开(公告)日：2023-08-29
申请号：CN202310940374.0
申请日：2023-07-28
Applicant: 华南理工大学
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/762 , G06V10/774 , G06V10/778
Abstract: 本发明公开了一种开放世界未知类识别的目标检测方法。所述方法包括以下步骤：利用Faster R‑CNN作为基准网络，训练Faster R‑CNN模型，得到基于开放世界未知类识别的目标检测模型UC‑ORE；利用RPN产生背景框，将分值排前列的多个背景框标注为未知类别；利用特征聚类的方式分离已知和未知类别；利用EBMs能量模型，将基于开放世界未知类识别的目标检测模型UC‑ORE中的分类头转换成一个能量函数，根据能量值的高低识别未知类别；根据接受到未知类别标签，利用增量学习方式学习新类，进而循环实现开放世界未知类识别。本发明实现了开放环境下对未知类别的检测，减少了人工标注的成本，提高了开放世界下目标检测精度。
-
公开(公告)号：CN115358809A
公开(公告)日：2022-11-18
申请号：CN202210847446.2
申请日：2022-07-19
Applicant: 华南理工大学
Abstract: 本发明公开一种基于图对比学习的多意图推荐方法及装置，其中方法包括：获取数据集；根据数据集获取图结构数据；对原始二分图通过参数化的方式构建增强对比视图；将初始化的用户和商品特征分成K段特征块；每个隐因子对应解耦表征独立学习，基于原始图和增强图分别输出两种视图下的K个意图特征；每种潜在意图下的特征进行自适应的对比学习；将K段特征拼接形成用户和商品的特征向量，进行互信息最大化任务；将拼接后的特征向量再进行最后推荐预测监督任务，与两个无监督任务进行联合学习。本发明对对比视图的对比学习调整为自适应的对比学习，学习出更多元化的语义特征信息，增强模型的可解释性和鲁棒性，可广泛应用于机器学习技术领域。
-
公开(公告)号：CN111563590A
公开(公告)日：2020-08-21
申请号：CN202010368402.2
申请日：2020-04-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于生成对抗模型的主动学习方法，所述方法包括：首先，利用已标注数据集和未标注数据集训练生成对抗模型，并使用训练后的生成对抗模型将已标注数据集和未标注数据集中的每个样本转换成某个隐藏特征空间中的向量；然后，利用已标注数据集的转换向量对基准分类器进行训练；再使用训练后的基准分类器对测试集中样本进行测试，并检查预设终止条件是否达到；如果预设终止条件达到，从未标注数据集中选择真实基准分类器决策边界周围的样本；之后，让标注者标注选出样本的类别，加入已标记数据集；循环重复上述步骤，直到满足预设终止条件。本发明可以减少人工标注样本的代价，以尽量小的标注代价训练得到高性能模型。
-
公开(公告)号：CN110008953A
公开(公告)日：2019-07-12
申请号：CN201910249632.4
申请日：2019-03-29
Applicant: 华南理工大学
Abstract: 本发明属于深度学习和计算机视觉技术领域，涉及基于卷积神经网络多层特征融合的潜在目标区域生成方法，包括：构建基于卷积神经网络的特征提取模块，提取图像多层次特征，特征提取模块有两路输出，其中，第一路输出是特征提取模块中除去第一阶段的其他所有阶段最后一个卷积层的集合，输出多层次特征图；第二路输出是从图像中提取的图像特征；构建基于卷积神经网络的潜在目标区域生成模块，输出潜在目标区域侯选框信息；综合潜在目标区域候选框的位置置信度和分类得分，使用混合的非极大值抑制算法对潜在目标区域候选框进行筛选，得到潜在目标区域。本发明可以充分利用图像中上下层特征图的语义信息，进一步提高潜在目标区域的定位精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108830855A
公开(公告)日：2018-11-16
申请号：CN201810281580.4
申请日：2018-04-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多尺度低层特征融合的全卷积网络语义分割方法，首先用全卷积神经网络对输入图像进行密集特征的提取；然后对提取的特征图像进行多尺度特征融合处理。其步骤包括对输入特征图进行多尺度池化，形成多条处理分支，然后对各分支中池化后尺度不变的特征图进行低层特征融合处理，对于池化后尺度缩小的特征图，则进行低层特征融合上采样处理，接着分别经过3×3卷积层以学习更深层次的特征及减少输出特征图的通道数，之后再把各分支的输出特征图以通道数拼接的方式结合在一起，并经过类别卷积层和双线性插值上采样处理后，得到跟原图像等尺寸的得分图。结合局部低层特征信息和全局多尺度图像信息，使图像语义分割的效果更为显著。
-
公开(公告)号：CN108764244A
公开(公告)日：2018-11-06
申请号：CN201810281696.8
申请日：2018-04-02
Applicant: 华南理工大学
CPC classification number: G06K9/4652 , G06K9/6296 , G06K2209/21
Abstract: 本发明公开了一种基于卷积神经网络和条件随机场的潜在目标区域检测方法，步骤如下：1)对场景图片进行颜色空间和几何空间的转换，去均值处理后将多张图片一起作为神经网络的输入；2)构建一个卷积神经网络和条件随机场相融合的结构化网络，在卷积网络最后的卷积层上生成三路输出，其中第一路输出为M个候选框的坐标，第二路输出为各候选框的二值标签，第三路输出为各候选框的相似特征，二、三路的输出形成全连接条件随机场的输入节点，通过全局优化得到各候选框的后验概率；3)根据后验概率进行非极大值抑制得到Top K个最终结果。本发明通过多图像输入和条件随机场的优化，可得到定位精度更高鲁棒性更好的目标区域检测结果。
-
公开(公告)号：CN101140288B
公开(公告)日：2010-12-29
申请号：CN200710030760.7
申请日：2007-10-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种中央空调风管的空气质量远程分析系统，包括移动式空气检测装置、空气质量远程分析单元，所述移动式空气检测装置通过中央空调风管的开口设置在中央空调风管内；所述移动式空气检测装置与空气质量远程分析单元无线信号连接；所述移动式空气检测装置包括检测控制单元及与检测控制单元同时连接的灰尘采样模块、空气采样模块、声纳传感模块、红外传感模块、视觉传感模块、无线通信模块及执行机构；本发明可方便地对中央空调风管的空气质量进行检测，防止有害气体超标，防止以中央空调系统为媒介造成病毒的传播与扩散。
-
公开(公告)号：CN101140288A
公开(公告)日：2008-03-12
申请号：CN200710030760.7
申请日：2007-10-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种中央空调风管的空气质量远程分析系统，包括移动式空气检测装置、空气质量远程分析单元，所述移动式空气检测装置通过中央空调风管的开口设置在中央空调风管内；所述移动式空气检测装置与空气质量远程分析单元无线信号连接；所述移动式空气检测装置包括检测控制单元及与检测控制单元同时连接的灰尘采样模块、空气采样模块、声纳传感模块、红外传感模块、视觉传感模块、无线通信模块及执行机构；本发明可方便地对中央空调风管的空气质量进行检测，防止有害气体超标，防止以中央空调系统为媒介造成病毒的传播与扩散。
-
公开(公告)号：CN201107319Y
公开(公告)日：2008-08-27
申请号：CN200720059825.6
申请日：2007-11-20
Applicant: 华南理工大学
Abstract: 本实用新型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。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.027 seconds)
