-
公开(公告)号：CN108446661A
公开(公告)日：2018-08-24
申请号：CN201810280026.4
申请日：2018-04-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于数据扩增的深度学习并行化人脸识别方法，所述方法通过将人脸数据集进行数据扩增得到一个大规模的人脸数据集来提高人脸识别的准确率；然后将得到的大规模人脸数据集输入到改进的残差网络中进行深度学习，从而将人脸图像的特征转换为二进制哈希码以加快识别的效率；模型训练是在基于caffeonspark的分布式平台上进行的，从而减少模型训练时间；最后将得到的模型在LFW数据集上进行人脸验证来检验模型的泛化能力以及改进的残差网络的可行性。本发明能够提高人脸识别的准确率及识别效率。
-
公开(公告)号：CN107204949A
公开(公告)日：2017-09-26
申请号：CN201710432916.8
申请日：2017-06-09
Abstract: 本发明实施例公开了一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，包括获取多径瑞利衰落信道下的接收信号并进行离散化处理，得到由随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号；将时域信号进行离散傅里叶变换成频域信号并通过均衡系数均衡处理后，利用离散傅里叶变换的逆变换得到由恢复信号序列和残留噪声序列所形成的时域信号；分别求解恢复信号序列的四阶累积量和二阶累积量，并根据分别得到的求解值，得到特征参数，且进一步根据特征参数，确定接收信号的当前信号类型。本发明实施例，克服现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。
-
公开(公告)号：CN115114975A
公开(公告)日：2022-09-27
申请号：CN202210578157.7
申请日：2022-05-25
Applicant: 桂林电子科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82 , G06V40/16 , G06V40/20 , G10L15/14 , B25J9/16
Abstract: 本发明公开了一种基于交互学习的多模态融合机械臂控制方法，该方法利用深度学习相关技术对多模态信息进行分析和处理，从而使得系统可以获取用户完整且精确的意图。通过隐马尔科夫模型(HMM)对语音命令进行准确识别处理；使用动态时间规整算法(DTW)实现对动态手势识别的研究；利用基于特征融合的表情识别算法来提取表情图像特征并进行特征融合，通过对表情进行识别达到对心理状态的判定，获取其心理意图。此外，本方法以人机交互为基础，通过决策树和Q‑Learning算法学习新命令和新知识，同时利用学习到的正确信息对原有的知识进行更新，实现机械臂自身知识的智能增长，从而实现对机械臂控制的优化。
-
公开(公告)号：CN111695507B
公开(公告)日：2022-08-16
申请号：CN202010532751.3
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 本发明公开了一种基于改进VGGNet网络的静态手势识别方法，该方法将VGGNet网络进行改进，使用不同的分支来学习标签信息，同时在网络中引入哈希层将手势图像的特征投影到汉明空间，通过计算汉明距离来提高处理手势的效率。将改进后的VGGNet网络和传统的主成分分析方法相结合来进行手势识别，首先将原始数据集和增强后的数据集作为输入数据对VGGNet网络进行训练，得到手势图像的高维特征，然后通过主成分分析法PCA将高维图像特征进行降维，减小特征向量长度，缩短图像之间的相似性度量的计算时间，从而提高提高手势识别的精度和效率。
-
公开(公告)号：CN113961739A
公开(公告)日：2022-01-21
申请号：CN202111212556.3
申请日：2021-10-18
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本文发明了一种基于局部区域感知的卷积神经网络的车辆图像检索的方法，目的是解决在车辆图像检索中由于同一制造商及同一型号的车辆很难根据全局外观来区分它们的问题。提出结合局部区域如挡风玻璃、检测标签、装饰物等这些局部细节进行检索，从而形成即通过属性（颜色，id，类型）又包含局部区域的深度网络模型，此网络模型由几个个共享的卷积层和三个分支组成。其中三个分支主要包含卷积分支、属性分支、局部区域分支，每个分支分别对应一个单独的分类器Softmax损失函数。此模型的提出不仅应用到了标签属性还应用到了局部区域特征，从而能够提高车辆图像检索的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112396167A
公开(公告)日：2021-02-23
申请号：CN202011603737.4
申请日：2020-12-30
Applicant: 桂林电子科技大学 , 中国科学院自动化研究所
Abstract: 本发明公开了一种外观相似度与空间位置信息融合的回环检测方法，包括步骤：将装有视觉传感器和定位系统的机器人置于场景中自由探索，同时采集图像与相应的空间坐标信息。通过以卷积神经网络为核心的孪生网络框架训练相似度计算模型。采用训练完成的模型将新采集的场景图像与已有图像进行相似度判别，相似度大于一定阈值时，则认为机器人曾经经过该场景。在判别为机器人经过该场景的情况下，计算两张场景图像对应空间坐标的水平距离差，若距离差小于一定阈值，则判定机器人经过的路径产生闭合环路。本方法从外观相似度与里程计两个方面同时进行约束，从而达到检测机器人移动路径中闭合环路的目的。
-
公开(公告)号：CN111695508A
公开(公告)日：2020-09-22
申请号：CN202010532767.4
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多尺度的Retinex和改进VGGNet网络的手势图像检索方法，该方法通过多尺度的Retinex方法对手势数据图像进行增强后，对采用深度学习方法对模型进行训练。当手势图像检索模型训练好之后，将最后一个FC层提取到的特征作为图像的特征表示参与手势图像检索任务，并改进的VGGNet的多分支网络结构中引入哈希层，模型的输入为手势图像和类别标签，类别标签作为监督信息学习图像特征，每个分支学习不同的标签信息，经过全连接层将之前两个分支学习到的特征进行融合，得到非线性组合特征，然后经过哈希层将得到低维度的哈希特征，再经过哈希层得到二进制哈希吗，最后将二进制哈希码作为特征向量来进行手势检索。在保证准确率的前提下，提高手势检索的效率。
-
公开(公告)号：CN111695043A
公开(公告)日：2020-09-22
申请号：CN202010547743.6
申请日：2020-06-16
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于地理区域的社交网络阻塞影响最大化方法，该方法旨在社交网络信息传播时，防止目标区域受到不良信息的影响。研究影响阻止最大化（IBM）问题，以找到积极的种子，以尽可能多地阻止负面信息的传播。利用四叉树索引结构来存储节点的位置信息，结合社交网络的地理位置信息，提出了构造最大影响外图（MIOG）近似估计被阻止的负面影响并识别出具有更大潜力的阻止负影响的节点，选择候选节点以减少要估计的节点数量，高效地阻止负面信息在区域内的传播。
-
公开(公告)号：CN111444337A
公开(公告)日：2020-07-24
申请号：CN202010123108.5
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。
-
公开(公告)号：CN110674857A
公开(公告)日：2020-01-10
申请号：CN201910867916.X
申请日：2019-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多尺度堆叠网络的广告点击分类方法，该方法通过一种基于不同感受野构造多尺度特征的MSSP结构来自动构造组合特征，通过构造多个不同角度、不同视野的观测器从深度和宽度两个角度双向堆叠多尺度特征，挖掘了不同局部视野中的高阶和低阶特征，保证了提取特征的多样性；另外，该结构通过因子化来学习参数，保证了高阶特征在稀疏数据中能被有效学习。本发明弥补了LR、Wide&Deep过于依赖手工构造组合特征的缺点；同时相对于传统的Poly2和FM模型，能够从多个角度挖掘不同尺度的特征来保证模型学习到的信息的多样性；相对于FFM等模型时间复杂度过高的特点，本发明时间复杂度能保持在线性级别，能够满足在线广告对时间响应方面的高要求。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.026 seconds)
