-
公开(公告)号：CN113011431A
公开(公告)日：2021-06-22
申请号：CN202110347017.4
申请日：2021-03-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于MaskRCNN的汉字笔画分割提取方法，包括以下步骤：构成笔画分割数据集，并解析字体，生成训练集和验证集；构建MaskRCNN网络模型，所述MaskRCNN网络模型包含骨干网络、区域建议网络、分支网络；预设MaskRCNN网络模型的初始参数和迭代次数，对训练集进行图像增强补充数据；训练MaskRCNN网络模型，通过训练集更新网络参数，并通过验证集选择最优参数并保存；将待测汉字图像输入训练好的网络模型，得到笔画分割提取结果；本发明创新地利用实例分割领域Mask RCNN算法于汉字的笔画分割提取任务中，对比笔画提取的方法，处理效果和效率大幅度提升。
-
公开(公告)号：CN112927254A
公开(公告)日：2021-06-08
申请号：CN202110214272.1
申请日：2021-02-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种单字碑帖图像二值化方法、系统、装置及存储介质，其中方法包括以下步骤：获取单字碑帖图像及与单字碑帖图像对应的二值图像构建数据集，将数据集划分为训练集和验证集；构建全卷积神经网络模型；从所述训练集中随机获取图像对作为网络的输入，对全卷积神经网络模型进行训练；将待识别的单字碑帖图像输入训练好的所述全卷积神经网络模型，输出对应的二值化图像。本发明能够处理复杂噪声和背景下的单字碑帖图像，网络提取图像和汉字的各种的特征，比传统的二值化方法有效，因此能处理各种背景的碑帖图像。本发明可广泛应用于图像处理技术领域。
-
公开(公告)号：CN112801912A
公开(公告)日：2021-05-14
申请号：CN202110173430.3
申请日：2021-02-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种人脸图像复原方法、系统、装置及存储介质，其中方法包括：获取待复原的人脸图像，采用经过训练的人脸复原子网络对所述人脸图像进行复原，获得复原的人脸图像；所述人脸复原子网络在训练过程中，引入人脸识别子网络；所述人脸识别子网络对复原的人脸图像进行特征提取，根据提取的特征对所述人脸复原子网络进行识别监督，以优化所述人脸复原子网络的网络参数。本发明通过引入人脸识别子网络来克服人脸复原后的个体身份特征不准确的问题，对于人脸复原子网络的输出图像，重新输入到人脸识别子网络中，对特征的逐步提取，并反馈至人脸复原子网络中，以提升图像复原能力，可广泛应用于图像处理技术领域。
-
公开(公告)号：CN110555719A
公开(公告)日：2019-12-10
申请号：CN201910698575.8
申请日：2019-07-31
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于深度学习的商品点击率预测方法，包括以下步骤：通过商品信息计算商品相似度，建立商品相似度函数；根据商品销售时间进行分类，对于缺失商品销售时间序列的商品，通过商品相似性函数进行近似值排序并选取排序最大的商品进行填充，得到多变量时间序列；将多变量时间序列输入时序模型，进行迭代得到特征时间序列；对商品用独热编码，得到商品词向量，将特征时间序列与商品词向量进行交互得到交互时间序列；分别计算特征时间序列损失值和交互时间序列损失值，得到商品的预测点击率，本发明通过填补得到完整销售时间序列并输入到时序网络，获得商品点击率预测；商品相似度函数计算得到近似商品，为用户提供优质的商品消费服务。
-
公开(公告)号：CN109918542A
公开(公告)日：2019-06-21
申请号：CN201910080643.4
申请日：2019-01-28
Applicant: 华南理工大学
IPC: G06F16/901 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种用于关系图数据的卷积分类方法，包括：(1)导入原始数据样本，对数据样本进行采样、清洗及预处理；(2)选定关系属性和标签属性，对其余属性进行编码操作；(3)根据选定的关系属性，构建关系图数据并计算关系图的拉普拉斯矩阵和切比雪夫多项式的系数；(4)对关系图数据进行分类训练和交叉检验；(5)根据训练和检验结果对关系图卷积模型的参数进行调节，得到最优分类器。在本发明中，能够提取数据在关系图中的结构信息，结合数据自身特征，可以通过少量的训练数据得到较好的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN107040776B
公开(公告)日：2019-01-18
申请号：CN201710196699.7
申请日：2017-03-29
Applicant: 华南理工大学
IPC: H04N17/00
Abstract: 本发明公开了一种基于高动态范围的视频质量评估方法，主要步骤为：对输入视频图像的原始帧和失真帧进行预处理；将预处理后的视频图像，利用色貌模型对改进后的高动态范围特征来提取明度、饱和度以及色度特征；将明度、饱和度以及色度特征输入到显著性模型中，并给出当前帧的显著性图，利用显著性图计算误差时的权重；采用对比敏感度作为权重来计算失真帧与原始帧的子带误差度，所述对比敏感度采用JND对比敏感度模型计算所得；利用显著性图作为权重，对子带误差度进行空间金字塔池化，通过不同大小的池化窗口，得到不同维度的特征，再通过把特征连接起来统一维度，得到全局误差。本发明具有运行速度快、准确率高、受单一特征影响小等优点。
-
公开(公告)号：CN107040776A
公开(公告)日：2017-08-11
申请号：CN201710196699.7
申请日：2017-03-29
Applicant: 华南理工大学
IPC: H04N17/00
CPC classification number: H04N17/00
Abstract: 本发明公开了一种基于高动态范围的视频质量评估方法，主要步骤为：对输入视频图像的原始帧和失真帧进行预处理；将预处理后的视频图像，利用色貌模型对改进后的高动态范围特征来提取明度、饱和度以及色度特征；将明度、饱和度以及色度特征输入到显著性模型中，并给出当前帧的显著性图，利用显著性图计算误差时的权重；采用对比敏感度作为权重来计算失真帧与原始帧的子带误差度，所述对比敏感度采用JND对比敏感度模型计算所得；利用显著性图作为权重，对子带误差度进行空间金字塔池化，通过不同大小的池化窗口，得到不同维度的特征，再通过把特征连接起来统一维度，得到全局误差。本发明具有运行速度快、准确率高、受单一特征影响小等优点。
-
公开(公告)号：CN102325059B
公开(公告)日：2013-11-13
申请号：CN201110268150.7
申请日：2011-09-09
Applicant: 华南理工大学
Abstract: 本发明提供一种非介入式单端采集的音频端到端时延测量方法及装置，其中，音频端到端时延测量方法包括：在本地放置测量信号发生器，关闭远端终端的回声消除功能，在远端将麦克风靠近扬声器，形成音频回路。信号发生器发出的音频测量信号一路直接进入测量装置，一路进入被测系统本地终端，分别经远程终端音频回路再返回。两路信号的时延差除以2，作为音频端到端时延的测量值。本发明提供的测量装置包括：音频测试信号发生器、音频多路采集模块、音频时延测量单元，以及数据存储及显示单元。本发明为非介入式，与现有技术相比，不受被测系统的内部实现的影响，全面包括所有的环节的时延，具有准确、方便的特点。
-
公开(公告)号：CN103336938A
公开(公告)日：2013-10-02
申请号：CN201310221750.7
申请日：2013-06-05
Applicant: 华南理工大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于一维条形码图像的识别方法，包括：S1用户通过移动电子设备对一维条形码进行拍照；S2对拍摄的一维条形码图像进行角度的校正；S3选取一维条形码图像任意的2-3行进行垂直投影，得到一维条形码投影曲线；S4基于一维条形码投影曲线，得到始末极值点位置；S5进一步定位出条形码投影曲线中59个极值点位置；S6利用条形码边缘像素区域算法得到条形码边缘像素值区域，得到条形码黑白条宽度向量集；S7基于条形码黑白条宽度向量集，运用全局和局部的欧氏距离算法进行解码；S8对解码出的条形码字符进行检验。本发明具有灵活、实时、方便、稳定、识别正确率高等优点。
-
公开(公告)号：CN102332261A
公开(公告)日：2012-01-25
申请号：CN201110267436.3
申请日：2011-09-09
Applicant: 华南理工大学
Abstract: 本发明提供一种非介入式双端采集的音频端到端时延测量方法及装置，其中，音频端到端时延测量方法包括：在本地放置主测量装置，在远端放置辅助测量装置，两套装置之间通过网络或专线连接；在远端将辅助测量装置的麦克风靠近被测系统远端扬声器。根据本地信号发生器发出的音频测量信号测出的时间差△TAL，根据远端信号发生器发出的音频测量信号测出的时间差△RAR；主测量装置根据△TAL和△RAR计算音频端到端时延为△A=(△RAL+△RAR)/2。本发明提供的主测量装置包括：音频测试信号发生器、音频多路采集模块、网络接收模块、音频时延测量单元，以及数据存储及显示单元。本发明提供的辅助测量装置包括：音频测试信号发生器、音频多路采集模块、网络发送模块。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.025 seconds)
