-
公开(公告)号：CN116030526B
公开(公告)日：2023-08-15
申请号：CN202310165454.3
申请日：2023-02-27
Applicant: 华南农业大学
IPC: G06V40/16 , G06N3/0464 , G06N3/048 , G06Q50/20 , G06V10/82
Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质，所述方法包括：获取情感数据集；情感数据集包括多张课堂学生图像，在课堂学生图像中标注每个学生的情感状态标签；构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络；利用图像表征学习网络对课堂学生图像进行特征提取，得到表征向量；利用图像重构网络对表征向量进行图像重构；利用多任务标签生成网络根据表征向量预测情感状态标签；利用情感数据集训练多任务深度学习网络模型，计算损失函数并更新模型的权重；将待识别图像输入训练好的多任务深度学习网络模型中，预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。
-
公开(公告)号：CN115294029A
公开(公告)日：2022-11-04
申请号：CN202210807480.7
申请日：2022-07-11
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及医学图像处理领域和深度学习领域，为一种面向多模态图像的脑部病灶区域定位系统和方法，该系统包括自适应多模态patch生长与剪枝模块、基于双注意力机制的多模态patch多层次融合模块和全局卷积网络分类器模块，通过自适应多模态patch生长与剪枝模块在多模态图像中自适应地选择和修建patch，来识别具有高鉴别性的patch位置；通过一种基于双注意力机制的多模态patch融合模块，来获取多模态patch的潜在表示形式，结合patch多层次的表示形式，基于数据驱动的方式将其进行融合和共同学习；通过全局卷积网络分类器模块作为最终分类模型，进一步获取数据的更深层表示，提取更多的潜在信息。本发明提出的系统能有效地识别与疾病高度相关的病灶区域，可以辅助诊断。
-
公开(公告)号：CN116030526A
公开(公告)日：2023-04-28
申请号：CN202310165454.3
申请日：2023-02-27
Applicant: 华南农业大学
IPC: G06V40/16 , G06N3/0464 , G06N3/048 , G06Q50/20 , G06V10/82
Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质，所述方法包括：获取情感数据集；情感数据集包括多张课堂学生图像，在课堂学生图像中标注每个学生的情感状态标签；构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络；利用图像表征学习网络对课堂学生图像进行特征提取，得到表征向量；利用图像重构网络对表征向量进行图像重构；利用多任务标签生成网络根据表征向量预测情感状态标签；利用情感数据集训练多任务深度学习网络模型，计算损失函数并更新模型的权重；将待识别图像输入训练好的多任务深度学习网络模型中，预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。
-
公开(公告)号：CN217443889U
公开(公告)日：2022-09-16
申请号：CN202122992482.1
申请日：2021-11-30
Applicant: 华南农业大学
Abstract: 本申请公开了一种基于colmap库的植物三维重建系统，用于对植物进行三维重建，提高植物的三维重建效率。本申请包括：图像采集装置、摄影台以及三维建模装置，所述图像采集装置包括相机支座以及双目相机、所述双目相机固定于所述相机支座的顶部，所述摄影台包括转盘、伺服电机以及转盘支座，所述转盘通过旋转铰链固定于所述转盘支座上，所述伺服电机的转轴与所述转盘连接，所述伺服电机用于驱动所述转盘旋转，所述转盘用于放置植物，所述双目相机用于对所述转盘上的植物进行拍摄，并将拍摄拍摄得到的深度图像数据发送至所述三维建模装置，所述三维建模装置用于对所述深度图像数据进行处理，以对所述植物进行三维建模。
-
-
-
Search Results
4
records
(took 0.017 seconds)
