-
公开(公告)号：CN117132772A
公开(公告)日：2023-11-28
申请号：CN202310895136.2
申请日：2023-07-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种面向弱监督点云分割的上下文点云建模实现方法及装置，涉及云分割中上下文信息理解的技术领域，方法对区域点云数据进行连续性遮掩，构造出有益于模型学习点云数据上下文的掩码特征预测任务；通过约束同一点云数据掩码前/后对应特征的一致性，使得模型可以有效利用掩码数据中的邻域信息，提升模型对于点云数据的上下文理解，最终实现点云分割模型在弱标注场景下，语义分割的性能。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
公开(公告)号：CN116680427A
公开(公告)日：2023-09-01
申请号：CN202310606289.0
申请日：2023-05-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于锚点的密集嵌入生成方法、装置和存储介质，可广泛应用于嵌入生成技术。其中方法包括：获取待检索的目标图像；将所述目标图像输入目标模型中；利用所述目标模型将所述目标图像映射到特征空间中，按照特征空间中的距离进行比较，获得检索结果；其中，所述目标模型通过利用锚点嵌入生成的密集嵌入来训练深度神经网络模型后获得。本发明利用锚点附近的特征空间来稠密的生成无对应数据点的嵌入特征进行训练，从而实现更加准确的图像检索，解决深度度量学习中由于计算资源限制，从而导致现有采样无法采样到有效样本的问题。此外，本发明还能够直接集成到现有的深度度量学习框架中，无需任何额外的修改，并且具有显著的技术效果。
-
公开(公告)号：CN112561474A
公开(公告)日：2021-03-26
申请号：CN202011468425.7
申请日：2020-12-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多源数据融合的智能人格特性评价方法，步骤包括：收集网络用户的演讲视频数据；将演讲视频数据转成演讲文本；进行用户人格特性标注；对获取到的演讲文本进行词频统计并排序；对于每种人格特性，心理专业人员将筛选出最能代表该特性的关键词，形成关键词表；对演讲文本进行处理并形成词嵌入向量特征；将词嵌入向量特征输入到多源数据融合模型中进行融合，最终输出人格特性预测结果。由于结合了专业人员的先验知识，本发明提出的智能人格特性评价方法有较好的可解释性，能在小样本上取得更加准确的预测结果，对演讲用户的人格特性进行自动预测。
-
公开(公告)号：CN117496138A
公开(公告)日：2024-02-02
申请号：CN202311311184.9
申请日：2023-10-10
Applicant: 华南理工大学
IPC: G06V10/26 , G06N3/09 , G06N20/00 , G06V10/764 , G06N3/0985 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种面向点云分割的伪实例对比学习实现方法、装置及介质，属于云分割中上下文信息理解的技术领域。其中方法对有标注点邻域的点进行伪实例特征聚合操作，实现有效的上下文信息整合；通过有监督对比学习损失，去学习伪实例之间的语义信息，提升模型对于点云数据的上下文理解，最终实现点云分割模型在弱标注场景下，语义分割的性能。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
公开(公告)号：CN114528477A
公开(公告)日：2022-05-24
申请号：CN202210023585.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/28 , G06F16/36 , G06N20/00
Abstract: 本发明公开了一种面向科研应用的自动机器学习实现方法、平台及装置，其中方法包括：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。本发明打破了现有机器学习平台中存在的数据壁垒，有效地提升科研数据的利用率，降低科研人员之间的沟通成本，可广泛应用于机器学习平台技术领域。
-
Patent Agency Ranking
公开(公告)号：CN118297957A
公开(公告)日：2024-07-05
申请号：CN202410344154.6
申请日：2024-03-25
Applicant: 华南理工大学
IPC: G06T7/10 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种面向弱监督点云拼接数据增强实现方法、装置及介质，涉及点云分割中数据增强的技术领域。其中方法包括：获取原始点云场景数据，所述原始点云场景包含有少量标注；对所述原始点云场景数据进行不重叠的点云拼接数据增强，获得融合了多个点云场景信息的点云场景增强数据；建立点云分割模型，将所述点云场景增强数据输入所述点云分割模型，生成逐点分类概率；根据所述逐点分类概率和交叉熵损失对点云分割模型进行训练。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
公开(公告)号：CN112561474B
公开(公告)日：2024-04-30
申请号：CN202011468425.7
申请日：2020-12-14
Applicant: 华南理工大学
IPC: G06Q10/1053 , G10L15/22 , G06F40/284 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多源数据融合的智能人格特性评价方法，步骤包括：收集网络用户的演讲视频数据；将演讲视频数据转成演讲文本；进行用户人格特性标注；对获取到的演讲文本进行词频统计并排序；对于每种人格特性，心理专业人员将筛选出最能代表该特性的关键词，形成关键词表；对演讲文本进行处理并形成词嵌入向量特征；将词嵌入向量特征输入到多源数据融合模型中进行融合，最终输出人格特性预测结果。由于结合了专业人员的先验知识，本发明提出的智能人格特性评价方法有较好的可解释性，能在小样本上取得更加准确的预测结果，对演讲用户的人格特性进行自动预测。
-
公开(公告)号：CN111126238A
公开(公告)日：2020-05-08
申请号：CN201911316782.9
申请日：2019-12-19
Applicant: 华南理工大学
IPC: G06K9/00 , G06K9/62 , G06F16/2458 , G06F16/248 , G06Q50/26
Abstract: 本发明公开的一种基于卷积神经网络的X光安检系统，包括依次连接的X光安检模块、图像获取模块、后端服务器、显示模块；X光安检模块用于获取物品的X光图像，并将X光图像传递至图像获取模块；图像获取模块用于从X光安检模块图像输出接口获取待测物品的X光图像，将X光图像转换为安检系统所接受的数据格式，并将该数据格式的X光图像传输到后端服务器；后端服务器用于将X光图像进行危险品检测，得到检测结果，并传输到显示模块；显示模块用于人机交互并显示检测结果以及对检测出的危险品进行报警提醒；定期进行复检持续更新危险品检测模型的参数，本发明充分考虑到安检过程实时性、准确性的要求，具有广阔的应用前景。
-
公开(公告)号：CN119295809A
公开(公告)日：2025-01-10
申请号：CN202411326217.1
申请日：2024-09-23
Applicant: 超级机器人研究院(黄埔) , 华南理工大学
IPC: G06V10/764 , G06V20/70 , G06V10/52 , G06V10/77 , G06V10/82 , G06V20/56 , G06N3/0464
Abstract: 本发明公开了一种基于球面投影的稀疏点云语义占据预测方法、装置、设备及介质，其中方法包括以下步骤：获取激光雷达的点云数据；对获得的点云数据进行球面投影，获得点云的范围视图表示；将点云的范围视图表示输入到语义占据预测模型，对范围视图表示进行特征提取，得到多尺度的范围视图特征；对多尺度的范围视图特征进行特征聚合，得到三维场景的体素特征；对三维场景的体素特征进行细化和增强，并生成逐体素分类概率，以实现三维场景的语义占据预测。本发明有效提高稀疏点云语义占据预测的准确度，缓解了对多帧点云数据的依赖。本发明可广泛应用于智能识别技术领域。
-
公开(公告)号：CN114528477B
公开(公告)日：2024-11-26
申请号：CN202210023585.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/28 , G06F16/36 , G06N20/00
Abstract: 本发明公开了一种面向科研应用的自动机器学习实现方法、平台及装置，其中方法包括：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。本发明打破了现有机器学习平台中存在的数据壁垒，有效地提升科研数据的利用率，降低科研人员之间的沟通成本，可广泛应用于机器学习平台技术领域。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
