公开(公告)号：CN116226547A

公开(公告)日：2023-06-06

申请号：CN202310160686.X

申请日：2023-02-24

Applicant: 华南理工大学

Inventor： 吕建明 ,  吴思琦 ,  王亚权 ,  黄星杰 ,  李博

IPC: G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N7/01

Abstract: 本发明公开了一种基于流式数据的增量图推荐方法，目的是解决现有图推荐方法无法高效获取新增用户和物品特征用于推荐的技术问题。本发明通过用户的历史物品交互序列构建用户和物品的交互二分图，并用轻量级图卷积神经网络提取用户和物品的特征。对于增加的用户‑物品交互数据，在交互二分图中采样对应的负样本节点构建三元组，确定受影响的节点，并通过更新模块更新受影响的节点特征；最后使用更新后的节点特征为用户生成推荐列表。该方法利用先进的轻量级图卷积神经网络来获取用户和物品的特征，并且设计了增量更新用户和物品特征的方法。模型复杂度低且性能好，能有效解决推荐方法在面对大规模数据时计算效率低、工作量大的问题。

公开(公告)号：CN116306894A

公开(公告)日：2023-06-23

申请号：CN202310167536.1

申请日：2023-02-27

Applicant: 华南理工大学

Inventor： 吕建明 ,  王亚权 ,  吴思琦 ,  李博 ,  黄星杰

IPC: G06N3/088 ,  G06F18/214

Abstract: 本发明公开了一种无监督域适应的多元时序数据异常检测方法，步骤如下：离线训练阶段通过预测任务和重构任务组成的无监督多任务学习框架训练骨干网络；将训练集多元时序数据输入骨干网络，并依次进行域适应窗口归一化、显著异常误差集合扫描、POT阈值选择操作确认最优阈值；在线检测阶段，将待测多元时序数据输入骨干网络，并依次进行域适应窗口归一化、显著异常误差集合扫描操作得到异常分数和显著异常误差集合，将异常分数与最优阈值进行比较输出异常检测结果。本发明提出的无监督域适应多元时序数据异常检测方法解决了多元时序数据异常检测的域漂移问题，同时具有模型轻量，性能优越，解释性好的优点。

公开(公告)号：CN116311043A

公开(公告)日：2023-06-23

申请号：CN202310167535.7

申请日：2023-02-27

Applicant: 华南理工大学

Inventor： 吕建明 ,  李博 ,  黄星杰 ,  吴思琦 ,  王亚权

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明公开了一种针对AIS和港口视频监控的对齐方法，包括以下步骤：基于透视变换原理，人工标定4组监控画面坐标和AIS记录中经纬度坐标对应点，建立监控画面坐标和经纬度坐标的低精度映射关系；使用深度学习目标检测模型，检测出监控视频中船只，生成船只检测框；将AIS记录中的船只经纬度坐标点通过低精度映射关系映射到监控视频画面中，生成船只先验框；利用KM算法，实现船只检测框与船只先验框的匹配，得到匹配对的集合；使用梯度下降的优化方法，根据匹配对集合，进一步优化低精度映射关系，建立监控画面坐标和经纬度坐标高精度的映射关系。本发明可以在监控相机参数未知的情况下，建立AIS和港口视频监控之间精确的映射关系。

公开(公告)号：CN116458861A

公开(公告)日：2023-07-21

申请号：CN202310160680.2

申请日：2023-02-24

Applicant: 华南理工大学

Inventor： 吕建明 ,  黄星杰 ,  李博 ,  吴思琦 ,  王亚权

IPC: A61B5/024 ,  G06V40/16 ,  G06V40/10 ,  G06V20/40 ,  G06V10/82 ,  G06V10/762 ,  G06V10/774

Abstract: 本发明公开了一种面向面部有遮挡场景的非接触式心率检测方法，步骤如下：输入训练视频，通过人脸识别截取人脸图片序列；训练基于分块的三维残差神经网络；提取基于相关系数的分块权重；提取分块频域特征聚类中心；输入真实视频，通过人脸识别截取人脸图片序列；通过已训练的基于分块的三维残差神经网络提取分块深度特征；提取基于聚类的分块权重；提取分块检测心率，将基于相关系数的分块权重和基于聚类的分块权重进行加权求和，获取最终检测心率。本发明通过为不同面部区域的心率检测结果赋予不同权重，克服了在面部被部分遮挡的场景下非接触式心率检测方法精度下降等问题。