-
公开(公告)号：CN110223245A
公开(公告)日：2019-09-10
申请号：CN201910405703.5
申请日：2019-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，所述方法包括以下步骤：通过模糊算法将原图像P进行模糊化处理得到图像 将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。
-
公开(公告)号：CN110533074A
公开(公告)日：2019-12-03
申请号：CN201910694450.8
申请日：2019-07-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双深度神经网络的图片类别自动标注方法及系统，所述方法包括：S1、准备已经标注完成的图片及需要进行自动标注的未标注图片，将已经标注完成的图片分为分别用于训练分类网络和判别网络的两部分图片；S2、搭建包含分类网络和判别网络的双深度神经网络模型；S3、使用已经标注完成的图片训练双深度神经网络模型；S4、使用已训练的双深度神经网络模型对未标注图片的类别进行预测；S5、对未标注图片的预测结果进行处理并选择开启下一次迭代或者结束自动标注。本发明基于双深度神经网络模型，通过判别模型对分类模型的输出进一步优化，实现了低成本、高质量的数据标注，具有广阔的应用前景。
-
公开(公告)号：CN110555379B
公开(公告)日：2022-03-25
申请号：CN201910692940.4
申请日：2019-07-30
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种根据性别动态调整特征的人脸愉悦度估计方法，包括以下步骤：S1、通过对人脸图片进行数据预处理得到经过预处理的图片I；S2、将经过预处理的图片I输入到性别识别网络中进行性别识别；S3、根据性别识别结果，将经过预处理的图片I输入到对应的特征调整网络，得到特征图调整矩阵；S4、将经过预处理的图片I输入到愉悦度估计网络中，通过特征图调整矩阵对愉悦度估计网络的特征图进行调整，最终输出愉悦度估计的结果。所述方法结合人脸的性别特征，自动识别人脸图片的性别，通过特征调整网络动态地调整愉悦度估计网络的特征，得到了准确的愉悦度估计结果，具有广阔的应用前景。
-
公开(公告)号：CN111967305A
公开(公告)日：2020-11-20
申请号：CN202010619209.1
申请日：2020-07-01
Applicant: 华南理工大学 , 广州市长优电子有限公司
Abstract: 本发明公开了一种基于轻量级卷积神经网络的实时多尺度目标检测方法，该检测方法过程如下：采用聚类算法对训练数据集样本目标的高宽比和面积尺度系数进行聚类，聚类中心用于优化锚点框设置；利用轻量级卷积神经网络作为RetinaNet框架的骨干网络，降低模型复杂度；同时利用残差模块对多尺度特征图进行增强，对部分增强多尺度特征图进行自适应跨层特征融合，最后利用生成的融合特征金字塔代替特征金字塔，提高模型对中小目标的检测精度。本发明公开的轻量级多尺度目标检测方法，可以在保证一定准确率的情况下，减少模型的参数量，降低模型的运算复杂度，提高模型的检测效率。
-
Patent Agency Ranking
公开(公告)号：CN110533074B
公开(公告)日：2022-03-29
申请号：CN201910694450.8
申请日：2019-07-30
Applicant: 华南理工大学
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双深度神经网络的图片类别自动标注方法及系统，所述方法包括：S1、准备已经标注完成的图片及需要进行自动标注的未标注图片，将已经标注完成的图片分为分别用于训练分类网络和判别网络的两部分图片；S2、搭建包含分类网络和判别网络的双深度神经网络模型；S3、使用已经标注完成的图片训练双深度神经网络模型；S4、使用已训练的双深度神经网络模型对未标注图片的类别进行预测；S5、对未标注图片的预测结果进行处理并选择开启下一次迭代或者结束自动标注。本发明基于双深度神经网络模型，通过判别模型对分类模型的输出进一步优化，实现了低成本、高质量的数据标注，具有广阔的应用前景。
-
公开(公告)号：CN111967305B
公开(公告)日：2022-03-18
申请号：CN202010619209.1
申请日：2020-07-01
Applicant: 华南理工大学 , 广州市长优电子有限公司
Abstract: 本发明公开了一种基于轻量级卷积神经网络的实时多尺度目标检测方法，该检测方法过程如下：采用聚类算法对训练数据集样本目标的高宽比和面积尺度系数进行聚类，聚类中心用于优化锚点框设置；利用轻量级卷积神经网络作为RetinaNet框架的骨干网络，降低模型复杂度；同时利用残差模块对多尺度特征图进行增强，对部分增强多尺度特征图进行自适应跨层特征融合，最后利用生成的融合特征金字塔代替特征金字塔，提高模型对中小目标的检测精度。本发明公开的轻量级多尺度目标检测方法，可以在保证一定准确率的情况下，减少模型的参数量，降低模型的运算复杂度，提高模型的检测效率。
-
公开(公告)号：CN110223245B
公开(公告)日：2021-07-16
申请号：CN201910405703.5
申请日：2019-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，所述方法包括以下步骤：通过模糊算法将原图像P进行模糊化处理得到图像将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。
-
公开(公告)号：CN115641557A
公开(公告)日：2023-01-24
申请号：CN202211061767.6
申请日：2022-09-01
Applicant: 华南理工大学
IPC: G06V20/56 , G06V10/764
Abstract: 本发明公开了一种基于EDLines线特征及概率模型的车道线检测方法，该车道线检测方法采用EDLines算法提取线段，估计灭点并用灭点筛选近场线段；然后建立线段关系图，根据线段关系图进行深度优先遍历和路径检验，生成车道线的候选路径；然后根据路径斜率及路径相对位置关系确定候选车道线；最后利用最小二乘法计算车道线参数，根据概率模型计算车道线组合为左右车道线的概率，根据此概率确定车道线。本发明基于EDLines线特征检测线段，并利用概率模型确定车道线，可以在嵌入式设备和移动设备上实时实现。
-
公开(公告)号：CN110555379A
公开(公告)日：2019-12-10
申请号：CN201910692940.4
申请日：2019-07-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种根据性别动态调整特征的人脸愉悦度估计方法，包括以下步骤：S1、通过对人脸图片进行数据预处理得到经过预处理的图片I；S2、将经过预处理的图片I输入到性别识别网络中进行性别识别；S3、根据性别识别结果，将经过预处理的图片I输入到对应的特征调整网络，得到特征图调整矩阵；S4、将经过预处理的图片I输入到愉悦度估计网络中，通过特征图调整矩阵对愉悦度估计网络的特征图进行调整，最终输出愉悦度估计的结果。所述方法结合人脸的性别特征，自动识别人脸图片的性别，通过特征调整网络动态地调整愉悦度估计网络的特征，得到了准确的愉悦度估计结果，具有广阔的应用前景。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
