公开(公告)号：CN115715671A

公开(公告)日：2023-02-28

申请号：CN202211398455.4

申请日：2022-11-08

Applicant: 华南理工大学

Inventor： 谭明奎 ,  陈良玮 ,  陈耀佛 ,  胡玮文 ,  游增 ,  曾景辉 ,  吉冬昱 ,  连梓豪 ,  邓炜滔

IPC: A61B5/0205 ,  A61B5/107 ,  A61B5/00 ,  G06N3/098

Abstract: 本发明公开了一种云边端协同智能婴儿护理系统及方法，其中系统包括：传感器模块，用于采集婴儿床上的图像信息和声音信息；边缘设备，用于根据采集的图像信息和声音信息进行哭声识别以及体征识别；云端设备，用于对检测模型进行训练以及更新，以及根据识别结果输出提示信息；其中，采用跨边云的协同框架来实现边缘端与云端设备之间的应用管理、外设管理、部署以及通信。本发明在边缘与云端之间进行协同，合理优化任务分配策略，拆解智能算法，利用云端强大的计算能力承担公共的计算任务，减轻边缘的计算压力，满足智能算法、算力需求。本发明可广泛应用于婴儿监护技术领域。

公开(公告)号：CN116863367A

公开(公告)日：2023-10-10

申请号：CN202310664035.4

申请日：2023-06-06

Applicant: 华南理工大学

Inventor： 谭明奎 ,  阮湘辉 ,  陈卓琨 ,  游增

IPC: G06V20/40 ,  G06V10/62 ,  G06V40/20 ,  G06V10/56 ,  G06V10/82

Abstract: 本发明公开了一种微动作时间学参数获取方法、装置及介质，属于医疗视频理解与识别领域。其中方法包括：获取吞咽造影视频数据；根据吞咽造影视频数据提取视频特征；所述视频特征包括RGB特征以及光流特征；将提取到的视频特征输入可变窗口大小的注意力机制，进行特征增强处理，输出视觉增强特征；将视觉增强特征输入由粗到细两阶段微动作定位网络，输出吞咽造影微动作定位和识别的结果。本发明通过利用视频理解中的时序动作定位技术，实现对吞咽造影视频进行时序上的自动定位，获取吞咽过程中各微动作的时序信息，为实现吞咽造影智能定量分析，提供可靠的依据。

公开(公告)号：CN115662476A

公开(公告)日：2023-01-31

申请号：CN202211391630.7

申请日：2022-11-08

Applicant: 华南理工大学

Inventor： 谭明奎 ,  胡玮文 ,  游增 ,  陈耀佛 ,  连梓豪 ,  杜卿

IPC: G10L25/78 ,  G10L25/24 ,  G10L25/27 ,  G06F18/2411

Abstract: 本发明公开了一种婴儿声音检测方法、装置和存储介质，其中方法包括以下步骤：获取音频片段；根据当前计算资源的负载情况，对所述音频片段进行缓冲处理，获得缓存音频片段；根据所述缓存音频片段进行啼哭检测，并将检测结果保存至检测队列；根据检测队列中的多次检测结果进行投票处理，获得最终的检测结果。本发明通过考虑当前计算资源的负载情况，对音频数据进行缓冲处理，能够提高检测的精准度。本发明可广泛应用于婴儿声音分析技术领域。

公开(公告)号：CN119940433A

公开(公告)日：2025-05-06

申请号：CN202411964485.6

申请日：2024-12-30

Applicant: 华南理工大学 ,  超级机器人研究院(黄埔)

Inventor： 谭明奎 ,  黎浩坤 ,  陈耀佛 ,  游增 ,  许守恺 ,  杜卿

IPC: G06N3/063 ,  G06F9/50 ,  G06N3/0455 ,  G06N5/04

Abstract: 本发明公开了一种基于层级分组注意力的大语言模型加速方法、装置、设备及介质，其中方法包括以下步骤：在大语言模型的推理过程中，将输入序列进行分组处理；对分组后的序列使用组内注意力机制，得到组内注意力；对分组后的序列使用组间注意力机制，得到组间注意力；对组内注意力和组间注意力进行层级化注意力融合，获得当前注意力模块的最终结果。本发明能够大幅降低大语言模型基础模块注意力计算复杂度，大幅减少大语言模型处理超长序列文本所需的显存和推理耗时，从而极大提升推理效率。本发明可广泛应用于自然语言技术领域。

公开(公告)号：CN116935288A

公开(公告)日：2023-10-24

申请号：CN202311063368.8

申请日：2023-08-22

Applicant: 华南理工大学

Inventor： 谭明奎 ,  游增 ,  周凯

IPC: G06V20/40 ,  G06V20/50 ,  G06F40/211 ,  G06N20/00

Abstract: 本发明公开了一种基于大语言模型控制的视频自动分析方法、装置及介质，属于计算机视觉领域。其中方法包括：构造任务提示语句，将任务提示语句输入预训练的大语言模型，使大语言模型明确后续的任务要求、指令内容以及输入输出；获取视频数据，对视频数据进行预处理，获得视频处理单元，根据视频处理单元提取视频中的场景信息和视频内容；将提取到的场景信息和视频内容按照预设的格式组织，并输入训练后的大语言模型，进行模型选择；根据大语言模型的模型选择结果调用相应的感知模型对视频数据进行处理和分析。本发明根据视频场景和内容的动态变化，自动选择合适的感知模型对视频进行处理和分析，更加适用于大规模、多场景、高动态变化的视频分析。