-
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
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: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
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: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:CN117521846A
公开(公告)日:2024-02-06
申请号:CN202311382946.4
申请日:2023-10-23
Applicant: 华南理工大学 , 深圳市腾讯计算机系统有限公司
IPC: G06N20/00
Abstract: 本发明公开了一种面向离线强化学习的在线自适应方法、系统、装置及介质,属于离线强化学习策略部署领域。其中方法包括:获取在线状态数据s并存入缓冲区中;计算在线状态数据s经过离线策略的动作熵,并筛选出置信样本;利用置信样本微调离线策略中的预设参数,以适应在线环境分布的变化;使用最小化动作熵作为损失函数来反向传播更新离线策略参数,从而使得离线策略能适应各种在线环境分布的偏移;使用KL散度来约束离线策略,避免参数更新的幅度过大,以防止模型坍塌。本发明在测试阶段,利用置信状态数据s来进一步微调离线强化学习策略,以适应在线环境分布的变化。另外,使用KL散度来约束离线策略,避免参数更新幅度过大。
-
公开(公告)号:CN111126238B
公开(公告)日:2023-06-20
申请号:CN201911316782.9
申请日:2019-12-19
Applicant: 华南理工大学
IPC: G06V20/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , 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:CN119379822A
公开(公告)日:2025-01-28
申请号:CN202411314153.3
申请日:2024-09-20
Applicant: 超级机器人研究院(黄埔) , 华南理工大学
IPC: G06T11/00 , G06T5/70 , G06T5/50 , G06T5/60 , G06V10/82 , G06V10/774 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多传感器自适应融合成像方法、装置、设备及介质,属于传感器融合成像技术,其中方法包括:获取红外图像以及与红外图像对应的可见光图像,构建图像对,根据图像对构建数据集;对构建的数据集进行数据增强处理,获得增强后的数据集;构建图像生成模型,采用增强后的数据集对图像生成模型进行训练。本发明在模型中构建一个多传感器特征选择模块,通过学习对应不同传感器信息的掩码信息,自适应选择重要的特征进行融合并抑制对应每个传感器的噪声,从而提升算法对噪声的鲁棒性,同时降低模型的计算资源需求。可应用于车辆、飞机等交通工具,辅助驾驶员获取周围环境信息,从而保障雨雾天驾驶安全性。
-
公开(公告)号:CN117494777A
公开(公告)日:2024-02-02
申请号:CN202311304995.6
申请日:2023-10-10
Applicant: 华南理工大学
IPC: G06N3/08 , G06N3/045 , G06N3/0464 , G06N5/022
Abstract: 本发明公开了一种大模型敏捷训练方法、装置及存储介质,属于大模型训练技术领域。其中方法包括:构建小模型,并初始化小模型的权重;其中小模型为基于单元混合专家架构的模型;训练小模型,为大模型捕捉共享知识;其中大模型为基于混合专家架构的模型,所述混合专家架构包括混合专家层和非混合专家层;根据已捕捉共享知识的小模型,将小模型的权重迁移到大模型,以初始化大模型的权重;对初始化的大模型进行微调,以完成整个大模型的训练。本发明基于具备共享知识的权重初始化大模型,并进一步快速微调,有效避免了不同专家均冗余地从零习得共享知识导致的资源浪费,可大幅减少了基于混合专家架构的大模型训练所需的时间和计算开销。
-
-
-
-
-
-