-
公开(公告)号：CN108090521A
公开(公告)日：2018-05-29
申请号：CN201810031988.6
申请日：2018-01-12
Applicant: 广州视声智能科技有限公司 , 广州视声智能股份有限公司 , 华南理工大学
Abstract: 本发明实施例提供了一种生成式对抗网络模型的图像融合方法和判别器，其中，该方法包括：S1：获取到生成器生成的图像；S2：对所述图像进行分解得到颜色通道；S3：在通过预置卷积核对所述颜色通道进行单层卷积得到特征图后，对所述特征图进行融合得到融合后的所述图像；S4：循环执行S2和S3直至卷积次数等于预置次数。本发明在每一层卷积结束之后，都对图像各个颜色通道的特征图进行融合，再进行后续训练。在这种情况下，整个网络的鲁棒性得到了进一步增强。本发明实施例提供了一种生成式对抗网络模型。
-
公开(公告)号：CN112800951B
公开(公告)日：2023-08-08
申请号：CN202110109736.2
申请日：2021-01-27
Applicant: 华南理工大学 , 广州视声智能股份有限公司
IPC: G06V40/16 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于局部基特征的微表情识别方法、系统、装置及介质，其中方法包括以下步骤：获取微表情视频；将所述微表情视频转换为微表情图像序列，对所述微表情图像序列进行预处理，获得灰度人脸图像；提取所述灰度人脸图像的局部基特征，局部基包括左眼、右眼和嘴巴，局部基特征包括动态特征和静态特征；将所述局部基特征输入训练好的分类器进行识别，获得微表情识别结果。本发明提出一种新颖的特征提取框架，可有效识别各种强度范围内的表情，以及对帧速率几乎不敏感。本发明可广泛应用于图像处理技术领域。
-
公开(公告)号：CN108090521B
公开(公告)日：2022-04-08
申请号：CN201810031988.6
申请日：2018-01-12
Applicant: 广州视声智能科技股份有限公司 , 广州视声智能股份有限公司 , 华南理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明实施例提供了一种生成式对抗网络模型的图像融合方法和判别器，其中，该方法包括：S1：获取到生成器生成的图像；S2：对所述图像进行分解得到颜色通道；S3：在通过预置卷积核对所述颜色通道进行单层卷积得到特征图后，对所述特征图进行融合得到融合后的所述图像；S4：循环执行S2和S3直至卷积次数等于预置次数。本发明在每一层卷积结束之后，都对图像各个颜色通道的特征图进行融合，再进行后续训练。在这种情况下，整个网络的鲁棒性得到了进一步增强。本发明实施例提供了一种生成式对抗网络模型。
-
公开(公告)号：CN112800951A
公开(公告)日：2021-05-14
申请号：CN202110109736.2
申请日：2021-01-27
Applicant: 华南理工大学 , 广州视声智能股份有限公司
Abstract: 本发明公开了一种基于局部基特征的微表情识别方法、系统、装置及介质，其中方法包括以下步骤：获取微表情视频；将所述微表情视频转换为微表情图像序列，对所述微表情图像序列进行预处理，获得灰度人脸图像；提取所述灰度人脸图像的局部基特征，局部基包括左眼、右眼和嘴巴，局部基特征包括动态特征和静态特征；将所述局部基特征输入训练好的分类器进行识别，获得微表情识别结果。本发明提出一种新颖的特征提取框架，可有效识别各种强度范围内的表情，以及对帧速率几乎不敏感。本发明可广泛应用于图像处理技术领域。
-
公开(公告)号：CN111160295B
公开(公告)日：2023-05-12
申请号：CN201911416933.8
申请日：2019-12-31
Applicant: 广州视声智能科技有限公司 , 华南理工大学 , 广州视声智能股份有限公司
IPC: G06V20/40 , G06V40/10 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于区域引导和时空注意力的视频行人重识别方法，该方法先构建全局特征，基于时间注意力模型来计算视频流中每一帧所提取的全局特征，聚合得到全局特征向量；构建区域特征，将提取的行人深度特征图水平划分为四块，经由关键帧生成层生成四个区域各自的引导帧去提取对应的区域特征，结合时空注意力模型计算获得区域特征向量；待识别行人视频流的特征向量由全局特征向量和区域特征向量结合获得，与选定地理区域的视频图像的行人的特征向量对比，得到距离最小的行人目标视频流并输出最终重识别匹配结果。本发明能够解决行人视频图像成像质量差，细节损失严重，行人部位缺失而特征提取困难导致的视频行人重识别准确率不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN108197700A
公开(公告)日：2018-06-22
申请号：CN201810031539.1
申请日：2018-01-12
Applicant: 广州视声智能科技有限公司 , 广州视声智能股份有限公司 , 华南理工大学
Abstract: 本发明实施例公开了一种生成式对抗网络建模方法及装置，其中，该方法包括：S1：通过残差网络构建生成器和判别器；S2：向所述生成器输入噪声生成训练图像，将所述生成器的浅层神经网络的梯度叠加至所述生成器的深层神经网络中，得到叠加梯度后的生成器；S3：将所述训练图像输入所述判别器进行判别，得到沃瑟斯坦距离，再在所述判别器对所述训练图像进行卷积操作后，得到损失函数，并将所述损失函数反馈至叠加梯度后的所述生成器；S4：判断所述沃瑟斯坦距离是否小于预置距离值，若不小于，则重新执行S2，若小于，则结束。
-
公开(公告)号：CN111160295A
公开(公告)日：2020-05-15
申请号：CN201911416933.8
申请日：2019-12-31
Applicant: 广州视声智能科技有限公司 , 华南理工大学 , 广州视声智能股份有限公司
Abstract: 本发明公开一种基于区域引导和时空注意力的视频行人重识别方法，该方法先构建全局特征，基于时间注意力模型来计算视频流中每一帧所提取的全局特征，聚合得到全局特征向量；构建区域特征，将提取的行人深度特征图水平划分为四块，经由关键帧生成层生成四个区域各自的引导帧去提取对应的区域特征，结合时空注意力模型计算获得区域特征向量；待识别行人视频流的特征向量由全局特征向量和区域特征向量结合获得，与选定地理区域的视频图像的行人的特征向量对比，得到距离最小的行人目标视频流并输出最终重识别匹配结果。本发明能够解决行人视频图像成像质量差，细节损失严重，行人部位缺失而特征提取困难导致的视频行人重识别准确率不高的问题。
-
公开(公告)号：CN118972131B
公开(公告)日：2025-03-11
申请号：CN202411106815.8
申请日：2024-08-13
Applicant: 广州视声智能股份有限公司
IPC: H04L9/40 , H04L41/142 , H04L41/147
Abstract: 本发明公开了一种基于结构化标签的数据安全传输方法及系统，该方法包括：获取待传输的家居数据和对应的设备信息；根据所述设备信息对应的敏感识别算法模型，识别出所述家居数据中的多个敏感数据部分和对应的敏感程度；根据所述敏感程度对应的公钥对每一所述敏感数据部分进行加密得到加密数据部分；对所有所述加密数据部分和对应的私钥信息，基于结构化标签算法进行组合得到加密后家居数据以进行传输；所述加密后家居数据在被接收后能够基于预设的结构化识别规则和对应的私钥被解密以得到所述家居数据。可见，本发明能够提高家居数据加密过程中的针对性和可靠性，减少加密成本，提高数据传输安全性。
-
公开(公告)号：CN119484015A
公开(公告)日：2025-02-18
申请号：CN202411436113.6
申请日：2024-10-15
Applicant: 广州视声智能股份有限公司
Abstract: 本发明公开了一种用于家居设备的局域网异常处理方法及装置，该方法包括：获取家居设备局域网数据信息；家居设备局域网数据信息包括若干个待处理局域网数据信息；对家居设备局域网数据信息进行前处理，得到第一局域网数据信息；第一局域网数据信息包括若干个第一处理局域网数据信息；每个第一处理局域网数据信息包括至少一个依序分布的第一目标局域网数据信息；对第一局域网数据信息进行检测分析处理，得到目标异常检测结果信息。
-
公开(公告)号：CN119094261A
公开(公告)日：2024-12-06
申请号：CN202411266563.5
申请日：2024-09-11
Applicant: 广州视声智能股份有限公司
IPC: H04L12/28 , H04L67/12 , H04L67/568 , H04L9/40
Abstract: 本发明公开了一种用于局域网通信的家居数据处理方法及装置，该方法包括：获取家居访问信息；家居访问信息包括访问网址信息、访问对象信息；基于家居网络状态和家居访问信息，确定目标访问信息；基于目标访问信息，确定出目标展示信息。可见，本发明有利于实现在无外网环境下有效地管理和使用局域网资源，从而安全高效地利用缓存资源，提供流畅的用户体验。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.041 seconds)
