-
公开(公告)号：CN111967295B
公开(公告)日：2024-02-13
申请号：CN202010584527.9
申请日：2020-06-23
Applicant: 南昌大学
IPC: G06V40/16
Abstract: 一种语义标签挖掘的微表情捕捉方法，该方法包括：首先，对源域S张微表情视频帧图片一一通过脸部配准方法确认脸部器官关键点坐标，再根据其中4个关键点坐标确定一个脸部核心器官的方法进行器官图片划分，表示为R1,R2,R3,…Rn共n个类型的脸部器官。接着，分别提取R1,R2,R3,…Rn器官图片的图像纹理特征，获取对应器官类别的特征集合δ1,δ2,δ3,…,δn。然后，将特征集合分别输入聚类算法并进行形态语义的数据聚类(即形态语义挖掘)，基于聚类质量评估方法获取质量最高的语义库模型，记为f(δ1),f(δ2),f(δ3),…,f(δn)。最后，将目标域视频依据f(δ1),f(δ2),f(δ3),…,f(δn)模型匹配获取对应器官形态变化的核序列特征，将核序列特征输入分类器进行微表情模型M_Model的构建。
-
公开(公告)号：CN111967463A
公开(公告)日：2020-11-20
申请号：CN202010584515.6
申请日：2020-06-23
Applicant: 南昌大学
Abstract: 本发明公开了一种自然场景弯曲文本的检测方法，方法包括：S1:获取包含弯曲文本的自然场景图片的数据集；S2:利用将VGG-16网络中的所有全连接层改为卷积层的全卷积神经网络对步骤S1中获得的图像数据集进行特征提取，得到特征图；S3:对步骤S2中的特征图进行卷积处理得到段和链接；S4:取步骤S3中每个段的上下中心点，将其拟合成上下两条曲线并与末端段两侧边界连接形成一个封闭区域，得到的区域即为文本检测框；S5:输出步骤S4中的文本检测框。本发明能够更精准的定位到自然场景中的弯曲文本，可以非常灵活和高效地检测任意长度和方向的文本。
-
公开(公告)号：CN111967295A
公开(公告)日：2020-11-20
申请号：CN202010584527.9
申请日：2020-06-23
Applicant: 南昌大学
IPC: G06K9/00
Abstract: 一种语义标签挖掘的微表情捕捉方法，该方法包括：首先，对源域S张微表情视频帧图片一一通过脸部配准方法确认脸部器官关键点坐标，再根据其中4个关键点坐标确定一个脸部核心器官的方法进行器官图片划分，表示为R1,R2,R3,…Rn共n个类型的脸部器官。接着，分别提取R1,R2,R3,…Rn器官图片的图像纹理特征，获取对应器官类别的特征集合δ1,δ2,δ3,…,δn。然后，将特征集合分别输入聚类算法并进行形态语义的数据聚类(即形态语义挖掘)，基于聚类质量评估方法获取质量最高的语义库模型，记为f(δ1),f(δ2),f(δ3),…,f(δn)。最后，将目标域视频依据f(δ1),f(δ2),f(δ3),…,f(δn)模型匹配获取对应器官形态变化的核序列特征，将核序列特征输入分类器进行微表情模型M_Model的构建。
-
公开(公告)号：CN111967294A
公开(公告)日：2020-11-20
申请号：CN202010583041.3
申请日：2020-06-23
Applicant: 南昌大学
Abstract: 本发明公开了一种无监督跨域自适应的行人重识别方法，该方法包括以下步骤；S1:在源域预训练初始模型；S2利用初始模型提取目标域多粒度特征，生成多粒度特征分组集合,对每个分组集合计算距离矩阵；S3对距离矩阵进行聚类分析，生成簇内点和噪声点,估计簇中样本的硬伪标签；S4根据聚类结果，估计每个样本的软伪标签用以处理噪声点,更新数据集；S5在更新的数据集上重新训练模型，直至模型收敛；S6根据预设的迭代次数，循环步骤2-5；S7将测试集数据输入模型提取多粒度特征，根据特征相似度得到最终重识别结果；本发明利用源域和目标域，挖掘目标域数据天然相似性，在无标签的目标域上提升模型准确率，降低模型对标签的依赖性。
-
公开(公告)号：CN117316836B
公开(公告)日：2024-02-13
申请号：CN202311607952.5
申请日：2023-11-29
Applicant: 南昌大学
IPC: H01L21/67
Abstract: 本发明公开了一种应用马兰戈尼效应的晶圆加工管理系统，数据处理模块将均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数进行预处理，质量分析模块在晶圆加工完成后，综合分析均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数后对晶圆进行质量分级，质量分级结果发送至操作员。该管理系统能够在晶圆进行加工过程中，实时监测影响晶圆质量的加工参数，当加工参数异常时，及时发出警示信号，并且，在晶圆加工完成后，综合分析均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数后对晶圆进行质量分级，从而避免能使用但质量较低的晶圆用于精密器件使用。
-
Patent Agency Ranking
公开(公告)号：CN113408355B
公开(公告)日：2022-04-12
申请号：CN202110550533.7
申请日：2021-05-20
Applicant: 南昌大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06K9/62 , G06N3/02 , G06T7/11 , G06T7/40 , G06F16/174
Abstract: 本发明提供了一种基于三支决策和光流过滤机制的微表情压缩方法，该方法包括：首先，对于每段微表情视频的微表情视频片段集合V＝{v1,v2,…,vt}获取视频片段间的光流O＝{o1,o2,…,ot‑1}。接着，计算每张光流的横向位移与纵向位移联合作用函数进行光流加权。然后，联合三支决策调节三支化阈值(α,β)对光流进行NEG域，BND域及POS域光流的迭代筛选，当达到收敛条件联合BND域及POS域按序生成最终光流集合。最后，通过联合BND域及POS域完成视频压缩。本发明将粗糙集概率决策引入微表情领域，通过粗糙集进行信息决策，拓展了微表情研究新方向。本发明依据光流变化权重对图片信息进行去冗余，有效压缩视频片段信息，提升信息间的语义表达。
-
公开(公告)号：CN113408355A
公开(公告)日：2021-09-17
申请号：CN202110550533.7
申请日：2021-05-20
Applicant: 南昌大学
Abstract: 本发明提供了一种基于三支决策和光流过滤机制的微表情压缩方法，该方法包括：首先，对于每段微表情视频的微表情视频片段集合V＝{v1,v2,…,vt}获取视频片段间的光流O＝{o1,o2,…,ot‑1}。接着，计算每张光流的横向位移与纵向位移联合作用函数进行光流加权。然后，联合三支决策调节三支化阈值(α,β)对光流进行NEG域，BND域及POS域光流的迭代筛选，当达到收敛条件联合BND域及POS域按序生成最终光流集合。最后，通过联合BND域及POS域完成视频压缩。本发明将粗糙集概率决策引入微表情领域，通过粗糙集进行信息决策，拓展了微表情研究新方向。本发明依据光流变化权重对图片信息进行去冗余，有效压缩视频片段信息，提升信息间的语义表达。
-
公开(公告)号：CN111967294B
公开(公告)日：2022-05-20
申请号：CN202010583041.3
申请日：2020-06-23
Applicant: 南昌大学
IPC: G06V40/20 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种无监督跨域自适应的行人重识别方法，该方法包括以下步骤；S1:在源域预训练初始模型；S2利用初始模型提取目标域多粒度特征，生成多粒度特征分组集合,对每个分组集合计算距离矩阵；S3对距离矩阵进行聚类分析，生成簇内点和噪声点,估计簇中样本的硬伪标签；S4根据聚类结果，估计每个样本的软伪标签用以处理噪声点,更新数据集；S5在更新的数据集上重新训练模型，直至模型收敛；S6根据预设的迭代次数，循环步骤2‑5；S7将测试集数据输入模型提取多粒度特征，根据特征相似度得到最终重识别结果；本发明利用源域和目标域，挖掘目标域数据天然相似性，在无标签的目标域上提升模型准确率，降低模型对标签的依赖性。
-
公开(公告)号：CN110619107A
公开(公告)日：2019-12-27
申请号：CN201910725756.5
申请日：2019-08-07
Applicant: 南昌大学
Abstract: 本发明提供了一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法，该方法包括：首先，通过截取某段电网负荷数据构造数据集，输入Lstm算法生成Lstm模型。接着，另截取一段电网数据其中包括工况及负荷数据。选取负荷数据构建Lstm数据集，输入Lstm模型得到负荷预测结果。然后，将预测负荷结果与工况数据融合构造新的数据集，将数据集输入Gcforest算法生成Gcforest模型。最后，将应用数据负荷数据集输入Lstm模型得到负荷预测结果，将负荷预测结果与应用数据工况数据融合后输入Gcforest模型得到最终应用负荷结果。通过Lstm循环神经网络学习具有长短期依赖知识的能力，以及深度森林对非线性属性特征提取的能力，在配变负荷预测场景中使用Lstm-Gcforest组合模型能够更精准的预测配变负荷状况。
-
公开(公告)号：CN117316836A
公开(公告)日：2023-12-29
申请号：CN202311607952.5
申请日：2023-11-29
Applicant: 南昌大学
IPC: H01L21/67
Abstract: 本发明公开了一种应用马兰戈尼效应的晶圆加工管理系统，数据处理模块将均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数进行预处理，质量分析模块在晶圆加工完成后，综合分析均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数后对晶圆进行质量分级，质量分级结果发送至操作员。该管理系统能够在晶圆进行加工过程中，实时监测影响晶圆质量的加工参数，当加工参数异常时，及时发出警示信号，并且，在晶圆加工完成后，综合分析均匀性指数、活性成分浓度偏差、对流速度浮动指数以及环境颗粒物浓度指数后对晶圆进行质量分级，从而避免能使用但质量较低的晶圆用于精密器件使用。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
