公开(公告)号：CN118404921A

公开(公告)日：2024-07-30

申请号：CN202410413308.2

申请日：2024-04-08

Applicant: 南昌大学

Inventor： 王增 ,  张子健 ,  黄凌玉 ,  李霓

IPC: B42C9/00

Abstract: 本发明公开了一种无钉订书机，包括装订主体和底座，装订主体包括装订结构和装订架，装订结构设置于装订架前端，装订架后端通过支撑结构与底座连接，所述底座呈U型结构，底座前端对应所述装订结构位置设有定位圆环，后端两支架通过支撑结构与装订架后端两支架连接；装订结构通过胶水存储仓、可压缩元件和打孔元件由外向内形成三层能够相对滑动的结构，装订时，通过带动打孔元件向下运动使打孔尖端在纸张上打出圆孔，并在打孔尖端打出圆孔后灌注胶水到纸张和圆孔之间，完成纸张的装订。本发明采用uv胶水替换传统的铁丝制钉，在减少钢铁资源浪费的同时，是装订后过期保密文件或资料的销毁能够更为方便，订书机整体结构简单，对环境友好，污染低。

公开(公告)号：CN115730179A

公开(公告)日：2023-03-03

申请号：CN202211437873.X

申请日：2022-11-16

Applicant: 南昌大学

Inventor： 陈剑升 ,  张子健 ,  张远来 ,  魏欣 ,  晏斐 ,  徐健锋

IPC: G06F17/15

Abstract: 本发明是一种基于闵可夫斯基距离的中心损失扩展方法，属于深度学习、计算机视觉领域。其中该方法包括：首先将欧氏距离的平方推广到n阶闵可夫斯基距离的n次幂，然后通过替换中心损失中的距离度量得出基于闵可夫斯基距离的中心损失(MC损失)，其次将新得出的MC损失与Softmax Loss一起监督训练过程，通过训练调整MC损失影响的权重以得出最终的总损失，最后通过标准的随机梯度下降法对其进行优化。通过本发明可以提高无约束人脸识别的性能。