-
公开(公告)号：CN113536829B
公开(公告)日：2024-06-11
申请号：CN202010286329.4
申请日：2020-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/50 , G06V20/00 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G07F9/00
Abstract: 本发明提出了一种无人零售货柜的货品静态识别方法，所述方法包括通过人工采集和人工标记构造静态识别数据集；在主干网络中引入可变形卷积神经网络和组归一化层，在子网络中选用聚焦损失函数进行分类以及选用平衡L1损失函数进行坐标回归，构造一阶段目标检测模型；对一阶段目标检测模型进行训练，获取网格参数；将网格参数输入无人售货柜，对货品种类和数量进行识别。本发明提供的货品静态识别方法解决了传统目标检测模型中对边缘货品检测的不稳定性问题，通过提高货品识别率提升无人售货的用户体验。
-
公开(公告)号：CN113536829A
公开(公告)日：2021-10-22
申请号：CN202010286329.4
申请日：2020-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提出了一种无人零售货柜的货品静态识别方法，所述方法包括通过人工采集和人工标记构造静态识别数据集；在主干网络中引入可变形卷积神经网络和组归一化层，在子网络中选用聚焦损失函数进行分类以及选用平衡L1损失函数进行坐标回归，构造一阶段目标检测模型；对一阶段目标检测模型进行训练，获取网格参数；将网格参数输入无人售货柜，对货品种类和数量进行识别。本发明提供的货品静态识别方法解决了传统目标检测模型中对边缘货品检测的不稳定性问题，通过提高货品识别率提升无人售货的用户体验。
-
公开(公告)号：CN118227891B
公开(公告)日：2024-08-20
申请号：CN202410623888.8
申请日：2024-05-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06F18/241 , G06F18/25 , G06N3/042
Abstract: 本公开的实施例提供一种基于多模态的物品推荐方法和装置及计算机可读存储介质。方法包括：建立用户‑物品交互矩阵；针对每个物品，确定与该物品在模态融合特征上最相似的K个物品；根据针对每个物品确定的最相似的K个物品来建立相同和互异类别物品矩阵；根据相同和互异类别物品矩阵及用户‑物品交互矩阵生成用户关系矩阵；将互异类别和用户关系矩阵分别单独输入第一图卷积网络以获得物品的第一物品嵌入表示和用户的第一用户嵌入表示；使用第二图卷积网络和读出函数从用户‑物品交互矩阵获得物品的第二物品嵌入表示和用户的第二用户嵌入表示；根据第一和第二物品嵌入表示及第一和第二用户嵌入表示生成物品推荐矩阵；基于物品推荐矩阵推荐物品。
-
公开(公告)号：CN118227891A
公开(公告)日：2024-06-21
申请号：CN202410623888.8
申请日：2024-05-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06F18/241 , G06F18/25 , G06N3/042
Abstract: 本公开的实施例提供一种基于多模态的物品推荐方法和装置及计算机可读存储介质。方法包括：建立用户‑物品交互矩阵；针对每个物品，确定与该物品在模态融合特征上最相似的K个物品；根据针对每个物品确定的最相似的K个物品来建立相同和互异类别物品矩阵；根据相同和互异类别物品矩阵及用户‑物品交互矩阵生成用户关系矩阵；将互异类别和用户关系矩阵分别单独输入第一图卷积网络以获得物品的第一物品嵌入表示和用户的第一用户嵌入表示；使用第二图卷积网络和读出函数从用户‑物品交互矩阵获得物品的第二物品嵌入表示和用户的第二用户嵌入表示；根据第一和第二物品嵌入表示及第一和第二用户嵌入表示生成物品推荐矩阵；基于物品推荐矩阵推荐物品。
-
公开(公告)号：CN117972220B
公开(公告)日：2024-06-21
申请号：CN202410384820.9
申请日：2024-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本公开的实施例提供一种物品推荐方法、物品推荐装置、计算机可读存储介质。物品推荐方法包括：根据用户与物品的历史交互信息获得用户社交嵌入矩阵；将用户社交嵌入矩阵与用户协同嵌入矩阵相加以生成用户融合嵌入矩阵；将用户融合嵌入矩阵、物品协同嵌入矩阵和用户物品交互图输入轻量级图卷积网络以生成用户融合全局嵌入表示和物品全局嵌入表示；使用门机制来平衡用户在两个域下的嵌入表示的权重以获得用户全局嵌入表示；采用数据扩充方式和非数据扩充方式进行对比学习以确定第一和第二损失函数；基于第一、第二和推荐损失函数进行迭代训练以根据用户全局嵌入表示和物品全局嵌入表示生成物品推荐模型；基于物品推荐模型，向用户推荐感兴趣的物品。
-
Patent Agency Ranking
公开(公告)号：CN117218302A
公开(公告)日：2023-12-12
申请号：CN202311484349.2
申请日：2023-11-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T17/00 , G06V10/774 , G06N3/0464 , G06Q30/0601
Abstract: 本发明适用于图像翻译领域，公开了一种基于生成对抗网络的人偶模特生成算法，包括步骤：构建人偶模特生成数据集、设计人偶模特生成模型以及分别训练头部生成网络和皮肤生成网络。人偶模特生成模型包括基于生成对抗网络的头部生成网络和基于生成对抗网络的皮肤生成网络；头部生成网络用于生成真实的头部图像，皮肤生成网络用于重建人体模特的皮肤区域。本发明将头部生成网络和皮肤生成网络结合在一起，组合成一种人偶模特生成算法，能够实现人偶模特到真实模特的转换任务，并保持模特的姿态和服装等信息不改变。模型保证了生成图像的质量，同时也能兼顾模型运行的速度。
-
公开(公告)号：CN111445426B
公开(公告)日：2023-09-08
申请号：CN202010388604.3
申请日：2020-05-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T5/00 , G06T7/41 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提出了一种基于生成对抗网络模型的目标服装图像处理方法，包括：将样品标准图像和其对应的各样品区域图像配对形成样品配对图像集；根据样品配对图像集，优化生成对抗网络模型的损失函数参数；将待办区域图像输入生成对抗网络模型，输出模版图像；将待办区域图像拉伸形变输出扭曲图像，使扭曲图像与模版图像边框对齐；通过获取像素权重矩阵，对扭曲图像和模版图像进行融合，输出目标服装图像。本发明通过构建基于感知损失函数的生成对抗网络模型和分步图像融合技术，将不同角度和姿态的服装图像转换为姿态端正和纹理增强的目标服装图像，供智能系统搜索使用，改善了目标服装图像质量，提高了智能系统检索精准度。
-
公开(公告)号：CN111445426A
公开(公告)日：2020-07-24
申请号：CN202010388604.3
申请日：2020-05-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提出了一种基于生成对抗网络模型的目标服装图像处理方法，包括：将样品标准图像和其对应的各样品区域图像配对形成样品配对图像集；根据样品配对图像集，优化生成对抗网络模型的损失函数参数；将待办区域图像输入生成对抗网络模型，输出模版图像；将待办区域图像拉伸形变输出扭曲图像，使扭曲图像与模版图像边框对齐；通过获取像素权重矩阵，对扭曲图像和模版图像进行融合，输出目标服装图像。本发明通过构建基于感知损失函数的生成对抗网络模型和分步图像融合技术，将不同角度和姿态的服装图像转换为姿态端正和纹理增强的目标服装图像，供智能系统搜索使用，改善了目标服装图像质量，提高了智能系统检索精准度。
-
公开(公告)号：CN111428809A
公开(公告)日：2020-07-17
申请号：CN202010287687.7
申请日：2020-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提出了一种基于空间信息融合与卷积神经网络的人群计数方法，基于基础模块、多尺度模块和融合模块，包括以下步骤：通过所述基础模块进行低阶语义特征的提取：将获得的图片预处理后添加到一个小尺寸滤波器的单列模块中，来提取低层语义特征；通过所述多尺度模块进行多尺度特征的提取：使用不同大小的滤波器来提取对应尺度的人类头部特征；通过所述融合模块完成多阶段特征的融合。本发明提供的基于空间信息融合与卷积神经网络的人群计数方法不仅提升模块在人头尺度变换方面的鲁棒性，还解决了两类多尺度特征的融合问题。
-
公开(公告)号：CN117972220A
公开(公告)日：2024-05-03
申请号：CN202410384820.9
申请日：2024-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本公开的实施例提供一种物品推荐方法、物品推荐装置、计算机可读存储介质。物品推荐方法包括：根据用户与物品的历史交互信息获得用户社交嵌入矩阵；将用户社交嵌入矩阵与用户协同嵌入矩阵相加以生成用户融合嵌入矩阵；将用户融合嵌入矩阵、物品协同嵌入矩阵和用户物品交互图输入轻量级图卷积网络以生成用户融合全局嵌入表示和物品全局嵌入表示；使用门机制来平衡用户在两个域下的嵌入表示的权重以获得用户全局嵌入表示；采用数据扩充方式和非数据扩充方式进行对比学习以确定第一和第二损失函数；基于第一、第二和推荐损失函数进行迭代训练以根据用户全局嵌入表示和物品全局嵌入表示生成物品推荐模型；基于物品推荐模型，向用户推荐感兴趣的物品。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.033 seconds)
