公开(公告)号：CN118350903A

公开(公告)日：2024-07-16

申请号：CN202410633219.9

申请日：2024-05-21

Applicant: 广东工业大学

Inventor： 杨志景 ,  杨明亮 ,  陈添水 ,  彭思愿

IPC: G06Q30/0601 ,  G06V10/774 ,  G06F40/126

Abstract: 本发明涉及虚拟试穿技术领域，公开了一种基于语义增强和扩散模型的服装试穿方法、系统和存储介质，包括：确定待试穿的服装图像和文本描述；对所述服装图像和所述文本描述进行语义增强操作，获得文本提示；将所述文本提示和所述服装图像输入训练好的可训练控制网络，获得服装特征图；将所述文本提示和openpose图像输入预训练控制网络，获得姿势特征图；将所述文本提示、所述服装特征图和所述姿势特征图输入至扩散模型中，输出试穿结果图。本发明能够提高服装虚拟试穿的效果和用户体验。

公开(公告)号：CN119443495A

公开(公告)日：2025-02-14

申请号：CN202411494119.9

申请日：2024-10-24

Applicant: 广东工业大学

Inventor： 杨志景 ,  谢文运 ,  彭思愿

IPC: G06Q10/063 ,  G06Q50/00 ,  G06F17/16

Abstract: 本发明涉及社区检测技术领域，公开了一种基于相关熵对称非负矩阵分解的鲁棒半监督社区检测方法及系统，包括以下具体步骤：收集社区节点，构建社区检测网络模型；基于社区检测网络模型构建初始邻接矩阵；基于成对约束传播算法，对邻接矩阵进行监督信息学习，得到新的邻接矩阵；采用高斯核作为核函数，构建相关熵；基于相关熵和图正则化构建新的邻接矩阵的非负矩阵分解的优化问题；采用半二次优化方法求解优化问题，得到优化矩阵，并得到最终的社区检测结果。本发明解决了现有技术缺乏从约束节点到无约束节点的约束传播机制的问题，且具有抗噪声性能强的特点。

公开(公告)号：CN119719811A

公开(公告)日：2025-03-28

申请号：CN202411626101.X

申请日：2024-11-14

Applicant: 广东工业大学

Inventor： 彭思愿 ,  谢文运 ,  杨志景

IPC: G06F18/23 ,  G06F18/2133 ,  G06F18/22

Abstract: 本发明提出了一种基于双约束的半监督非负矩阵分解多视图聚类方法，采用双约束算法实现，所述双约束算法包括点约束传播算法和成对约束传播算法，具体而言，在获得有限标签信息时，双约束算法不仅利用点约束传播算法来构建标签正则化，而且采用基于超图成对约束传播算法来构建多视图超图正则化，进而提高模型对多视图聚类的检测准确性。本发明能够利用标签信息和成对的监督信息来提高多视图聚类的性能。

公开(公告)号：CN115444366A

公开(公告)日：2022-12-09

申请号：CN202211058372.0

申请日：2022-08-30

Applicant: 广东工业大学

Inventor： 杨志景 ,  何永康 ,  彭思愿 ,  陈明锦

IPC: A61B5/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及麻醉技术领域，公开了一种麻醉深度预测方法，包括：S1、获取TIVA全身麻醉注射的真实手术记录，将手术记录中的麻醉药物注射历史作为原始数据集；S2、对原始数据集进行预处理，将预处理后的原始数据集划分为训练集、验证集和测试集；S3、构建麻醉深度预测网络模型，麻醉深度预测网络模型包括PK‑PD模型、时序信息编码器和注意力机制解码器；S4、利用训练集对麻醉深度预测网络模型进行训练，利用验证集对训练过程中的麻醉深度预测网络模型进行评估，利用测试集测试麻醉深度预测网络模型的有效性，得到训练好的麻醉深度预测网络模型；S5、获取患者的麻醉药物注射历史，将患者的麻醉药物注射历史输入训练好的目标检测模型，输出麻醉深度预测结果。

公开(公告)号：CN119049654A

公开(公告)日：2024-11-29

申请号：CN202411177077.6

申请日：2024-08-26

Applicant: 广东工业大学

Inventor： 彭思愿 ,  杨志景 ,  何永康 ,  卢永毅 ,  陈添水

IPC: G16H20/40 ,  G16H50/70 ,  G06N3/096 ,  G06N3/045 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明涉及麻醉深度预测技术领域，提出一种小样本麻醉深度预测方法及系统，包括：采集麻醉手术记录数据作为源域数据与小样本数据并进行预处理，建立教师模型和学生模型，将所述源域数据输入教师模型进行训练；基于完成训练的教师模型，通过特征蒸馏训练学生模型；对完成特征蒸馏训练的学生模型使用基于标签平滑的重加权损失函数计算损失，并更新所述学生模型的权重；将所述小样本数据输入所述学生模型进行训练，并采用平衡均方误差作为所述学生模型的损失函数；将待预测麻醉深度数据输入完成训练的所述学生模型，得到麻醉深度预测结果。相较于现有技术在不平衡数据上训练效果差的缺陷，本发明提出了一种更高效、精确的求解方法。

公开(公告)号：CN118116055A

公开(公告)日：2024-05-31

申请号：CN202410274399.6

申请日：2024-03-11

Applicant: 广东工业大学

Inventor： 陈添水 ,  徐志华 ,  朱宇杰 ,  彭思愿 ,  杨志景

IPC: G06V40/16 ,  G06V20/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464

Abstract: 本发明公开了一种面部表情操控方法及系统，包括以下步骤：S1、对待编辑的人物视频素材进行预处理，获取人物视频素材中的音频度量、视觉度量和跨模态信息度量。S2、对跨模态信息学习网络进行训练，得到训练后的跨模态信息度量；采用训练后的跨模态信息度量、音频度量和视觉度量构建监督数据库。S3、采用监督数据库对表情迁移网络和重构渲染网络进行训练。S4、利用训练好的表情迁移网络和重构渲染网络进行面部表情操控。本申请与传统技术相比，在保证人脸表情编辑效果的同时也确保了原始人脸视频中与语音内容相关的动作能够完整地保留，解决了画音不匹配的问题，使编辑后的视频连贯完整。

公开(公告)号：CN119092127A

公开(公告)日：2024-12-06

申请号：CN202411210494.6

申请日：2024-08-30

Applicant: 广东工业大学

Inventor： 彭思愿 ,  陈明锦 ,  杨志景

IPC: G16H50/30 ,  G16H50/50 ,  G16H10/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及麻醉深度预测的技术领域，提出一种基于表示学习的麻醉深度预测方法，包括以下步骤：获取待麻醉对象的用药量数据以及包括待麻醉对象的年龄、性别、身高和/或体重在内的静态信息；构建用于麻醉深度指标值预测的麻醉深度预测模型；麻醉深度预测模型包括因果Transformer和瓶颈网络；其中，因果Transformer用于基于用药量数据提取用药量时序特征，瓶颈网络用于结合用药量时序特征和用药量时序特征对应的静态信息，预测麻醉深度指标值；利用麻醉深度预测模型得到的待麻醉对象的麻醉深度指标预测值能够准确地学习到用药量的时序关联以及静态信息与用药量时序特征之间的关联，结果的精确度较高。

公开(公告)号：CN118917957A

公开(公告)日：2024-11-08

申请号：CN202410708259.5

申请日：2024-06-03

Applicant: 广东工业大学

Inventor： 彭思愿 ,  杨明亮 ,  杨志景 ,  陈添水

IPC: G06Q50/00 ,  G06N5/025

Abstract: 本发明公开了基于加权先验张量链分解的多层网络社区检测方法。该方法首先获取多层网络并提取特征，得到加权扁平网络特征。然后，初始化三个张量序列因子并循环优化，得到最终第一张量序列因子。最后，从最终第一张量序列中提取社区。本发明使得在多层网络下社区检测结果更准确。

公开(公告)号：CN115641966A

公开(公告)日：2023-01-24

申请号：CN202211400249.2

申请日：2022-11-09

Applicant: 广东工业大学

Inventor： 杨志景 ,  陈明锦 ,  彭思愿 ,  何永康

IPC: G16H50/70 ,  G16H20/10 ,  G06N3/044 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明针对现有技术的局限性，提出了一种基于循环神经网络结合迁移学习和知识蒸馏的麻醉深度预测方法，在模型训练的时候考虑了不同对象的数据分布差异大的问题，并对这种情况使用域适应的方法来解决，使得模型面对新的数据，具有更强的泛化能力和鲁棒性；使用教师学生类的知识蒸馏的方法来压缩我们模型的大小，使其轻量化，并且通过使学生的中间特征表示模仿教师的中间特征表示，来进一步提升学生模型预测麻醉深度的准确度。