-
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
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：CN113160123A
公开(公告)日：2021-07-23
申请号：CN202110205526.3
申请日：2021-02-24
Applicant: 广东工业大学
Abstract: 本发明提出一种基于YOLOv5的皮革缺陷检测方法、系统及装置，解决了当前利用传统深度学习网络进行皮革缺陷检测的方法检测模式单一，而且对深度学习网络依赖度高，难以适应实际皮革生产过程中皮革缺陷多变性及生产环境不定的问题，本发明首先构建基于YOLOv5的皮革缺陷检测网络模型，检测速度快，准确度高，然后采用基于GRPC的GPU服务器部署方式和离线边缘计算部署方式的双模式部署设计，将皮革缺陷检测网络模型进行部署，适应皮革生产过程中的缺陷多变性，满足不同皮革生产环境的需求。
-
公开(公告)号：CN113034476A
公开(公告)日：2021-06-25
申请号：CN202110342426.5
申请日：2021-03-30
Applicant: 广东工业大学
Abstract: 本发明针对现有技术皮革瑕疵检测技术的局限性，提出了一种皮革瑕疵检测方法、系统、储存介质及计算机设备，运用三元组网络快速过滤掉没有缺陷的图像，可以提高处理效率，节省检测成本，更符合现实运行的情况；同时，所述三元组网络对原图、模板以及差值的三通道进行了融合，可以提取更加有效的信息，从而提升检测的精度，在模板与原图偏移长度情况下，也具有更好的检测精度，降低了对模板的要求，一定程度上也减少了人力成本；另外，本发明提供的分类检测器以Context ROI网络架构对所述待检测皮革图像进行特征提取，采用BiFPN的方式进行特征融合，既能有效利用全局信息，提升大缺陷检测精度，又能适应小目标检测，提升了小目标检测精度。
-
公开(公告)号：CN111090419B
公开(公告)日：2023-04-07
申请号：CN201911176630.3
申请日：2019-11-26
Applicant: 广东工业大学
Abstract: 本发明提供一种基于结点入度变化的树结构可视化方法，包括以下步骤：S1：检测是否有未执行完的目标代码，若有则进入S2，若没有未执行完的目标代码则结束流程；S2：判断是否有一个结点发生变化，即是否发生一次可视化调试步骤，若是，则分析结点变化的类型；S3：根据结点变化的类型进行可视化处理；S4：输出数据。本发明提供一种基于结点入度变化的树结构可视化方法，本根据结点入度的变化分析调试过程中各种树型结构的实时变化情况，从而实施相应的布局，而不再是局限于固定代码的可视化演示；同时本发明提供的方法并不局限于单棵、完全符合“树型结构”定义的数据结构，还给出了非典型树型结构和多棵树型结构的树结构可视化方法。
-
Patent Agency Ranking
公开(公告)号：CN113160123B
公开(公告)日：2022-12-13
申请号：CN202110205526.3
申请日：2021-02-24
Applicant: 广东工业大学
Abstract: 本发明提出一种基于YOLOv5的皮革缺陷检测方法、系统及装置，解决了当前利用传统深度学习网络进行皮革缺陷检测的方法检测模式单一，而且对深度学习网络依赖度高，难以适应实际皮革生产过程中皮革缺陷多变性及生产环境不定的问题，本发明首先构建基于YOLOv5的皮革缺陷检测网络模型，检测速度快，准确度高，然后采用基于GRPC的GPU服务器部署方式和离线边缘计算部署方式的双模式部署设计，将皮革缺陷检测网络模型进行部署，适应皮革生产过程中的缺陷多变性，满足不同皮革生产环境的需求。
-
公开(公告)号：CN113378786A
公开(公告)日：2021-09-10
申请号：CN202110759482.9
申请日：2021-07-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种超轻量目标检测网络和方法，所述网络包括依次连接的主干模块、特征提取融合模块和检测模块；所述特征提取融合模块的数量至少为1个；特征提取融合模块包括若干个沙漏通道加权分支和一个Bi‑FPN特征融合块；沙漏通道加权分支间并行连接至Bi‑FPN特征融合块；沙漏通道加权分支对高维特征图提取出不同分辨率的低维特征，Bi‑FPN特征融合块将不同分辨率的低维特征进行多尺度特征融合；有效提升了感受野，强化了跨分辨率的信息交流和融合，提高了检测结果的准确度；同时还减少了参数量和计算量，提高了检测效率，使检测模型兼具计算轻量化和精确度的优势。
-
公开(公告)号：CN116012569B
公开(公告)日：2023-08-15
申请号：CN202310299402.5
申请日：2023-03-24
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度学习的含噪数据下的多标签图像识别方法，包括获取多标签含噪数据集并进行预处理；建立双分支多标签修正神经网络模型；将预处理后的多标签含噪数据集输入双分支多标签修正神经网络模型中进行对比学习训练，获得优化后的双分支多标签修正神经网络模型；获取待修正的含噪图片，利用优化后的双分支多标签修正神经网络模型对待修正的含噪图片进行修正，根据修正标签对待修正的含噪图片进行图像识别；本发明能够对多标签含噪数据集进行标签修正，节省人力物力成本，实现对数据资源的高效利用；同时预测结果更具有鲁棒性；另外，本发明根据对训练图片的预测值规定了上下界，能够减弱噪声，避免对噪声的过拟合。
-
公开(公告)号：CN111090419A
公开(公告)日：2020-05-01
申请号：CN201911176630.3
申请日：2019-11-26
Applicant: 广东工业大学
Abstract: 本发明提供一种基于结点入度变化的树结构可视化方法，包括以下步骤：S1：检测是否有未执行完的目标代码，若有则进入S2，若没有未执行完的目标代码则结束流程；S2：判断是否有一个结点发生变化，即是否发生一次可视化调试步骤，若是，则分析结点变化的类型；S3：根据结点变化的类型进行可视化处理；S4：输出数据。本发明提供一种基于结点入度变化的树结构可视化方法，本根据结点入度的变化分析调试过程中各种树型结构的实时变化情况，从而实施相应的布局，而不再是局限于固定代码的可视化演示；同时本发明提供的方法并不局限于单棵、完全符合“树型结构”定义的数据结构，还给出了非典型树型结构和多棵树型结构的树结构可视化方法。
-
公开(公告)号：CN116012569A
公开(公告)日：2023-04-25
申请号：CN202310299402.5
申请日：2023-03-24
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度学习的含噪数据下的多标签图像识别方法，包括获取多标签含噪数据集并进行预处理；建立双分支多标签修正神经网络模型；将预处理后的多标签含噪数据集输入双分支多标签修正神经网络模型中进行对比学习训练，获得优化后的双分支多标签修正神经网络模型；获取待修正的含噪图片，利用优化后的双分支多标签修正神经网络模型对待修正的含噪图片进行修正，根据修正标签对待修正的含噪图片进行图像识别；本发明能够对多标签含噪数据集进行标签修正，节省人力物力成本，实现对数据资源的高效利用；同时预测结果更具有鲁棒性；另外，本发明根据对训练图片的预测值规定了上下界，能够减弱噪声，避免对噪声的过拟合。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
