公开(公告)号：CN110457516A

公开(公告)日：2019-11-15

申请号：CN201910741822.8

申请日：2019-08-12

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  陈锐东 ,  谢武 ,  赵天 ,  卢永全

IPC: G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于栈式跨模态自编码器的跨模态图文检索方法，其主要目的是提高跨模态图文检索的精确度。首先，对图像和文本数据进行预处理，得到图像特征和文本特征，再通过两层受限玻尔兹曼机，提取单模态表示；其次，通过构建深层次的栈式跨模态自编码器，挖掘模态间的相关性；最终，训练模型并得到模型文件，在验证集上完成跨模态图文检索任务。本发明在实现了图文检索中常用的两种检索任务（以图检文和以文检图）的基础上，还能实现输入一种模态数据返回多种模态数据，在三个跨模态图文检索数据集上提升了模型检索精确度和泛化能力。

公开(公告)号：CN110222558A

公开(公告)日：2019-09-10

申请号：CN201910325729.9

申请日：2019-04-22

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  张世豪 ,  赵天 ,  陶林 ,  谢武

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的手部关键点检测方法，所述方法包括了CPMs卷积神经网络和GoogLeNet神经网络模型。所述CPMs卷积神经网络中，保留stage1中的数据层和最后七个卷积层，将stage1中的其他层剔除掉。所述GoogLeNet神经网络模型中，选用其前13网络层，并删除其中的数据层和inception(3b)后面的max pool层。将所述CPMs卷积神经网络和所述GoogLeNet神经网络模型结合起来，修改每一层的bottom属性、top属性的名称，使得层与层之间能够链接起来。本发明改进了网络模型结构，提高了关键点检测的准确度和减小了模型训练的代价（训练时间等），减少了模型参数得以加快检测速度。