-
公开(公告)号：CN117557327A
公开(公告)日：2024-02-13
申请号：CN202311022587.1
申请日：2023-08-14
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/9536 , G06N3/0464 , G06N3/08 , G06F18/21 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种基于改进图卷积神经网络的物品推荐方法，包括：1)采集用于推荐的用户‑物品交互数据集，并将其转化为原子文件；2)利用原子文件构建用户‑物品二部图，将用户‑物品二部图输送到改进图卷积神经网络进行参数学习，得到一个能够用于推荐的最优网络；3)通过最优网络即可为用户‑物品二部图中的任意用户推荐其可能感兴趣的物品，即将一个待推荐的用户‑物品二部图输入到该最优网络中，就会准确给出所有用户的推荐列表。本发明鲁棒性更强，推荐结果更稳定和准确，同时明确挖掘了用户和物品在用户‑物品二部图上的邻居信息，通过整合用户‑物品二部图上丰富的邻域信息，丰富了用户和物品节点的邻域关系，使得网络的推荐性能得到了进一步的提升。
-
公开(公告)号：CN114359644A
公开(公告)日：2022-04-15
申请号：CN202111583032.5
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V10/771 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。
-
公开(公告)号：CN113887868A
公开(公告)日：2022-01-04
申请号：CN202111013269.X
申请日：2021-08-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。
-
公开(公告)号：CN108734694A
公开(公告)日：2018-11-02
申请号：CN201810309381.X
申请日：2018-04-09
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于faster r-cnn的甲状腺肿瘤超声图像自动识别方法，包括步骤：对已经标注的甲状腺肿瘤超声图像进行数据增强，增加训练样本的个数和尺度；使用resnet-50网络模型对图像数据集进行特征提取；使用区域建议网络RPN生成建议窗口(proposals)，并映射到特征图上生成区域建议框；然后通过RoI pooling使得每个RoI生成固定尺寸的特征图；最后利用softmax Loss和softmax L1 Loss对分类概率和边框回归联合训练。本发明方法不需要手工进行肿瘤超声图像分割，能够端到端训练网络，并采用数据增强提高识别率。
-
公开(公告)号：CN114359644B
公开(公告)日：2024-04-16
申请号：CN202111583032.5
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V10/771 , G06V20/10 , G06V10/82 , G06N3/045 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。
-
Patent Agency Ranking
公开(公告)号：CN111199207B
公开(公告)日：2023-06-20
申请号：CN201911404612.6
申请日：2019-12-31
Applicant: 华南农业大学
IPC: G06V40/20 , G06V10/82 , G06V10/77 , G06N3/0464
Abstract: 本发明公开了一种基于深度残差神经网络的二维多人体姿态估计方法，包括步骤：1)获取基础人体姿态估计训练数据集2)将获取的图片送入预训练的深度残差神经网络，生成对应的特征向量；3)将特征向量通过两个方向的多次卷积操作生成两个分支的特征映射，生成关节点置信场和部位亲和场；4)计算真实图片的关节点置信场和部位亲和力场，组合成为真实图片的特征映射，将步骤3)中的特征映射与真实图片的特征映射之间均方误差，做网络的训练；重复步骤1)‑步骤3)，生成训练后图片的关节点置信场和部位亲和力场；5)使用步骤4)中生成的关节点置信场和部位亲和场进行关节点的计算和关节点连接。本发明可以很好地应付复杂的姿态变换并且推广到多人姿态估计。
-
公开(公告)号：CN116152220A
公开(公告)日：2023-05-23
申请号：CN202310219375.6
申请日：2023-03-09
Applicant: 华南农业大学
Abstract: 本发明的目的是提供一种基于机器视觉的种子计数和尺寸测量方法，该方法包括：获取多个种子图像；使用基于缺陷的粘连种子检测方法检测出粘连的种子的图像；使用基于缺陷计算和交点修正的粘连种子分割算法将粘连的种子图像分割为单个种子图像；根据单个种子图像计算种子个数和每个种子的尺寸信息。本发明能够批量、精确的检测种子数量和尺寸，解决种子测量难的问题。
-
公开(公告)号：CN113888252A
公开(公告)日：2022-01-04
申请号：CN202111003703.6
申请日：2021-08-30
Applicant: 华南农业大学
IPC: G06Q30/06
Abstract: 本发明公开了一种基于用户对食品安全等级评分值和食品相似度的推荐方法，包括步骤：1)获取用户对食品的评分数据；2)计算出每一条评分数据的评分权重。3)将评分数据和评分权重输入到机器学习模型中进行参数训练。4)参数训练完成后，得到一个食品相似度矩阵，最终通过用户的评分数据和食品相似度矩阵计算并生成用户的食品推荐列表，实现将食品推荐给用户。本发明在训练出一个机器学习模型的同时结合使用了基于邻域的协同过滤方法，从用户对食品的评分数据中学习出食品的相似度矩阵，考虑评分数据时间顺序的同时将稀疏性引入相似度矩阵，使其能够有效地生成推荐。
-
公开(公告)号：CN108062355B
公开(公告)日：2020-07-31
申请号：CN201711179719.6
申请日：2017-11-23
Applicant: 华南农业大学
IPC: G06F16/33 , G06F16/338
Abstract: 本发明公开了一种基于伪反馈与TF‑IDF的查询词扩展方法，该方法主要通过科学的查询约束词选取，通过本发明提出的两次筛选得到最终可用来做查询词扩展的词，然后通过本发明提出的打分公式为文档进行打分和排序操作。本发明的特色在于提出了一种新的查询约束词选取方式以及候选词的选取方式，并做了两次筛选操作去除无关词。还结合了传统的BM25打分公式，发明一个新的专为查询词扩展的新打分公式，能够更加科学的将查询词扩展后的结果文档进行打分，从而得出更科学的搜索排序结果。
-
公开(公告)号：CN111199207A
公开(公告)日：2020-05-26
申请号：CN201911404612.6
申请日：2019-12-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度残差神经网络的二维多人体姿态估计方法，包括步骤：1)获取基础人体姿态估计训练数据集2)将获取的图片送入预训练的深度残差神经网络，生成对应的特征向量；3)将特征向量通过两个方向的多次卷积操作生成两个分支的特征映射，生成关节点置信场和部位亲和场；4)计算真实图片的关节点置信场和部位亲和力场，组合成为真实图片的特征映射，将步骤3)中的特征映射与真实图片的特征映射之间均方误差，做网络的训练；重复步骤1)-步骤3)，生成训练后图片的关节点置信场和部位亲和力场；5)使用步骤4)中生成的关节点置信场和部位亲和场进行关节点的计算和关节点连接。本发明可以很好地应付复杂的姿态变换并且推广到多人姿态估计。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
