-
公开(公告)号：CN115099886A
公开(公告)日：2022-09-23
申请号：CN202210575237.7
申请日：2022-05-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种长短兴趣序列推荐方法、装置及存储介质，其中方法包括：根据用户与商品交互数据构建图；采用图卷积提取商品与用户多阶信息，获得商品与用户初始嵌入向量后，构造用户与商品交互序列，将该序列输入transformer模块中，学习用户长时兴趣嵌入向量；获取短时用户行为嵌入向量，将其输入胶囊网络中，获取用户k个短时兴趣嵌入向量；将k个短时兴趣嵌入向量、长时兴趣嵌入向量与商品嵌入向量通过注意力机制模块，获取单个商品嵌入向量与每个用户兴趣嵌入向量的权重，接着通过加权求的用户最终嵌入向量；计算用户嵌入向量和商品嵌入向量交互的点击可能，实现商品推荐。本发明有效提高推荐效果，可广泛应用于序列推荐领域。
-
公开(公告)号：CN112102182B
公开(公告)日：2022-09-20
申请号：CN202010893079.0
申请日：2020-08-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的单图像去反射方法。本发明利用重影线索，利用双重反射合成建模，首先根据传统方法或者深度学习的方法进行重影卷积核参数估计，利用深度网络估计背景层图像和反射层图像提出自监督，从而达到更好的去反射的目的。本发明使用传统方法或者深度学习的方法对于重影卷积核k估计，更好的利用反射图像中重影线索，从而分离重影反射图像的背景层图像和反射层图像。本发明对于估计重影卷积核k和估计背景层图像T、反射层图像R的模型进行预训练，从而加快模型收敛速度，提高模型表现。本发明能够对大部分的自然场景重影反射图像产生较好的复原效果。
-
公开(公告)号：CN109918542B
公开(公告)日：2021-12-17
申请号：CN201910080643.4
申请日：2019-01-28
Applicant: 华南理工大学
IPC: G06F16/901 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种用于关系图数据的卷积分类方法，包括：(1)导入原始数据样本，对数据样本进行采样、清洗及预处理；(2)选定关系属性和标签属性，对其余属性进行编码操作；(3)根据选定的关系属性，构建关系图数据并计算关系图的拉普拉斯矩阵和切比雪夫多项式的系数；(4)对关系图数据进行分类训练和交叉检验；(5)根据训练和检验结果对关系图卷积模型的参数进行调节，得到最优分类器。在本发明中，能够提取数据在关系图中的结构信息，结合数据自身特征，可以通过少量的训练数据得到较好的分类结果。
-
公开(公告)号：CN109886927B
公开(公告)日：2021-09-21
申请号：CN201910063916.4
申请日：2019-01-23
Applicant: 华南理工大学
Abstract: 本发明公开了基于核稀疏编码的图像质量评估方法，包括：S1、收集高清晰度自然场景图像并采样得到图像块训练集，再用Kernel‑KSVD方法训练得到核字典；S2、基于所述核字典用Kernel‑OMP方法对清晰图像的不重叠图像块做稀疏编码得到编码系数、重构残差和自适应选中的字典原子，然后用所述字典原子对对应的退化图像块进行稀疏编码得到编码系数和重构残差；S3、分别量化清晰图像和退化图像的系数和残差的差别，得到基于核稀疏编码的图像结构质量分数；S4、提取图像的亮度信息和色彩信息作为图像的辅助特征并量化差异得到辅助质量感知分数；S5、设定超参对上述分数进行加权求和得到最终的图像质量分数。本发明方法能够很好地与人类主观感知的图像质量相兼容，性能优越。
-
公开(公告)号：CN110232394B
公开(公告)日：2021-08-10
申请号：CN201810181370.8
申请日：2018-03-06
Applicant: 华南理工大学
Abstract: 本发明公开了一种多尺度图像语义分割方法，包括下述步骤：获取待分割图像和对应的标签；构建全卷积深度神经网络，所述全卷积深度神经网络包括卷积模块、空洞卷积模块、金字塔池化模块、1×1×depth卷积层、以及反卷积结构，将带洞卷积设置为逐通道的操作，有针对性地利用低、中、高尺度特征；训练全卷积深度神经网络，建立损失函数，通过训练样本图像确定全卷积深度神经网络的参数；将待分割图像输入到训练完成的全卷积深度神经网络，得到语义分割结果。本发明的方法能够在减小计算量和参数数量的同时较好地处理存在复杂细节、空洞和较大目标的图像语义分割问题，能够很好地分割目标边缘的同时，保留类别标签的一致性。
-
Patent Agency Ranking
公开(公告)号：CN109871461B
公开(公告)日：2020-12-22
申请号：CN201910112021.5
申请日：2019-02-13
Applicant: 华南理工大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于深度哈希网络和子块重排序的大规模图像子块检索方法，包括以下步骤：准备已通过大规模图像数据库预训练的深度网络权重和待训练的纹理图片库；在纹理图片库中抽取图片对，当两张图片相同标签，则定为正样本，不同标签的两张图片作为负样本；将图片对输入两个相同的共享权值网络中进行两两训练，并通过设定损失函数使得网络输出结果二值化；将网络作为哈希码提取器，从而快速获得相似图片；将相似图片进行子块重排序后，对原图中的子块进行快速映射，从而获得大量相似子块。该方法极大节省计算量，实现大规模图像子块的快速检索，可应用于图像增强的各类方法中。
-
公开(公告)号：CN111898685A
公开(公告)日：2020-11-06
申请号：CN202010769229.7
申请日：2020-08-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于长尾分布数据集的目标检测方法，涉及目标检测技术领域，包括以下步骤：预先将图片占比小于千分之一类别定义为小样本类别，其中包括小样本类别产生的神经网络损失进行加权，实现小样本类别产生的神经网络损失要大于大样本类别产生的神经网络损失；标定平衡不同类别在神经网络中损失权重，确定小样本类别对于目标检测网络的影响系数。本发明在目标检测神经网络训练中对小样本类别进行神经网络损失加权的算法，在一定程度上缓解了样本数目过少的类别对目标检测网络的影响过小的问题，平衡了在不同样本比例类别之间的差异，提高了小样本类别被目标检测网络感知的能力。
-
公开(公告)号：CN108549953B
公开(公告)日：2020-07-28
申请号：CN201810220090.3
申请日：2018-03-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种单侧开门城市轨道交通停站时间规划的方法，方法包括：S1：获取城市轨道交通物理网络信息和运营网络信息；S2：基于获取的信息，预测各季度各时段各站各车厢的上下车人数；S3：根据各时段上下车人数，规划不同季节，不同时段各站的所需停站时间；S4：判断步骤S3规划的停站时间方案是否可行；若是，则执行S6；若否，则执行S5；S5：调整停站时间规划；S6：生成完整城市轨道交通停站时间规划表。本发明综合考虑了季节、时段、上下车客流量、发车间隔、行车安全等因素，能够做到尽量多输送乘客，同时又能减少不必要的停站时间浪费，对于单侧开门的城市轨道交通系统具有普适性。
-
公开(公告)号：CN109993748A
公开(公告)日：2019-07-09
申请号：CN201910254112.2
申请日：2019-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于点云处理网络的三维网格物体分割方法，包括以下步骤：准备三维网格数据集以及预训练好的点云处理网络PointNet；计算三维网格数据中三角面片的中心点坐标，作为三维网格数据对应的点云数据；在点云中随机选择N个点，输入到预训练的PointNet中得到分割结果；利用KNN算法，赋予点云中未被选择的点概率分布，得到全部被分割好的点云数据；将点云分割结果映射回到三维网格数据，并用条件随机场对结果进行修正，最终得到三维网格的分割结果。本发明基于深度学习，能够对完整的数据进行分析，从数据中提取全局特征，实现数据驱动的分割，而非传统的基于人工设计的三维特征提取算子。
-
公开(公告)号：CN108549953A
公开(公告)日：2018-09-18
申请号：CN201810220090.3
申请日：2018-03-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种单侧开门城市轨道交通停站时间规划的方法，方法包括：S1：获取城市轨道交通物理网络信息和运营网络信息；S2：基于获取的信息，预测各季度各时段各站各车厢的上下车人数；S3：根据各时段上下车人数，规划不同季节，不同时段各站的所需停站时间；S4：判断步骤S3规划的停站时间方案是否可行；若是，则执行S6；若否，则执行S5；S5：调整停站时间规划；S6：生成完整城市轨道交通停站时间规划表。本发明综合考虑了季节、时段、上下车客流量、发车间隔、行车安全等因素，能够做到尽量多输送乘客，同时又能减少不必要的停站时间浪费，对于单侧开门的城市轨道交通系统具有普适性。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.031 seconds)
