公开(公告)号：CN112308115B

公开(公告)日：2023-05-26

申请号：CN202011022191.3

申请日：2020-09-25

Applicant: 安徽工业大学

Inventor： 张辉宜 ,  张进 ,  黄俊 ,  屈喜文

IPC: G06V10/774 ,  G06V10/771 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及机器学习领域的多标签学习技术，涉及一种多标签图像深度学习分类方法及设备，包含以下步骤：获得标签关系图；根据标签关系图获得所有类别标签的映射和所有标签组的映射；构建深度卷积神经网络并进行图像通用特征提取；选取卷积神经网络不同层的特征图通过映射函数将其映射到标签和标签组映射的维度；对选取特征图中所有像素点计算标签和标签组在当前像素点位置的相合性评分与归一化评分；得到最终的标签相关语义特征与最终的标签组的相关语义特征；标签预测。本申请实现有效利用标签关系，学习更加丰富的图像通用特征和标签关系特征，更好的进行多标签分类任务。

公开(公告)号：CN119106714A

公开(公告)日：2024-12-10

申请号：CN202411215583.X

申请日：2024-09-02

Applicant: 安徽工业大学

Inventor： 屈喜文 ,  卢国梁 ,  陈峰 ,  张学锋

IPC: G06N3/0495 ,  G06N3/0464 ,  G06N3/082 ,  G06V30/22 ,  G06V10/82

Abstract: 本申请实施例提供一种用于联机手写字符识别模型的量化方法、装置及存储介质，该方法包括：向预先训练好的卷积神经网络模型中插入用于计算量化参数的量化器，对所述卷积神经网络模型中的每个卷积层和全连接层的权值及输入激活值进行量化处理，生成量化模型；采用逐层重建和/或逐块重建方法对所述量化模型进行重建，通过多次迭代计算损失，逐步优化所述量化模型，直至生成目标模型。本申请实施例能够在降低神经网络模型比特精度的同时保持高性能，并加速网络的推理过程，此外还能够降低位宽，为深度神经网络适应不同硬件条件提供有效途径。

公开(公告)号：CN116958999A

公开(公告)日：2023-10-27

申请号：CN202310897711.2

申请日：2023-07-21

Applicant: 安徽工业大学

Inventor： 屈喜文 ,  吴志鸿 ,  黄俊

IPC: G06V30/22 ,  G06V30/146 ,  G06V30/19 ,  G06V30/18 ,  G06V10/82 ,  G06V10/52 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及模式识别技术领域，具体涉及一种在线手写中文文本行识别方法、电子设备及存储介质，其中方法包括以下步骤：获取文本行初始二维轨迹坐标序列并对其进行数据预处理，生成目标文本行二维轨迹坐标序列，通过端到端注意力卷积循环网络模型从目标文本行二维轨迹坐标序列中获取包含不同感受域的多尺度局部上下文特征，基于双层双向长短期记忆网络并引入多头注意力机制，生成特征向量矩阵，基于归一化指数函数与焦点连接时序分类损失函数，对特征向量矩阵进行处理获取最大预测概率，基于最大预测概率，确定目标标签，从而识别出在线手写中文文本行。本发明提高了识别速度与精度、增强手写中文文本行识别的鲁棒性以及提高文本行各部分识别能力。

公开(公告)号：CN116311520A

公开(公告)日：2023-06-23

申请号：CN202310278218.2

申请日：2023-03-21

Applicant: 安徽工业大学

Inventor： 屈喜文 ,  韩瑶妹 ,  黄俊

IPC: G06V40/20 ,  G06V40/10 ,  G06T7/73 ,  G06V20/40 ,  G06V10/56 ,  G06V10/12 ,  G06T7/12 ,  G06F3/01

Abstract: 本发明涉及智能人机交互技术领域，具体涉及一种基于单目摄像头的空中手写人机交互技术，包括以下步骤：基于单目摄像头获取实时二维视频图像并取帧，检测并获取二维视频图像中手部运动区域完整二值化图像，基于手部运动区域完整二值化图像，获取手部轮廓进行手部分割，获取手掌轮廓，分割手掌轮廓获取指尖轮廓并根据指尖轮廓数量判定书写开始或结束，基于指尖轮廓特征完成指尖匹配获取指尖坐标，响应于指尖移动并基于坐标系虚拟滑动技术生成空中书写文本。本发明提高人机交互系统使用的舒适性、普适性，降低人机交互系统局限性，且通过坐标系虚拟滑动技术，避免用户空中书写长文本时出现文本叠加，字符扭曲的问题，从而增强人机交互系统的实用性。

公开(公告)号：CN113486945A

公开(公告)日：2021-10-08

申请号：CN202110748593.X

申请日：2021-07-02

Applicant: 安徽工业大学

Inventor： 黄俊 ,  许倩 ,  林耀进 ,  屈喜文

IPC: G06K9/62

Abstract: 本发明公开了一种基于图嵌入和特征降维的多标记学习方法，属于机器学习技术领域；本发明将特征空间降维及嵌入标记相关性实现的多标记分类融合在一框架中，利用映射矩阵，将多标记数据从原始特征空间投影到低维特征空间，同时嵌入标记相关性矩阵，使分解成模型系数矩阵。通过映射矩阵，降低计算的复杂度，提高分类的效率。基于标记相关性矩阵分解，使模型系数矩阵中任意两列保持相关性矩阵的相关结构。最终通过特征空间降维和标记相关性提高分类性能，更好的进行多标记学习任务。