-
公开(公告)号：CN119882400A
公开(公告)日：2025-04-25
申请号：CN202411964147.2
申请日：2024-12-27
Applicant: 广东技术师范大学
IPC: G05B11/42 , G06N3/096 , G06N3/045 , G06N3/0495
Abstract: 本发明提供了一种基于PID控制器的知识蒸馏温度参数动态调整方法，应用于深度学习领域。针对现有知识蒸馏技术中温度参数固定、难以适应模型性能变化的问题，本发明采用PID控制器实时调整温度参数，动态平衡学生和教师模型间的KL散度和交叉熵损失。通过比例‑积分‑微分控制策略，自动调节蒸馏过程中的温度参数增强模型适应性，提升蒸馏效率及学生模型泛化能力。主要步骤包括：实时监控损失差异、利用PID控制器计算温度调整量、动态更新温度参数以平衡蒸馏损失，以及自动化调整减少人工调参，提高模型性能。本方法主要用于自动化调整知识蒸馏的温度参数，减少手动调参，提高模型性能，适用于多种深度学习模型和数据集，具有广泛的应用价值。
-
公开(公告)号：CN119206851A
公开(公告)日：2024-12-27
申请号：CN202410771890.X
申请日：2024-06-15
Applicant: 广东技术师范大学
Abstract: 本发明涉及一种基于双通道注意力的轻量化打电话检测方法，其首先将打电话检测原模型的Yolov5初始网络架构的C3层替换为轻量化可分离幽灵卷积模块，其次将双通道注意力特征融合模块添加于轻量化可分离幽灵卷积模块上，之后将原模型激活函数改进为H‑Swish激活函数，而后将原模型初始CIOU损失函数更改为EIOU损失函数。最后将改进模型进行数据训练，得到基于双通道注意力的轻量化打电话检测的成型模型；将检测数据输入到成型模型中，从而输出检测结果。本方法不但大大的改善了目标检测任务的性能，并且依据本发明轻量且精度较高的特点，可以有效应用到实际场景中，有着较好的实用性。
-
公开(公告)号：CN119168941A
公开(公告)日：2024-12-20
申请号：CN202411061001.7
申请日：2024-08-05
Applicant: 广东技术师范大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于增量学习CNN树形模型的基板缺陷检测方法，该方法包括下述步骤：构建源结点网络，将多层结点通过并行级联的方式构成初始结点网络，每个结点设有基板缺陷分类CNN网络；计算输入基板图像的三维似然矩阵，将三维似然矩阵的值元素进行降序排序，并为每个子结点建立相应Softmax似然值表；利用半监督的生长规则将待检测的缺陷类添加到初始结点网络的子结点，以树形的增长方式适应新的或新旧组合的基板缺陷样本类；基于反向传播策略重新训练或微调基板缺陷分类CNN网络隐含层；基于训练后的树形网络每个结点的基板缺陷分类CNN网络，输出基板缺陷类型结果。本发明能实现准确快速的基板缺陷检测，具有更优的鲁棒性。
-
公开(公告)号：CN114358129B
公开(公告)日：2024-08-20
申请号：CN202111483182.9
申请日：2021-12-07
Applicant: 广东技术师范大学
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/62
Abstract: 本发明公开了一种行人重识别模型的训练方法、识别方法、装置及设备，本发明通过获取训练数据集，将训练数据集输入增强视觉感知学习网络模型，得到第一识别结果；特征提取模块对训练数据集进行特征提取生成第一特征图；注意力模块对第一特征图进行融合处理得到第二特征图，利用空间注意信息以及通道注意信息；批量注意模块对第二特征图进行融合增强处理得到第三特征图；增强视觉感知模块将第二特征图以及第三特征图进行特征融合处理，通过跨特征连接增强融合功能；识别模块对第四特征图进行识别得到第一识别结果,根据第一识别结果以及损失函数，修正增强视觉感知学习网络模型得到行人重识别模型,本发明可广泛应用于图像处理领域。
-
公开(公告)号：CN118279647A
公开(公告)日：2024-07-02
申请号：CN202410343970.5
申请日：2024-03-25
Applicant: 广东技术师范大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明涉及一种基于改进型yolov5的电弧焊焊缝检测方法，其特征在于先将电弧焊焊缝缺陷进行缺陷分类，收集标注缺陷图像，并进行离线数据增强后调整为相同的尺寸；之后用yolov5‑6.1网络作为基准网络，在backbone网络层引入自改进SK_Attention注意力机制并融入C3模块，将其加入最后一层网络当中，以自适应地调整特征的权重，由此构建yolov5s.pt作为电弧焊焊缝检测的预训练模型；把收集预处理的数据集输入到预训练模型中进得到推理模型；最后将实际焊接成品图片数据输入到推理模型中，从而输出结果。本发明弥补了当前电弧焊焊缝质量检测在准确性、可靠性、便捷性和经济实用性方面的不足。
-
Patent Agency Ranking
公开(公告)号：CN118034080A
公开(公告)日：2024-05-14
申请号：CN202410290684.7
申请日：2024-03-14
Applicant: 广东技术师范大学
IPC: G05B15/02 , G05B19/418
Abstract: 本发明涉及一种基于非侵入式脑机接口的智能家居系统及其控制方法，所述系统包括用于采集用户的脑电信号的非侵入式脑机接口头环，该头环通信连接于含有状态机的PC端；所述PC端上的状态机通过物联网协议来控制智能家居设备，当PC端在开机时，该状态机的设置状态包含有待机状态、功能选择状态和执行控制状态。所述头环通过采集用户的信号数据传输到PC端，PC端对信号数据进行处理并转化为控制智能家居设备的指令，最后通过状态机和物联网协议对智能家居设备进行指令执行。本发明通过状态机编程思想来弥补当前非侵入式脑机接口在精度上的不足，从而提高了用户的体验感；实现了对智能家居系统的直观、便捷和高效控制。
-
公开(公告)号：CN117636121A
公开(公告)日：2024-03-01
申请号：CN202311461637.6
申请日：2023-11-03
Applicant: 广东技术师范大学
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082 , G06V10/25
Abstract: 本发明公开了一种安全护具识别模型的构建方法，包括以下步骤：S1：构建初始数据集；S2：对所述数据集进行增强处理，得到增强数据集；其中，所述增强处理包括高斯噪声处理、图像明暗度处理、图像旋转处理、图像裁剪处理、图像平移处理、Mosaic增强处理以及生成对抗网络的图像数据增强处理；S3：对YOLOv5进行优化处理，得到初始模型；S4：利用所述增强数据集对所述初始模型进行训练，得到最终模型。本发明所提供的一种安全护具识别模型实现了对目标的高精度实时识别。
-
公开(公告)号：CN117036730A
公开(公告)日：2023-11-10
申请号：CN202310830575.5
申请日：2023-07-07
Applicant: 广东技术师范大学
IPC: G06V10/44 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明计算机视觉技术领域，提出一种面向边端设备的轻量化目标检测方法及系统，其中包括以下步骤：构建基于yolov5网络的轻量化目标检测模型；所述轻量化目标检测模型包括PP‑LCNet主干网络、ECA注意力机制层和激活函数层；获取训练数据集并输入所述轻量化目标检测模型中进行训练；构建损失函数，通过最小化损失函数更新所述轻量化目标检测模型的参数，完成对所述轻量化目标检测模型的训练；将完成训练的所述轻量化目标检测模型移植于边端设备，将待检测图像输入完成训练的所述轻量化目标检测模型中得到目标检测结果。本发明具有轻量且精度较高的特点，可以有效应用到边端设备中，扩大边端设备的应用场景以及实用性。
-
公开(公告)号：CN115311818A
公开(公告)日：2022-11-08
申请号：CN202210721874.0
申请日：2022-06-24
Applicant: 广东技术师范大学
Abstract: 本申请属于护理监测技术领域，公开了一种老年痴呆症异常情况监测方法，该方法包括：通过多个监测模块获取用户的多种原始监测数据；将多种原始监测数据分为第一监测数据和第二监测数据；将第一监测数据发送给云数据分析平台，并在任一种第二监测数据符合该种第二监测数据对应的数据发送条件时，将该种第二监测数据发送给云数据分析平台；云数据分析平台用于对接收到的第一监测数据和第二监测数据进行处理分析，得到用户监测结果，并在用户监测结果指示存在异常情况时，向监护人移动终端发送报警信息。本申请可以达到及时发现老年痴呆症患者异常情况的效果。
-
公开(公告)号：CN114401519A
公开(公告)日：2022-04-26
申请号：CN202210149446.5
申请日：2022-02-18
Applicant: 广东技术师范大学
Abstract: 本发明公开了一种水下三维无线传感器网络自动构建方法。本发明的一种水下三维无线传感器网络自动构建方法，包括步骤依次为目标三维水域建模确定最佳部署位置、可移动无线传感器播撒到水面、可移动无线传感器自主驱动到最佳部署位置、可移动无线传感器之间建立通信物理链路构成水下三维无线传感器网络。本发明的有益效果在于，使用可移动无线传感器可以自行运动到最佳部署位置，相比现有技术不需要人工将无线传感器放置到设定的节点位置，网络构建操作过程实现自动化，无需额外借助锚定或浮标的方法。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.04 seconds)
