-
公开(公告)号：CN111275521A
公开(公告)日：2020-06-12
申请号：CN202010046965.X
申请日：2020-01-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于用户评论与满意层面嵌入的商品推荐方法，包括步骤：1)收集用户历史的评论评分行为，组成训练集；2)在训练中，预处理训练集中的每条评论，计算其语义向量；3)在训练中，利用步骤2)中的语义向量通过层面嵌入计算评价向量s；通过知识图谱的建模方法生成推断的评价向量 结合s计算评价生成损失Lg；4)在训练中，利用回归模型以s为输入计算预测评分 结合真实评分ru,i计算评分预测损失Lr，计算回归模型复杂度损失Lθ，组合Lr、Lθ与步骤3)的Lg计算整体损失L，利用L对模型进行训练；5)在测试中，利用回归模型以 为输入计算预测评分根据 生成推荐结果。本发明解决传统方法训练效率低下，模型的透明性、可解释性和准确性不足的问题。
-
公开(公告)号：CN110543846A
公开(公告)日：2019-12-06
申请号：CN201910806159.5
申请日：2019-08-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于生成对抗网络的多姿态人脸正面化方法，在训练阶段，首先收集各种姿态的人脸图片作为数据集，然后输入多组同一人的正脸图像和非正脸图像，通过新设计的损失函数，交替训练生成网络和判别网络，直到损失函数的值稳定收敛。在训练完成后的测试阶段，对输入的各种姿态人脸图片，本发明都可以将它们矫正成正脸图像。矫正后的图像不仅清晰，并且保留了原人脸的身份特征，可以用于人脸识别工作。本发明将有效减缓姿态因素对人脸识别造成的负面影响，有利于非限制条件下人脸识别实际应用的发展。
-
公开(公告)号：CN108921604A
公开(公告)日：2018-11-30
申请号：CN201810647829.9
申请日：2018-06-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于代价敏感分类器集成的广告点击率预测方法，包括步骤：在特征提取上，采用人工定义的规则进行特征提取，对用户行为历史记录进行特征提取和采样；在广告点击率预测中采用改进B-SMOTE+方法进行数据过采样；经过数据预处理后的数据集在交由分类器学习时采用代价敏感算法，将误分“点击广告”这一错误加大惩罚力度；采用了遗传算法进行了优化调参；采用两层Stacking方式对进行集成。本发明解决了目前一些点击率预测算法由于特征维度较少、数据预处理不到位等问题导致的准确率较低等问题，采用该方法能够较好地提升广告点击率预测的准确率。
-
公开(公告)号：CN106126604A
公开(公告)日：2016-11-16
申请号：CN201610452790.6
申请日：2016-06-20
Applicant: 华南理工大学
CPC classification number: G06F16/2471 , G06F16/254 , G06Q50/26
Abstract: 本发明公开了一种基于分布式数据仓库的社保数据联机分析处理系统，包括与多维分析服务器进行交互的展示层；对MDX语句进行解析，并使用解析后的语句执行查询计算的维度层；对聚集结果的缓存进行管理的星状层；负责接收星状层发出的SQL语句，在数据仓库中执行，并将结果返回的存储层。本发明系统的数据仓库通过分布式文件系统实现，而分布式文件系统集群由云计算平台统一管理，实现资源的负载均衡。系统通过功能上的多层分发，实现了对存储海量数据的分布式数据仓库的统一查询接口，以类似JDBC的查询方式，完成对于数据立方体多个维度的操作。
-
公开(公告)号：CN105023241A
公开(公告)日：2015-11-04
申请号：CN201510460897.0
申请日：2015-07-29
Applicant: 华南理工大学
IPC: G06T3/40
CPC classification number: G06T3/4023 , G06T3/4053
Abstract: 本发明公开了一种移动终端快速图像插值方法，首先对低分辨率原始图像进行边缘检测，得到边缘信息，再根据低分辨率图像边缘信息以及人类视觉系统计算出边缘的强度，根据强度对边缘进行扩展，然后根据扩展后的边缘将图像分为边缘区域和非边缘区域，对边缘区域采用保真度较高的插值算法进行处理并保存边缘信息；对非边缘区域采用速度较快的双三次插值算法进行处理，然后根据已有边缘信息，对插值图像的边缘进行进一步锐化处理，降低边缘部分模糊程度，提示图像的视觉质量，最后将插值算法与NEON并行技术结合，得到并行优化处理的高分辨率图像。该技术应用在移动视频监控系统当中的结果表明它能够使手机多媒体应用可以流畅地插值出高分辨率图像进行播放。
-
Patent Agency Ranking
公开(公告)号：CN103079063B
公开(公告)日：2015-08-26
申请号：CN201210557415.X
申请日：2012-12-19
Applicant: 华南理工大学
IPC: H04N19/124 , H04N19/14 , H04N19/147
Abstract: 本发明为一种低码率下基于H.264的视觉关注区域的视频编码方法，包括步骤：判断当前编码帧类别，确定视觉关注区域、当前编码帧所有宏块的量化参数调整等级、当前编码帧所有宏块的视觉关注度权值；采用结构相似度SSIM作为失真准则进行宏块预测模式选择时RDO失真衡量标准；根据视觉关注度权值确定新的RDO代价计算公式；确定新的RDO代价计算公式中的经验值；根据新的RDO代价计算公式计算每种预测模式下的RDO代价；根据宏块等级重新分配每个宏块的编码量化参数；根据重新分配的量化参数编码当前编码帧的每个宏块；重复上述步骤直到编码结束。本发明可在码率非常有限的情况下优化码率分配，实现更符合人眼视觉特征的视频编码。
-
公开(公告)号：CN118247306A
公开(公告)日：2024-06-25
申请号：CN202410482831.0
申请日：2024-04-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动态阈值方程的车辆行驶状态判断方法，包括：从道路摄像头中获取高帧率视频并进行预处理得到车辆的运动轨迹；基于运动轨迹得到车辆每一帧到摄像头的距离以及车辆相邻两帧检测框的交并比，并通过曲线拟合方法生成最佳拟合曲线，对曲线进行平移和调整得到最终的动态阈值方程，根据不同的场景生成不同的动态阈值方程，确保对不同情况下的车辆状态具有准确判断能力；将动态阈值方程应用于从道路摄像头中获取的低帧率视频中，根据方程计算得出的阈值，即预测的交并比，对车辆的行驶状态进行判断是缓慢行驶车辆还是正常行驶车辆。本发明通过动态阈值方程的自适应调整和准确判断，能够实现对车辆行驶状态的精准监测。
-
公开(公告)号：CN116434155A
公开(公告)日：2023-07-14
申请号：CN202310282144.X
申请日：2023-03-22
Applicant: 华南理工大学
IPC: G06V20/54 , G06V10/764 , G06V10/82 , G06V10/30 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于目标检测和卷积神经网络的车标识别方法，该方法步骤如下：S1、构建车辆检测模型；S2、构建车标检测模型；S3、构建车标识别的卷积神经网络；S4、设计损失函数训练车辆检测模型、车标检测模型和车标识别卷积神经网络；S5、实时采集高速公路卡口图像，依次输入车辆检测模型、车标检测模型和车标识别卷积神经网络，最后得到车标类别预测结果。本发明有效解决了由车标小、车标种类繁多、摄像头分辨率低以及光照条件多变等导致车标识别准确率低的问题，在实际的高速公路场景中取得了优秀的车标识别效果。
-
公开(公告)号：CN114067270B
公开(公告)日：2022-09-09
申请号：CN202111372602.6
申请日：2021-11-18
Applicant: 华南理工大学
Abstract: 本发明实施例公开了一种车辆追踪方法、装置、计算机设备及存储介质，包括：获取多个监控设备发送的车辆行驶监控视频；采用预设的针对车辆的目标检测算法对所述车辆行驶监控视频中的车辆进行检测得到所述车辆的特征信息，其中，所述特征信息包括所述车辆的检测框(boundingbox)里的图像；从所述检测框图像中提取车辆特征(featuremaps)进行AMOC‑RNN时间序列特征融合得到每个所述监控设备采集到车辆特征集合；将安装于同一地理沿线上多个监控设备采集到的车辆特征集合中的车辆特征进行相似度对比；根据相似度比对结果识别所述多个监控设备中的同一车辆以对所述车辆进行追踪。针对道路中多个监控设备监控到的多个车辆的
-
公开(公告)号：CN114566052B
公开(公告)日：2022-08-12
申请号：CN202210450692.4
申请日：2022-04-27
Applicant: 华南理工大学 , 广州国交润万交通信息有限公司
IPC: G08G1/01 , G08G1/123 , G06T9/00 , G06V20/54 , G06V20/40 , G06V10/94 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/20 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于车流方向判别高速公路车流监控设备转动的方法，其特征在于：包括以下步骤：(S1)获取车流数据信息，记录视频的车辆轨迹，统计路面的车辆的轨迹；实现车流数据信息的采集；（S2）采用基于深度卷积神经网络的视频图像编码算法完成视频图像压缩处理，提高了深度卷积神经网络处理视频图像数据信息的识别能力；（S3）通过所构建的车流数据信息分析模型实现车流数据信息分析；（S4）构建分析优化模型。本发明通过对视频的车辆轨迹进行记录，通过统计路面的车辆的轨迹，然后比较一定时间内的整体车辆的轨迹偏差，判别监控设备是否移位,减少光照影响和车流对路面特征的影响,大大提高了高速公路车流监控能力。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.025 seconds)
