-
公开(公告)号：CN114358129A
公开(公告)日：2022-04-15
申请号：CN202111483182.9
申请日：2021-12-07
Applicant: 广东技术师范大学
IPC: G06K9/62 , G06N3/08 , G06V40/10 , 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：CN119887491A
公开(公告)日：2025-04-25
申请号：CN202411963969.9
申请日：2024-12-27
Applicant: 广东技术师范大学
IPC: G06T1/00 , G06N3/045 , G06N3/0464 , G06N3/0985 , H04N21/4408 , H04N21/2347 , H04N21/235
Abstract: 本发明涉及一种基于深度学习的VR虚拟场景信息隐藏方法，其特征在于首先获取VR设备提供的虚拟场景图片，然后将一段水印或一张图片作为机密信息输入以进行嵌入处理。该方法采用可逆神经网络作为基础网络，并在隐藏网络层中引入Eca注意力机制，实现图像的隐藏和机密信息的还原。在图像隐藏和还原过程中，共享网络参数，减少了参数数量，从而节约了模型训练的资源成本。在模型训练过程中，设置隐藏损失和还原损失分别占总损失的30％和70％，并以端到端方式进行网络训练。最终，通过对比总损失值来保存最优模型，构建出model.pt作为信息隐藏的预训练模型。本发明弥补了当前图像隐藏技术在隐蔽性、还原性和安全性方面的不足。
-
公开(公告)号：CN118553237B
公开(公告)日：2024-09-20
申请号：CN202411010339.X
申请日：2024-07-26
Applicant: 广东技术师范大学
IPC: G10L15/20 , G10L15/22 , G06F18/2411 , G06F18/213 , G06F18/2135
Abstract: 本发明公开了一种基于电磁波干扰抑制的智能家电语音识别方法及系统。首先，利用获取目标智能家电环境的电磁波数据，构建电磁环境图谱；接着，根据电磁环境图谱识别并提取影响语音识别的电磁干扰特征，得到电磁干扰数据；然后，分析不同电磁干扰类型对语音识别的影响，得到电磁干扰影响数据，构建电磁干扰处理模型，并确定干扰抑制参数；随后，获取并处理目标智能家电的实时语音信号数据，得到电磁干扰抑制语音信号数据；最后，基于电磁干扰抑制语音信号数据进行语音识别，并对目标智能家电进行控制。本发明提高了智能家电语音识别的准确性和稳定性。
-
公开(公告)号：CN118587669A
公开(公告)日：2024-09-03
申请号：CN202410715040.8
申请日：2024-06-04
Applicant: 广东技术师范大学
IPC: G06V20/56 , G06V10/762 , G06T7/30 , G06V10/26
Abstract: 本发明涉及一种基于ICP场景流的激光雷达点云数据增稠方法，主要包括以下步骤：对多帧点云数据进行坐标系对齐，然后使用PatchWork++算法进行动态物体和静态场景分割；接着对静态场景进行多帧重建，并利用HDBSCAN对动态目标进行聚类；而后通过ICP‑Flow方法估算场景流，将多帧动态目标叠加进行增稠；最后融合增稠后的动态目标和静态场景来生成稠密的3D占用标签，从而实现对激光雷达点云数据的增稠。本发明解决了现有技术中需要人工成本较高且处理过程冗余等问题，以为点云数据增稠提供了一个简单有效的可行方案。
-
公开(公告)号：CN118269091A
公开(公告)日：2024-07-02
申请号：CN202410420214.8
申请日：2024-04-09
Applicant: 广东技术师范大学
Abstract: 本发明涉及一种基于非侵入式脑机接口的服务机器人系统及其控制方法，所述系统包括用于采集用户头部信号的非侵入式脑机接口头环，分别通信连接头环和服务机器人的PC端。所述PC端接收到头环采集的用户头部信号数据后通过内设的数据处理模块进行数据处理转化成服务机器人的操作指令，而后服务机器人则按照PC端传来的操作指令信号完成执行。本发明克服了当前行动不便或重度残疾人士在使用传统交互方式时面临的局限性，具有控制灵敏度高、易操作和实用易普及等优点。
-
Patent Agency Ranking
公开(公告)号：CN117315439A
公开(公告)日：2023-12-29
申请号：CN202311251930.X
申请日：2023-09-26
Applicant: 广东技术师范大学
IPC: G06V10/82 , G06N3/0464 , G06V10/764 , G06V10/774 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，公开了一种工装检测方法、系统和存储介质。该方法包括：获取数据集；预处理所述数据集，获得训练集和验证集；对所述训练集进行数据增强处理，获得处理后的训练集；使用处理后的训练集训练初始工装检测网络模型，获得训练后的工装检测网络模型；使用改进 损失函数优化训练后的工装检测网络模型参数，获得优化后的工装检测模型；对所述验证集进行数据增强处理，获得处理后的验证集，使用处理后的验证集验证优化后的工装检测模型，获得检测结果。本发明可以提高工装检测的鲁棒性和准确率。
-
公开(公告)号：CN117113627A
公开(公告)日：2023-11-24
申请号：CN202310843683.6
申请日：2023-07-10
Applicant: 广东技术师范大学
Abstract: 本发明提供一种谐波减速器传动误差补偿控制方法、系统和存储介质，首先采集不同时刻谐波减速器的输入速度指令和输出位移；根据输入速度指令与输出位移之间的映射关系建立PI迟滞模型；根据采集到的不同时刻谐波减速器的输入速度指令和输出位移，对PI迟滞模型进行参数辨识，并根据参数辨识结果建立PI迟滞逆模型；最后将PI迟滞逆模型作为前馈控制器，将预设的PID控制器作为反馈控制器，利用前馈控制器和反馈控制器对谐波减速器进行联合控制，实现传动误差的补偿控制；本发明通过前馈和反馈的联合控制对谐波减速器进行迟滞补偿，能够有效减小谐波传动过程中的传动误差，提高机械臂的定位精度。
-
公开(公告)号：CN116994114A
公开(公告)日：2023-11-03
申请号：CN202310797562.2
申请日：2023-06-30
Applicant: 广东技术师范大学
IPC: G06V10/82 , G06V10/80 , G06V20/60 , G06V20/52 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8的轻量化家居小目标检测模型构建方法，方法包括以下步骤：S1，构建模型数据集；S2，初始化轻量主干网络；S3，将初始网络架构中的主干网络替换为轻量主干网络；S4，调整轻量主干网络的参数；S5，构建注意力模块，并将注意力模块连接到轻量主干网络的输出端；S6，将初始网络架构中的激活函数更改为GELU；S7，添加高分辨率预测头，最终得到改进后的模型；S8，训练改进后的模型；S9，加载并测试训练好的模型，保留性能最佳的模型作为最终模型。通过上述改进，使得模型在资源受限环境下具备更高的性能，并在小目标检测任务中具备更广泛的应用前景。
-
公开(公告)号：CN114401519B
公开(公告)日：2023-06-09
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。
-
公开(公告)号：CN115272039A
公开(公告)日：2022-11-01
申请号：CN202210663367.6
申请日：2022-06-13
Applicant: 广东技术师范大学
Abstract: 本发明涉及数字水印技术领域，提出一种基于GAN的水印攻击方法及系统，以及一种数字水印嵌入方法。其中：对水印图像进行加密后嵌入原始图像的特征点位置，得到带水印图像；将带水印图像输入包括第一生成器和第一判别器的第一GAN神经网络中；带水印图像输入第一生成器中遭受水印攻击，生成与原始图像相同尺寸的去水印图像；将去水印图像输入第一判别器中，第一判别器输出图像是否经过水印攻击的判别标签；根据带水印图像及去水印图像相应的特征图，采用损失函数对第一GAN神经网络进行优化，直至达到预设的截止条件，或直至第一生成器和第一判别器的参数收敛，得到完成训练的第一生成器和第一判别器；第一生成器用于执行水印攻击。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.033 seconds)
