-
公开(公告)号:CN108681707A
公开(公告)日:2018-10-19
申请号:CN201810463134.5
申请日:2018-05-15
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00825 , G06K9/00744 , G06K9/6292 , G06K2209/23 , G06N3/0454 , G06N3/084
Abstract: 本发明公开一种基于全局和局部特征融合的大角度车型识别方法和系统,当车辆经过车型识别采集区时截取出包含车辆的图像,首先对截取的包含车辆的图像进行裁剪,得到去除复杂背景的车辆图片,将车辆图片分割为车脸图像分块、车尾图像分块和车轮图像分块。再将车辆图片、车脸图像分块、车尾图像分块和车轮图像分块导入到深层多分支卷积神经网络中对车辆的全局和局部特征进行特征训练,并将车辆图片特征和各个分块特征进行特征融合。后通过分类器对融合后的特征进行分类识别。本发明将大角度车辆的全局和局部特征进行融合,能够明显的提高大角度车型识别的准确率。
-
公开(公告)号:CN106611156A
公开(公告)日:2017-05-03
申请号:CN201610953664.9
申请日:2016-11-03
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种自适应深度空间特征的行人识别方法和系统;其方法包括步骤:根据预设的分割数目n将行人图像进行分割;建立与行人图像分块数目相同的n组特征提取模型,并对应的从n块行人图像分块中提取特征信息;建立与特征信息组别数目相同的n组特征分类器,并对应的将n组特征信息进行特征分类;根据反向传播算法分别计算每组特征分类过程中所产生的损失值;将n组损失值分别返回对应的特征提取模型和特征分类器中来优化的特征提取模型和特征分类器。本发明能够有效提取到行人更多的信息,尤其是局部信息,而采用损失值反馈的形式自适应的行人特征分类,最终趋于最优解,能够指引行人特征提取模型提取到更多深度空间的行人特征信息。
-
公开(公告)号:CN106557743A
公开(公告)日:2017-04-05
申请号:CN201610950454.4
申请日:2016-10-26
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于FECNN的人脸特征提取系统及方法,其系统包括人脸预处理模块对人脸图片进行人脸检测,并对检测到的人脸图像进行裁剪、定位和对齐;FECNN模块搭建进行特征提取的FECNN框架,并进行训练直至FECNN框架收敛,得到FECNN参数模型;特征提取模块将人脸关键点与人脸图像送入FECNN参数模型中提取人脸特征;特征比对模块使用余弦距离对人脸特征进行计算,当距离大于设定阈值t时,判断为同一个人,当距离小于设定阈值t时,判断为不同的人。相对现有技术,本发明使用较少的参数,使网络模型快速收敛,并提取出鲁棒的人脸特征。
-
公开(公告)号:CN105187785A
公开(公告)日:2015-12-23
申请号:CN201510548173.1
申请日:2015-08-31
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于动态选取显著特征的跨卡口行人识别系统,包括城市卡口视频采集模块、行人检测与跟踪模块、多特征提取模块、特征挖掘模块、显著特征选取模块和行人识别模块;本发明还涉及一种基于动态选取显著特征的跨卡口行人识别方法;本发明的有益效果是:能够动态选取特征信息,不是采用将多种特征直接融合的方式,而是通过对各特征信息进行特征独特程度分析和处理,寻找行人识别分辨力最强的多种特征相融合的方式;解决了单一特征对行人识别不可靠的问题,通过该系统去除行人识别的冗余特征信息,寻找到最大区分行人识别的特征,提高了行人识别的鲁棒性。
-
公开(公告)号:CN118484604A
公开(公告)日:2024-08-13
申请号:CN202410477443.3
申请日:2024-04-19
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/22
Abstract: 本发明提供一种协同过滤推荐方法、装置、系统以及存储介质,属于物品推荐技术领域,方法包括:导入用户信息以及项目信息,并对用户信息以及项目信息进行向量化,得到原始用户向量以及原始项目向量;将原始用户向量以及原始项目向量拼接为原始交互矩阵;构建训练模型,通过原始交互矩阵对训练模型进行训练得到目标交互矩阵;对目标交互矩阵进行相似度分析,并将分析结果作为协同过滤推荐结果。本发明能够让模型在信息传递和聚合阶段学习到用户的潜在偏好,充分发挥了隐藏层的作用,提高了对用户和物品之间关系的理解和表达,更好地匹配了用户与物品之间的关系,实现了更精确的个性化推荐。
-
公开(公告)号:CN117828177A
公开(公告)日:2024-04-05
申请号:CN202311671006.7
申请日:2023-12-06
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F17/16 , G06N7/02 , G06N3/042 , G06N3/0455 , G06N3/048 , G06N3/0895
Abstract: 本发明提供一种推荐方法、装置以及存储介质,属于数据推荐技术领域,方法包括:导入原始交互矩阵,对原始交互矩阵进行预处理,并将预处理后的结果作为训练集;构建训练模型,通过训练集对训练模型进行训练,得到推荐模型;通过推荐模型对原始交互矩阵进行推荐,得到推荐结果。本发明捕获了有用新信息,并与自适应视图结合,能够有效地增强推荐模型的鲁棒性和泛化性能。
-
公开(公告)号:CN117689440A
公开(公告)日:2024-03-12
申请号:CN202311596301.0
申请日:2023-11-27
Applicant: 桂林电子科技大学
IPC: G06Q30/0601 , G06N3/048 , G06N3/0464 , G06F18/22 , G06Q30/0201
Abstract: 本发明提供一种物品推荐方法、装置、系统及存储介质,属于物品推荐技术领域,方法包括:对物品交互信息的向量分析得到目标物品交互向量;将目标物品交互向量划分为原始长期兴趣矩阵和原始短期兴趣矩阵;对原始长期兴趣矩阵的特征提取得到目标长期兴趣矩阵;对原始短期兴趣矩阵的注意力分析得到目标短期兴趣矩阵;对目标长期兴趣矩阵和目标短期兴趣矩阵的推荐分析得到物品推荐结果。本发明能够挖掘序列中的局部和全局用户行为关系,提高了推荐精度,能够综合考虑用户的长期和短期兴趣,提高了物品推荐的性能和准确性。
-
公开(公告)号:CN116910380A
公开(公告)日:2023-10-20
申请号:CN202310677940.3
申请日:2023-06-08
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06Q50/00 , G06F16/951 , G06F16/901
Abstract: 本发明提供社交网络影响力最大化方法、装置、系统以及存储介质,属于用户推荐领域,方法包括:利用网络爬虫方法获取用户数据,并根据用户数据构建得到用户关系图;对用户关系图进行采样得到初始用户向量;导入初始模型参数集合,分析初始模型参数集合、用户关系图以及与初始用户向量的参数函数得到目标参数函数;对目标参数函数进行筛选,并根据筛选结果得到社交网络影响力最大化的结果。本发明与现有方法相比,具有更大影响力的节点,使想要传播的信息能够进行最大范围的传播,一定程度上的解决了理论保证、时间效率、泛化等方面面临的困难。
-
公开(公告)号:CN116862608A
公开(公告)日:2023-10-10
申请号:CN202310627246.0
申请日:2023-05-30
Applicant: 桂林电子科技大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/9537 , G06N3/045 , G06F18/25
Abstract: 本发明提供一种商品推荐方法、装置、系统以及存储介质,属于商品推荐领域,方法包括:导入原始交互序列,对原始交互序列进行数据增强得到增强后交互序列;通过对增强后交互序列的时序信息进行分析,得到目标交互序列;导入兴趣集合,通过兴趣集合对增强后交互序列进行聚类得到分布函数集合;通过兴趣集合对目标交互序列进行概率计算得到交互概率集合;计算分布函数集合与交互概率集合的评分,并根据计算结果得到商品推荐结果。本发明能够捕获用户兴趣特征以及融合时间特征,可以大大提高了对用户获取下一目标物品的预测,从而使得推荐的准确率有了显著的提高。
-
公开(公告)号:CN116776853A
公开(公告)日:2023-09-19
申请号:CN202310651600.3
申请日:2023-06-02
Applicant: 桂林电子科技大学
IPC: G06F40/194 , G06F40/30 , G06F40/126
Abstract: 本发明提供一种文本匹配方法、装置、系统以及存储介质,属于语言处理领域,方法包括:导入待匹配句子对,对待匹配句子对的预处理得到目标主题向量组以及上下文词向量组;通过编码器对目标主题向量组以及上下文词向量组的编码得到编码后句子向量组;通过解码器对编码后句子向量组进行重构得到重构句子向量组;计算重构句子向量组的相似度,并根据计算结果得到文本匹配结果。本发明优化了繁琐的处理过程,达到了结合主题的目的,提高了文本匹配的精确率。
-
-
-
-
-
-
-
-
-