公开(公告)号：CN109344874A

公开(公告)日：2019-02-15

申请号：CN201811012952.X

申请日：2018-08-31

Applicant: 华侨大学

Inventor： 杜吉祥 ,  柳昊良 ,  张洪博 ,  雷庆 ,  杨秀红

IPC: G06K9/62 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明公开了一种基于深度学习的染色体自动分析方法及系统，可以采用多层次处理，分层处理染色体的独立形态和重叠形态，并对染色体位置坐标、分类标签、分类置信度进行聚类分析输出核型图。通过上述方式，能够采用基于深度学习的染色体分割方法，不依赖特定染色体形态模式，具有较高的泛化能力，能够采用基于深度学习的染色体分类方法，兼顾染色体全局形态和带纹特征，提高分类准确率，能够采用多尺度处理，对待检测图像利用更加充分，有效提高在染色体重叠，粘连情况下的分割效果。

公开(公告)号：CN119312070B

公开(公告)日：2025-03-25

申请号：CN202411855277.2

申请日：2024-12-17

Applicant: 华侨大学

Inventor： 刘景华 ,  黄姝琦 ,  张洪博 ,  缑锦

IPC: G06F18/2113 ,  G06N5/01 ,  G06V10/771 ,  G06F18/214 ,  G06F18/243

Abstract: 本发明提供一种偏多标签特征选择方法、装置、设备和介质，涉及数据预处理技术领域。方法包含S1、获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建标签的分布区域。S2、根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签。S3、根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签。S4、根据虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征。

公开(公告)号：CN119625436A

公开(公告)日：2025-03-14

申请号：CN202510147874.8

申请日：2025-02-11

Applicant: 华侨大学 ,  厦门狄耐克智能科技股份有限公司

Inventor： 杜吉祥 ,  官文娟 ,  缪国栋 ,  彭俊仁 ,  张洪博 ,  翟传敏

IPC: G06V10/764 ,  G06N3/045 ,  G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82

Abstract: 本发明提供了一种可解释性细粒度图像识别方法、装置、设备及介质，涉及细粒度图像识别技术领域，本方法采用双分支结构框架，结合特征融合和原型学习进行细粒度图像分类。其中，特征提取层通过自注意力机制捕获图像中的复杂模式和长距离依赖，同时引入特征选择融合模块，有效选择原型学习的信息标记，确保学习到的原型更注重前景。原型学习层设计了双分支结构，分别处理和学习图像的全局原型和局部原型，提高网络的准确率，并从全局的角度解释模型分类结果。全连接层实现最终的分类决策，通过加权和得到最终分类概率。旨在解决现有深度学习模型在细粒度图像分类问题上的黑盒特性，提高模型在高风险领域的应用可信度。

公开(公告)号：CN114970447B

公开(公告)日：2024-07-23

申请号：CN202210579032.6

申请日：2022-05-26

Applicant: 华侨大学

Inventor： 张洪博 ,  叶熙领 ,  雷庆 ,  杜吉祥

IPC: G06F40/109 ,  G06F40/151

Abstract: 本发明实施例提供一种汉字字体转换方法、装置、设备和存储介质，涉及文字字体转换技术领域。其中，这种汉字字体转换方法包含步骤S1至步骤S3。S1、获取第一文字的第一字体图像和/或第二文字的第二字体图像。S2、获取基于对抗网络的字体转换模型。其中，对抗网络包含部首约束解码网络。S3、将第一文字的第一字体图像输入字体转换模型获取第一文字的第二字体图像，和/或将第二文字的第二字体图像输入字体转换模型获取第二文字的第一字体图像。本发明的汉字字体转换方法能够有效的避免字体转换过程中的笔画缺失、笔画中断、多笔画和笔画不完整等错误，并且接合了部首约束能够取得更好的字体转换效果。

公开(公告)号：CN117992765A

公开(公告)日：2024-05-07

申请号：CN202410397200.9

申请日：2024-04-03

Applicant: 华侨大学

Inventor： 刘景华 ,  魏威 ,  林耀进 ,  张洪博

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/24 ,  G06F18/23

Abstract: 本发明提供了基于动态新兴标记的偏标签学习方法、装置、设备及介质，涉及数据处理领域，该方法中首先通过基于概率估计的候选标签置信度和基于特征诱导的候选标签置信度更新两阶段交替过程，利用训练实例的近邻信息来迭代构建标签置信度矩阵，进而完成偏标记消歧；然后通过迭代过程产生的类属特征构建分类模型，集成多个类属特征空间对待测样本进行分类，检测待测样本是否具有新兴标记；最后构建模型更新策略使得模型可以适应新兴标记数据。本发明将集成思想与邻域知识应用于基于动态新兴标记的偏标签学习算法，为动态新兴标记的偏标记环境提供了一个高性能的分类算法。

公开(公告)号：CN116662587B

公开(公告)日：2023-10-03

申请号：CN202310942873.3

申请日：2023-07-31

Applicant: 华侨大学

Inventor： 张洪博 ,  林王凯 ,  雷庆

IPC: G06F16/53 ,  G06F16/55 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于查询生成器的人物交互检测方法、装置及设备，方法包括以下步骤：读取待检测的目标图像；利用特征提取器对所述目标图像进行特征提取获得图像特征；随机初始化一组人‑物对的先验边界框，将所述图像特征与所述先验边界框共同输入查询生成器，并基于所述查询生成器生成每层实例检测器和交互分类器所需的两组查询向量以及查询向量的位置信息；经由不同的解码器将输入的图像特征、查询向量和位置信息解码为特征向量组；根据所述特征向量组得到人物交互的预测结果。本发明将查询向量视为候选的人物交互检测结果，通过初始化人‑物对的先验边界框，来从中生成所需的查询向量，能够更精准且高效地进行人物交互行为识别。

公开(公告)号：CN113609948B

公开(公告)日：2023-09-05

申请号：CN202110861491.9

申请日：2021-07-29

Applicant: 华侨大学

Inventor： 杜吉祥 ,  彭肖肖 ,  张洪博 ,  翟传敏 ,  雷庆

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/62 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明提供了一种视频时序动作的检测方法、装置及设备,方法包括:获取视频数据,并提取所述视频数据的视频特征；将所述视频特征输入至锚分支网络以及无锚分支网络，以获取所述锚分支网络输出的第一输出结果，及所述无锚分支网络输出的第二输出结果，其中，所述锚分支网络以及所述无锚分支网络并行处理所述视频特征；调用对齐损失函数对所述第一输出结果及所述第二输出结果进行融合处理，生成时序动作定位结果集。解决了现有技术中对数据集的动作标注往往很模糊的问题。

公开(公告)号：CN116412832A

公开(公告)日：2023-07-11

申请号：CN202310135704.9

申请日：2023-02-20

Applicant: 华侨大学

Inventor： 任好玲 ,  李玉坤 ,  张洪博 ,  钱聪 ,  黄秋芳 ,  缪骋 ,  姚瑜 ,  林添良 ,  陈其怀 ,  付胜杰 ,  陈俊屹

IPC: G01C21/34

Abstract: 本发明提供了一种环卫车贴边清扫的路径规划方法、装置、设备及介质，包括：获取清扫区域的地图，并根据所述地图上的路口和路沿构建有向拓扑图，其中，所述有向拓扑图包括路沿交叉位置的标记节点、由路沿抽象成的边、以及边与节点组成的封闭图形；对所述有向拓扑图进行运算，生成可全连接所述封闭图形的集合；获取环卫车当前位置信息，并根据所述当前位置信息以及所述集合生成全局规划的节点顺序，其中，所述节点顺序用于局部路径规划，解决了全局规划不能完全覆盖所有路沿的问题。

公开(公告)号：CN111915613B

公开(公告)日：2023-06-13

申请号：CN202010798878.X

申请日：2020-08-11

Applicant: 华侨大学

Inventor： 杜吉祥 ,  程海峰 ,  张洪博 ,  翟传敏

IPC: G06V10/26 ,  G06N3/0464 ,  G06T5/00 ,  G06V10/82 ,  G06V10/80 ,  G06T7/10 ,  G06V20/70 ,  G06V10/764

Abstract: 本发明提供一种图像实例分割方法、装置、设备及存储介质，方法包括：提取图像的特征，获取特征图；通过自注意力模块提取特征图的多尺度信息，得到不同尺度的特征图，然后与通过1×1卷积调整维度得到的特征图点乘，为特征图引入像素级注意力；压缩特征图的空间维度，将特征图实数化，对低层特征图进行加权；将加权后的特征图与高层特征图融合，得到新的特征图；通过目标检测和语义分割对融合后特征图进行分类，获取目标检测和语义分割特征图；基于获取目标检测和语义分割特征图进行图像分割，获得分割结果。本发明通过自注意力模块和路径增强模块为后续特征融合提供了更为优秀的语义指导，为后续网络的训练学习减少了一定的噪声影响。

公开(公告)号：CN112733912B

公开(公告)日：2023-06-09

申请号：CN202011634407.1

申请日：2020-12-31

Applicant: 华侨大学

Inventor： 杜吉祥 ,  王莹莹 ,  张洪博 ,  翟传敏 ,  黄政

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及一种基于多粒度对抗损失的细粒度图像识别方法，包括以下步骤：使用区域混淆机制破坏图像全局信息，并进行图像增强，迫使网络更加关注图像区域信息；使用渐进式学习策略在深度神经网络的不同层提取特征，联合不同粒度的图像特征，对每一个特征和原图特征联合进行分类；获取多粒度对抗损失函数，来降低因破坏图像的全局结构而引起的噪声。本发明将数据的不同粒度区域混淆，实现了数据增强，迫使网络关注到不同粒度图像的局部信息，采用渐进式学习策略，对每个阶段的特征进行学习且连接最后S个阶段的特征从而实现多粒度信息互补，构建多粒度对抗损失降低因破坏图像的全局结构而引入的噪声，因此可以更准确和高效的识别子类图像。